教育と未来の知性

テクノロジーの変化に応じて学習とスキルがどのように進化するかを教育機関が調査できるよう支援します。

フィールドの調査方法

探索者は、組織的な問題を構造化する方法として、学習、スキル、変化する専門活動を結びつけます。特定の卒業生の成果を予測したり、どのカリキュラムを採用するかを大学に指示したりするものではありません。責任ある議論では、証拠の質、学習者の状況、講師の能力、データガバナンス、仮定を再検討する頻度を考慮する必要があります。シナリオは調査の出発点であり、予測ではありません。

1. 01

   急速に変化する世界における教育

   テクノロジーと労働力のニーズが変化する中、各機関は長期的な選択を行っています。適切な計画を立てると、永続的な学習目標と短命なツールのトレンドが分離され、証拠の進化に応じて適応する余地が残されます。

   教育機関は、ツール、専門的なタスク、学習者のニーズが変化する中で、何年も続く意思決定を下す必要があります。計画を立てることで、永続的な教育目的と一時的な製品トレンドを区別し、どの前提を見直す必要があるかを特定できます。その目的は、思慮深い制度的選択をサポートすることであり、固定された将来を予測することではありません。

2. 02

   将来のスキル

   スキルは、知識、判断力、コミュニケーション、実践を組み合わせたものです。有用なフレームワークは、学習を実際の活動に結び付け、1 つの役職に、変化にさらされるさまざまなタスクが含まれる可能性があることを認識します。

   具体的な活動に関連付けると、将来のスキルについて話しやすくなります。ある分野では、技術的知識と判断、コミュニケーション、コラボレーション、証拠の責任ある使用を組み合わせることができます。フレームワークでは、広範なスキルラベルを普遍的な尺度として扱うのではなく、その定義を明確にし、役割間の違いを認識する必要があります。

3. 03

   学術的意思決定インテリジェンス

   制度上の決定は、明確な定義、比較可能な証拠、透明性のある仮定から恩恵を受けます。データは質問を整理することはできますが、学術的な判断を置き換えたり、学習者の成果を保証したりすることはできません。

   学術的意思決定のサポートは、プログラム、学習経路、組織の準備状況に関する証拠を整理できます。情報がどのように定義され、どこから来たのか、どの疑問が未解決のままであるかを示す必要があります。スコアや比較は、学習者の成果を保証したり、学生や教育機関の学術的判断に代わるものではありません。

4. 04

   AI と仕事の未来

   AI は、どのタスクを支援、自動化、または新たに作成するかを変更する可能性があります。影響はセクターや状況によって異なるため、シナリオの計画は 1 つの確信のある予測よりも責任があります。

   AI は一部のタスクを支援し、他のタスクを自動化し、新しい形式の作業を生み出す可能性があります。その効果は、採用、規制、コスト、組織の選択、専門家がどのように適応するかによって異なります。シナリオプランニングは、特定の職業やタイムラインが確実であるという主張を回避しながら、起こり得る移行を検討するのに役立ちます。

5. 05

   カリキュラムの進化

   カリキュラムは、永続的な基礎と新たな手法の実践を組み合わせることができます。教育機関には、学習成果、講師の能力、最新情報の有効期間を確認する方法が必要です。

   カリキュラム設計では、耐久性のある基礎と新しい方法を実践する機会を組み合わせることができます。教育機関は、コースを再受講する頻度、講師のサポート方法、学習成果の評価方法などを検討する場合があります。変更は教育目標に基づいて行われるべきであり、新しいツールが登場したという理由だけで変更を行うのではありません。

6. 06

   施設データと品質

   データの品質が結論を形成します。意思決定者がデータセットが何を表し、何を表していないかを判断できるように、出所、対象範囲、更新頻度、定義が表示される必要があります。

   データの品質は、定義、対象範囲、収集方法、更新頻度によって異なります。大学データセットは、教育経験全体ではなく、それに含まれる教育機関と指標のみを記述している場合があります。明確な出所と制限は、意思決定者が比較が自分たちの質問に関連しているかどうかを判断するのに役立ちます。

7. 07

   高度な AI のシナリオ

   より有能な AI は、専門的なタスクをさまざまな方法で変える可能性があります。シナリオは別の仮定の下で準備状況をテストし、機能、規制、採用の変化に応じて修正する必要があります。

   高度な AI シナリオは、さまざまな仮定の下で学習、評価、専門的実践がどのように変化するかを教育機関が検討するのに役立ちます。各シナリオでは、何が真実である必要があるのか​​、どのような証拠がそれを変える可能性があるのか​​を説明する必要があります。これらのシナリオは議論を導きます。これらは労働市場の予測や確実性についての主張ではありません。

8. 08

   教育研究

   有用な研究は測定可能な質問をし、相関関係と原因を区別し、学習者と教育者を対象とします。調査結果には、他の人が検査できる方法と制限が含まれている必要があります。

   教育研究は、明確な質問、適切な方法、参加者保護、透明性のある制限から恩恵を受けます。チームは記述的な観察と因果関係の発見を区別し、学習者と教育者の視点を含める必要があります。方法が検証でき、不確実性が正直に報告される場合、結果はより有用になります。

9. 09

   機関との連携

   大学や学習組織との協力は、範囲を絞った質問、適切なデータガバナンス、評価、所有権、公開に関する共通の期待から始める必要があります。

   大学や学習組織とのコラボレーションは、限定された質問、適切なガバナンス、および共通の期待から始まる必要があります。パートナーは、データのアクセス、評価、公開、帰属、および責任について明確にする必要があります。このページでは今後の議論を募集しています。これは、指定された学術パートナーシップがすでに実施されていることを意味するものではありません。