교육 및 미래지능

교육 기관이 기술 변화에 따라 학습과 기술이 어떻게 발전할 수 있는지 조사하도록 돕습니다.

현장 조사 방법

탐험가는 제도적 질문을 구조화하는 방법으로 학습, 기술 및 변화하는 전문 활동을 연결합니다. 특정 졸업 결과를 예측하거나 대학에 어떤 커리큘럼을 채택할지 알려주지 않습니다. 책임 있는 토론에서는 증거 품질, 학습자 상황, 강사 역량, 데이터 거버넌스 및 가정이 얼마나 자주 재검토되는지 고려해야 합니다. 시나리오는 예측이 아닌 탐구의 출발점입니다.

1. 01

   급변하는 세상에서의 교육

   기관은 기술과 인력 수요가 변화하는 동안 장기적인 선택을 합니다. 좋은 계획은 지속적인 학습 목표와 단기적인 도구 추세를 분리하고 증거가 발전함에 따라 적응할 수 있는 여지를 남겨둡니다.

   교육 기관은 도구, 전문 작업 및 학습자 요구 사항이 변화하는 동안 수년 동안 지속되는 결정을 내려야 합니다. 계획을 세우면 지속적인 교육 목표와 임시 제품 동향을 분리하고 검토가 필요한 가정을 식별할 수 있습니다. 목적은 하나의 고정된 미래를 예측하는 것이 아니라 사려 깊은 제도적 선택을 지원하는 것입니다.

2. 02

   미래 스킬

   기술은 지식, 판단, 의사소통 및 실천을 결합합니다. 유용한 프레임워크는 학습을 실제 활동과 연결하고 하나의 직위에 변화에 노출되는 다양한 작업이 포함될 수 있음을 인식합니다.

   미래의 기술은 구체적인 활동과 연결될 때 논의하기가 더 쉽습니다. 해당 분야에서는 기술적 지식을 판단, 의사소통, 협력 및 책임감 있는 증거 사용과 결합할 수 있습니다. 프레임워크는 광범위한 기술 레이블을 보편적인 척도로 취급하기보다는 정의를 명확하게 하고 역할 간의 차이를 인식해야 합니다.

3. 03

   학문적 의사결정 인텔리전스

   기관의 결정은 명확한 정의, 비교 가능한 증거 및 투명한 가정의 도움을 받습니다. 데이터는 질문을 구성할 수 있지만 학문적 판단을 대체하거나 학습자 결과를 보장할 수는 없습니다.

   학문적 의사 결정 지원을 통해 프로그램, 학습 경로 및 기관 준비 상태에 대한 증거를 정리할 수 있습니다. 정보가 어떻게 정의되었는지, 정보가 어디서 왔는지, 어떤 질문에 답이 없는지 보여주어야 합니다. 점수나 비교는 학습자의 결과를 보장하거나 학생과 기관의 학문적 판단을 대체할 수 없습니다.

4. 04

   AI와 일의 미래

   AI는 지원, 자동화 또는 새로 생성되는 작업을 변경할 수 있습니다. 효과는 부문과 상황에 따라 다르기 때문에 하나의 확실한 예측보다 시나리오 계획이 더 책임감이 있습니다.

   AI는 일부 작업을 지원하고 다른 작업을 자동화하며 새로운 형태의 작업을 생성할 수 있습니다. 그 효과는 채택, 규제, 비용, 조직의 선택 및 전문가의 적응 방식에 따라 달라집니다. 시나리오 계획은 사람들이 특정 직업이나 일정이 확실하다는 주장을 피하면서 가능한 전환을 조사하는 데 도움이 될 수 있습니다.

5. 05

   커리큘럼의 진화

   커리큘럼은 지속적인 기초와 새로운 방법의 실습을 결합할 수 있습니다. 교육기관에는 학습 결과, 강사 역량, 업데이트의 관련성 유지 기간을 검토할 수 있는 방법이 필요합니다.

   커리큘럼 설계는 내구성 있는 기초와 새로운 방법을 실습할 수 있는 기회를 결합할 수 있습니다. 교육기관에서는 강좌 재방문 빈도, 강사 지원 방법, 학습 결과 평가 방법을 고려할 수 있습니다. 변화는 단지 새로운 도구가 눈에 띄게 되었기 때문에 이루어지는 것이 아니라 교육 목표에 기초해야 합니다.

6. 06

   기관 데이터 및 품질

   데이터 품질이 결론을 결정합니다. 출처, 적용 범위, 업데이트 빈도 및 정의는 의사 결정자가 데이터 세트가 나타내는 것과 나타내지 않는 것을 판단할 수 있도록 표시되어야 합니다.

   데이터 품질은 정의, 적용 범위, 수집 방식 및 업데이트 주기에 따라 달라집니다. 대학 데이터 세트는 전체 교육 경험이 아닌 포함된 기관 및 지표만 설명할 수 있습니다. 명확한 출처와 제한 사항은 의사 결정자가 비교가 질문과 관련이 있는지 판단하는 데 도움이 됩니다.

7. 07

   고급 AI 시나리오

   더 유능한 AI는 다양한 방식으로 전문적인 업무를 변화시킬 수 있습니다. 시나리오는 대체 가정 하에서 준비 상태를 테스트하며 기능, 규정 및 채택 변경에 따라 수정되어야 합니다.

   고급 AI 시나리오는 기관이 다양한 가정 하에서 학습, 평가 및 전문 실무가 어떻게 변할 수 있는지 묻는 데 도움이 됩니다. 각 시나리오에는 무엇이 진실이어야 하고 어떤 증거가 이를 변경할 수 있는지 명시해야 합니다. 이러한 시나리오는 토론을 안내합니다. 그것은 노동 시장에 대한 예측이나 확실성에 대한 주장이 아닙니다.

8. 08

   교육연구

   유용한 연구는 측정 가능한 질문을 하고 원인과 상관관계를 구별하며 학습자와 교육자를 포함합니다. 조사 결과에는 다른 사람이 검사할 수 있는 방법과 제한 사항이 포함되어야 합니다.

   교육 연구는 명확한 질문, 적절한 방법, 참가자 보호 및 투명한 제한을 통해 이점을 얻습니다. 팀은 기술적 관찰과 인과관계 발견을 구별해야 하며 학습자와 교육자의 관점을 포함해야 합니다. 방법을 검사할 수 있고 불확실성이 정직하게 보고될 때 결과는 더 유용합니다.

9. 09

   기관과의 협업

   대학 및 학습 조직과의 협력은 범위가 지정된 질문, 적절한 데이터 거버넌스, 평가, 소유권 및 출판에 대한 기대 공유로 시작되어야 합니다.

   대학 및 학습 조직과의 협력은 제한된 질문, 적절한 거버넌스 및 공유된 기대에서 시작되어야 합니다. 파트너에게는 데이터 액세스, 평가, 게시, 귀속 및 책임에 대한 명확성이 필요합니다. 이 페이지는 향후 토론을 초대합니다. 이는 학술적 파트너십이 이미 확립되어 있음을 의미하지 않습니다.