Образование и разведка будущего

Помогите учреждениям изучить, как обучение и навыки могут развиваться по мере изменения технологий.

Как мы изучаем эту сферу

Исследователь связывает обучение, навыки и изменение профессиональной деятельности как способ структурирования институциональных вопросов. Он не прогнозирует конкретные результаты выпускников и не указывает университету, какую учебную программу следует принять. Ответственное обсуждение должно учитывать качество доказательств, контекст обучающегося, возможности преподавателя, управление данными и частоту пересмотра предположений. Сценарии являются отправной точкой для исследования, а не прогнозов.

1. 01

   Образование в быстро меняющемся мире

   Учреждения делают долгосрочный выбор, в то время как потребности в технологиях и рабочей силе меняются. Хорошее планирование отделяет долгосрочные цели обучения от кратковременных тенденций в области инструментов и оставляет возможность адаптироваться по мере появления фактических данных.

   Учреждения должны принимать решения, которые будут действовать годами, в то время как инструменты, профессиональные задачи и потребности учащихся меняются. Планирование может отделить долгосрочные образовательные цели от временных тенденций продукта и определить, какие предположения требуют пересмотра. Цель состоит в том, чтобы поддержать продуманный институциональный выбор, а не прогнозировать одно фиксированное будущее.

2. 02

   Будущие навыки

   Навыки сочетают в себе знания, суждения, общение и практику. Полезная структура связывает обучение с реальной деятельностью и признает, что одна должность может содержать задачи с различной подверженностью изменениям.

   Будущие навыки легче обсуждать, если они связаны с конкретной деятельностью. Область может сочетать технические знания с суждениями, общением, сотрудничеством и ответственным использованием доказательств. Структуры должны делать свои определения явными и признавать различия между ролями, а не рассматривать широкую маркировку навыков как универсальную меру.

3. 03

   Аналитика академических решений

   Институциональные решения выигрывают от четких определений, сопоставимых доказательств и прозрачных предположений. Данные могут организовать вопрос, но они не могут заменить академическое суждение или гарантировать результаты обучения.

   Поддержка принятия академических решений может организовать данные о программах, путях обучения и институциональной готовности. Он должен показать, как была определена информация, откуда она взялась и какие вопросы остались без ответа. Оценка или сравнение не могут гарантировать результат учащегося или заменить академическую оценку студентов и учебных заведений.

4. 04

   ИИ и будущее сферы труда

   ИИ может выбирать, какие задачи будут вспомогательными, автоматическими или вновь создаваемыми. Эффекты различаются в зависимости от сектора и контекста, поэтому планирование сценариев более ответственно, чем один уверенный прогноз.

   ИИ может помогать в выполнении одних задач, автоматизировать другие и создавать новые формы работы. Эффект зависит от принятия, регулирования, затрат, организационного выбора и того, как адаптируются профессионалы. Планирование сценариев может помочь людям изучить возможные переходы, избегая при этом утверждений о том, что конкретная профессия или график определенны.

5. 05

   Эволюция учебной программы

   Учебные программы могут сочетать в себе прочные основы с практикой новых методов. Учреждениям нужны способы анализа результатов обучения, возможностей преподавателей и того, как долго обновления будут актуальны.

   Разработка учебной программы может сочетать в себе прочную основу с возможностью практиковать новые методы. Учреждения могут рассмотреть вопрос о том, как часто повторять курс, как будут поддерживаться преподаватели и как будут оцениваться результаты обучения. Изменения должны быть основаны на образовательных целях, а не только потому, что стал виден новый инструмент.

6. 06

   Институциональные данные и качество

   Качество данных формирует выводы. Происхождение, охват, частота обновления и определения должны быть видны, чтобы лица, принимающие решения, могли судить, что представляет собой набор данных, а что нет.

   Качество данных зависит от определений, охвата, практики сбора и частоты обновления. Набор университетских данных может описывать только включенные в него учреждения и показатели, а не весь образовательный опыт. Четкое происхождение и ограничения помогают лицам, принимающим решения, судить о том, соответствует ли сравнение их вопросу.

7. 07

   Сценарии для продвинутого ИИ

   Более способный ИИ может по-разному решать профессиональные задачи. Сценарии проверяют готовность при альтернативных предположениях и должны пересматриваться по мере изменения возможностей, регулирования и внедрения.

   Сценарии расширенного искусственного интеллекта могут помочь учебным заведениям задаться вопросом, как обучение, оценка и профессиональная практика могут измениться при различных предположениях. В каждом сценарии должно быть указано, что должно быть правдой и какие доказательства могут это изменить. Эти сценарии направляют дискуссию; это не прогнозы рынка труда или заявления об уверенности.

8. 08

   Образовательные исследования

   Полезные исследования задают измеримые вопросы, отличают корреляцию от причины и включают в себя учащихся и преподавателей. Результаты должны включать методы и ограничения, которые могут проверить другие.

   Образовательные исследования выигрывают от четких вопросов, соответствующих методов, защиты участников и прозрачных ограничений. Команды должны отличать описательные наблюдения от причинно-следственных выводов и учитывать точку зрения учащихся и преподавателей. Результаты более полезны, когда методы можно проверить и когда неопределенность сообщается честно.

9. 09

   Сотрудничество с учреждениями

   Работа с университетами и обучающимися организациями должна начинаться с четкого вопроса, надлежащего управления данными и общих ожиданий относительно оценки, владения и публикации.

   Сотрудничество с университетами и обучающимися организациями должно начинаться с четкого вопроса, надлежащего управления и общих ожиданий. Партнерам необходима ясность в отношении доступа к данным, их оценки, публикации, атрибуции и ответственности. Эта страница приглашает к будущим обсуждениям; это не означает, что конкретное академическое партнерство уже существует.