Тема «статистические данные»

Сильные студенты решают с помощью нейросетей сложные задачи — разрабатывают алгоритмы или готовят более продвинутые исследования. Слабые — копипастят домашку, получая готовые ответы от генеративных моделей. При этом ведущие (селективные) вузы активно осваивают генеративные модели, например, создают задания, которые можно решить только при грамотном использовании искусственного интеллекта. Неселективные вузы, наоборот, чаще пытаются запретить ИИ. Так технологии по-новому подсвечивают неравенство в высшем образовании.

Когда студентов просят сначала самим разобраться в задаче, а потом уже объясняют, как правильно — это называется исследовательское обучение. Такой подход помогает лучше понять материал, но требует много сил и внимания. Что делать, чтобы это не вызывало перегрузку?

Образование — один из ключевых факторов устойчивого развития, социального равенства и технологического прогресса. В условиях глобальной трансформации к образовательной повестке все чаще обращаются как к инструменту формирования будущего. В этом контексте особенно важно понимать, как выстраиваются национальные системы образования в странах с разным историческим и культурным опытом, но схожими масштабами и амбициями. К числу таких стран относятся государства БРИКС — Бразилия, Россия, Индия, Китай и Южная Африка, — чье влияние на глобальную образовательную повестку продолжает расти.

Российская школа становится все более «женской» и возрастной. Это вывод социологического исследования, в котором современные данные о педагогических кадрах сопоставлены с данными 1987 года. Опираясь на социально-демографические и профессиональные характеристики учителей, автор Денис Ананин показал, чем школа позднего СССР отличалась от нынешней.

Аспирантура в России во многом напоминает гонку на выживание: стартуют многие, но до защиты добираются считанные единицы. И дело не столько в сложности научных задач, сколько в условиях, в которых живут и работают будущие исследователи. Девять из десяти аспирантов вынуждены совмещать учебу с работой, а в срок защищается лишь каждый двадцатый.

Примерно через полгода использования генеративного ИИ у студентов кардинально меняется отношение к технологии. То, что сначала казалось удобным способом «обойти систему», довольно быстро становится обычным учебным инструментом — вроде калькулятора или поисковика.

Группа 17-30-летних среди жителей Дальнего Востока сократилась на треть за 10 лет. О проблеме оттока молодежи известно давно, но появилась неожиданная деталь: совсем юных, тех, кому еще нет 20 лет, в последнее время стало больше. Если дальневосточные вузы смогут их привлечь и удержать от переезда, проблемы с кадрами начнут решаться.

Со времен первых сенсаций и скандалов на тему «ChatGPT написал выпускнику диплом!» прошло уже несколько лет, а отношение к искусственному интеллекту в вузах осталось разнородным — представлена вся шкала чувств, от энтузиазма до активного неприятия. Результаты последних исследований на эту тему представили в Инобрена круглом столе «Искусственный интеллект в вузе: условия принятия и практики внедрения», организованном вместе с ИТ-компанией «Кеды профессора».

В развивающихся странах не хватает квалифицированных рабочих, острый дефицит сохраняется десятилетиями. Как можно решить проблему — китайские эксперты рассказали на открытом семинаре в Инобре, посвященном государственно-частному партнерству в профобразовании стран БРИКС. Они предложили принцип «Платят все» — но не напрямую колледжам, в чем производитель не заинтересован, а через отраслевые взносы.

Успешных предпринимателей в университетах могло бы быть больше — но для этого вузам нужно научиться их готовить. Исследователи из Лаборатории человеческого потенциала проанализировали 1300 проектов на Платформе университетского технологического предпринимательства. Оказалось, что «домашние» стартапы, выросшие строго в рамках учебного процесса, заметно уступают своим более «вольным» собратьям.