В последнее время ощущаю себя «вольным исследователем» 😀

А всё потому что ищу проекты на стыке нескольких направлений: - управление образовательными проектами, - проведение продуктовых исследований, - внедрение инноваций в обучении (в т.ч. с использованием искусственного интеллекта), - проектирование образовательного опыта, - внедрение теорий наук об обучении, - внедрение принципов педагогического дизайна, - построение учебной аналитики.

Понимаю, непростая комбинация.

Но именно на пересечении этих областей очень хотелось бы развиваться, потому что в таком случае запускается цикл:

исследовать → формулировать проблемы → предлагать решения → пилотировать решения → измерять эффекты → масштабировать и/или коммерциализировать

Поэтому если у вас есть технологические или образовательные проекты/продукты (в т.ч. на основе ИИ) в корпоративном, EdTech или академическом секторе, то открыт к сотрудничеству. Для этого просто напишите мне в сообщения профиля, либо в телеграм 👉🏼 @osipov_education

Друзья, а теперь история 💭

Недавно проводил очередное исследование среди руководителей, которые пытаются автоматизировать часть своих задач, включая использование ИИ.

В том числе общался с директорами частных образовательных организаций.

После очередной дискуссии нашёл одну из главных ошибок при внедрении ИИ — слишком быстро переходить от проблемы к ИИ-решению.

Допустим, учителя английского языка тратят слишком много времени на индивидуальную обратную связь.

Вполне логично сразу автоматизировать её с помощью ИИ.

Но ведь проблема может быть связана совсем с другим.

Например: - неудачной структурой заданий; - отсутствием единых критериев оценивания; - перегруженной программой; - неудобной LMS; - недостаточной методической подготовкой и т.д.

В итоге руководитель внедряет сложное решение, которое оказывается дороже и менее эффективным чем изменение самого процесса. Либо ему его удачно продают.

Просто у меня в практике случались случаи, когда достаточно  просто переработать задания или подготовить преподавателям набор готовых фреймворков. И всё. Проблема решалась. Поэтому до выбора технологии я бы сначала точно отвечал на несколько вопросов 👇🏼

- Где именно возникает нагрузка? - Почему она возникает? - Как её уже пытались решить? - Почему её не удалось решить? - Что в текущем процессе можно изменить без внедрения новых технологий? и т.д.

И только после этого имеет смысл проверять гипотезу о том, что, например, ИИ действительно является лучшим решением.

У меня совсем недавно был случай, когда задача руководителя учебного центра просто решилась обычным Claude, хотя изначально хотелось строить целую систему автоматизации.

Именно поэтому диагностика проблемы 🔍, на мой взгляд, должна быть одним из основополагающих этапов.

Ведь если пропустить данный этап, можно вложить огромные ресурсы в разработку технологии, которая в итоге будет устранять следствие, а не причину проблемы.