У университета есть сильные преподаватели и перспективные разработки. У предприятия — задачи, для решения которых…
У университета есть сильные преподаватели и перспективные разработки. У предприятия — задачи, для решения которых нужны новые компетенции. Но даже наличие партнёра ещё не означает, что вуз умеет создавать востребованные им программы обучения.
Об этом говорил Михаил Шепель, проректор по развитию дополнительного профессионального образования ТГУ, на V Международном форуме «Преобразование образования» на круглом столе «Архитектура со-агентности: как проектировать ИИ-инструменты для эффективного образовательного процесса».
ДПО иногда существует при университете как отдельная «машинка»: программы создают приглашённые эксперты, преподаватели основных программ мало вовлечены, а опыт работы с предприятиями почти не влияет на основное образование. В ТГУ используют ИИ в том числе для преодоления этого разрыва, помогают преподавателям перестроить свою экспертизу под задачи промышленного партнёра.
На программе «Трансформация ДПО: от стратегии и продукта», объединившей семь университетов и 650 преподавателей, отрабатывали несколько подходов.
Пересобирать содержание, освобождая время для практики. Преподаватели использовали нейросети для переработки своих лекционных материалов под задачи ДПО. Цель — сохранить необходимую фундаментальную подготовку и выделить больше времени на практическую работу с работодателем.
Проверять задания с помощью самого ИИ. «Если мы сделали задание, загрузили в нейросеть и в течение десяти секунд оно решено, мы бракуем это задание», — объяснил Михаил Олегович. Вместо типовых упражнений преподаватели обращались к реальным производственным ситуациям: браку, ошибкам, проблемам конкретного предприятия. Ещё один вариант — предложить слушателю найти дефекты в подготовленной машиной схеме или чертеже.
Давать предварительную обратную связь. При работе с сотнями преподавателей нейросеть помогала проверять проекты программ: например, замечать, что теории слишком много, а практики недостаточно. После этого в проверку включался эксперт. Отдельная задача — настраивать обратную связь с учётом должности слушателя и его роли на производстве.
Искать задачи, вокруг которых можно построить обучение. Для этого использовали анализ предприятий отрасли и вакансий из открытых источников. Поиск реальной проблемы бизнеса остаётся сложной задачей, готового универсального решения здесь пока нет.
За этими примерами — идея технологического ДПО: программы могут помогать университетским разработкам доходить до внедрения. Обучение строится вокруг необходимых для этого компетенций — от патентной аналитики и поиска промышленного партнёра до расчётов и правовой упаковки технологии.
Поэтому результат применения ИИ здесь стоит оценивать и по тому, помогает ли он преподавателю включиться в работу с предприятием. Конечная задача — создать программу, в которой университетские знания работают на конкретную производственную задачу, а взаимодействие с заказчиком обогащает само образование.