Образование Будущего. Как Мы Будем Учиться?

В будущем все компании перейдут на 12-часовую рабочую неделю. Благодаря развитию технологий людям больше не понадобится пятидневка: достаточно будет всего трех дней в неделю, и не по 8 часов, как сейчас, а по четыре. Компьютеры заменят работников, например, в тех профессиях, где требуются хорошая память и способность выполнять повторяющиеся действия. Такое предположение высказал Джек Ма — основатель и глава одной из крупнейших китайских корпорации Alibaba, в которую входит интернет-магазин AliExpress.

Неужели нас ждет безработица, масштабные протесты и тому подобные массовые волнения? По мнению господина Ма, бояться будущего не стоит: искусственный интеллект поможет людям, а не лишит их заработка. При этом успешный бизнесмен уверен, что для достижения новых целей необходимо менять систему образования. «Если мы не изменим нашу систему образования, у всех нас будут проблемы», — считает он.

Так как же ее надо менять? Уже сейчас мы можем получить ответ на этот вопрос, а помогут нам в этом преподаватели Антон Богомолов — Data scientist в Tado (немецком IoT стартапe) и кандидат биологических наук Мария Липчанская — контент-продюсер в школе SkillFactory, которая готовит специалистов по работе с данными и IT-продуктами.

Учиться на дистанции

Сегодня дистанционное обучение вполне способно заменить «живые» лекции преподавателей. В России есть немало примеров, когда люди самых разных возрастов осваивают IT-профессии и учат иностранные языки полностью удаленно, часто вообще без какого-либо контакта с преподавателем. В вузах есть много лишнего, и многое работает неоптимально, однако в целом лекции, зачеты, экзамены, лабораторные и практика нужны, и они неплохо справляются со своей задачей: учить людей. Говорить о том, что традиционные лекции исчезнут вовсе, пока рано. При этом дистанционное обучение является отличным дополнением к живым лекциям, позволяя студенту углубляться именно в те аспекты предмета, которые ему наиболее интересны.

В отличие от государственных вузов, у школы SkillFactory есть возможность очень быстро перестраивать программы, формы работы, содержание курсов, если в процессе работы выясняется, что какие-то из идей не сработали или были неудачно реализованы. У школы нет «входного порога» для поступления на курс. Разумеется, если человек умеет только печатать в Word и хочет пройти обучение на курсе по Deep Learning, то ему порекомендуют начать с «Python Для анализа данных». При этом на Python принимаются 100% новичков (по статистике, таких в школе около 30%), и уже с помощью дополнительных материалов, вебинаров, помощи команды поддержки в Slack их стараются выводить на приемлемый для изучения DS уровень.

На специализациях мы хотим погрузить человека в реальную рабочую среду, поэтому все курсы-тренажеры сопровождаются набором бизнес-кейсов. При этом именно они являются обязательной частью программы: в тренажерах студенты выполняют задания до тех пор, пока не сформируется навык, необходимый для решения той или иной задачи. Количество упражнений в курсе очень велико и достаточно для освоения языка с нуля. В текущей версии курса «Python для анализа данных» 750 упражнений и заданий, и в ближайшие месяцы планируется увеличить это количество еще на сотню-другую. Также в SkillFactory используются скринкасты, на которых для студентов разбирается код — такое встречается крайне редко.

Как проверить знания?

Новые методики обучения подразумевают и новые подходы к проверке знаний. Для сертификации, начиная от экзаменов на аттестат зрелости и заканчивая экзаменами на получения всяких профессиональных сертификатов, скорее всего, и дальше будут использоваться тесты, т.к. такой экзамен стандартизирован и прозрачен. Все это дает определенную защиту от потенциальных судебных исков со стороны людей, не прошедших сертификацию. Из более технологичных тенденций можно предположить, что в проверке результатов устных и письменных экзаменов все большую роль будут играть системы на основе искусственного интеллекта, которые будут учитывать все детали экзаменационной работы, не будут злоупотреблять властью и страдать утомлением и невнимательностью.

Для скрининга, например, лучше всего подходят тесты, позволяющие быстро определить, разбирается ли человек в теме в целом. Для более глубокой проверки нужно ставить перед человеком задачи и смотреть, как он будет их решать, а для контроля и для того, чтобы быть уверенным в знаниях человека, нужны собеседования. При приеме на работу во многих серьезных фирмах применяются все эти методы, поэтому наиболее эффективным способом проверки знаний студентов будет совмещение всех этих форм.

В SkillFactory оценка студентов осуществляется автоматически учебной платформой: за правильный ответ получаешь баллы, за неверный, соответственно, бала не получаешь. Есть более сложные механизмы оценивания правильности решений, например в курсе по ML, есть задания, где необходимо создать модель и тогда код, встроенный в платформу, оценивает ее эффективность, и баллы выдаются пропорционально полученному качеству модели. В более гуманитарных курсах, где требуется творческий подход к решению, часто студентам предлагается оценивать работы сокурсников, тем самым студенты учатся не только отдельным инструментам, а оценивают другие работы и иные взгляды, учатся давать фидбек и смотреть на вопрос под другим углом.

Интернет: база знаний или большая шпаргалка?

Современные люди разделились на два лагеря: одни считают «долой традиционное образование, сейчас все можно найти в интернете», другие — «из-за интернета дети отупели и не знают элементарных вещей, долой интернет!» Однако если подойти к оценке профессионально, то можно выделить очень важный тренд: доступность большого количества информации, которая не всегда обладает высоким качеством, требует от каждого человека навыков работы с большими объемами информации и хорошего уровня развития критического мышления. Формированию этих навыков надо уделять особое внимание на всех ступенях образования. А интернет и информация в нем — это просто инструмент, который может принести и благо, и вред, в зависимости от мастерства того, кто им пользуется. Важно обучать людей грамотно распоряжаться информацией и тогда интернет для них будет научным пособием.

Когда начинать учиться профессионально?

В одном из направлений возрастной психологии есть теория ведущих видов деятельности. Согласно этой теории, в каждом возрастном периоде у человека есть преобладающий вид деятельности, за счет которого во многом и происходит развитие этого человека. Учебно-профессиональная деятельность доминирует в юношеском возрасте (15−19 лет), до этого мало кто всерьез задумывается о своей будущей профессии и подготовке к ней. Если природа человека не изменится кардинально, скорее всего, за профессиональным образованием большинство так и будут начинать обращаться после завершения подросткового возраста.

Уже сейчас для детей и даже дошкольников существует множеств предложений по дополнительному образованию в программировании, робототехнике и других дисциплинах. Большинство школ (в Москве) ориентированы на какое-то определенное направление: биолого-химическое, юридическое, лингвистическое, технологическое и так далее. Хотя узконаправленные дисциплины начинаются после 9-го класса, школа, выбравшая определенное направление, предлагает и более младшим ученикам изучать определенные дисциплины более глубоко. Чтобы стать специалистом в какой-либо области нам требуется больше и больше знаний, что отодвигает возраст вперед. С другой стороны, профессии становятся все более узкоспециализированными, что снижает количество необходимых базовых знаний.

Чему учиться?

Наиболее востребованными специальностями в будущем станут те, что связаны с наиболее быстрым прогрессом — это электроника и, лежащая в ее основе, физика твердого тела, биохимия и генетика, а также программирование. При этом из IT-специальностей можно выделить одно из наиболее востребованных направлений: инженеры по данным, инженеры машинного обучения и дейта-сайентисты, ведь количество данных в мире экспоненциально растет.

В обозримом будущем с разработкой квантовых компьютеров будут востребованы специалисты по квантовым алгоритмам. С ними, кстати, уже можно ознакомиться на «Википедии» и быть в авангарде, когда они «выстрелят». Исследования в области искусственного интеллекта, скорее всего, будут набирать обороты, т. е. будут нужны архитекторы/разработчики нейронных сетей. Ведь это и есть, в итоге, то, к чему мы идем — создание искусственного интеллекта, по силе не уступающего человеческому.

В ближайшую пару лет понадобятся специалисты по большим данным, умеющие писать программы для структуризации этих данных, ведь б0льшая часть данных (около 80%) — это неструктурированные данные, и эта доля сохраняется во времени. Также понадобятся люди, поддерживающие всю инфраструктуру для хранения и обработки этих данных — дейта инженеры, DevOp’сы. Независимо от времени останутся востребованы творчество и креативность, ведь их пока невозможно заменить даже искусственным интеллектом: без креативности нельзя создать что-то принципиально новое, а без новизны нет и прогресса! Источник