AI в образовании. Про что не забыть

В последние дни кроме продуктовых задачек я возвращаюсь к основополагающим вопросам об AI в образовании.
Именно они тормозят меня отдать коллегам список задач.

0. Самый главный вопрос: нам это зачем?
Мой ответ на него: чтобы дать возможность тем, кто хочет преодолеть дефициты, расти  вне зависимости от места рождения, образования и даже ограничений вуза (в который человек попал).

Я вдохновлена, потому что я понимаю, что наконец смогу развернуть, но проблема в том, что внедрение технологий это вообще не про технологии. Это про то, как люди их присваивают, вот что критично учесть.
Т.е. вопросы этики, политики и социологии.

Поэтому у меня для вас 3 истории.

1 Как принимаются управленческие решения

Ровно с этими целями - сделать высшее образование доступным - ввели ЕГЭ 20 с небольшим лет назад. И это сработало: % ребят из [разных] регионов в столичных вузах вырос.

Но в тот же момент по результатам ЕГЭ начали принимать управленческие решения на местах уровня "кого казнить, кого миловать". Вместо того, чтобы использовать данные по назначению: как измеритель и искать решения повышения качества - просто выбирали премировать или нет директоров, понятно, что это результаты особо не двигало.

2. Как люди использовали данные друг о друге

В основе - модели данных, огромные накапливаемые массивы, которые позволяют потенциально описывать профиль каждого  студента и соотвествие той или иной позиции, подбору эффективного способа
С одной стороны - добро в чистом виде. Поработай с коучем, пойми, куда ты хочешь и на основе данных подскажем, что тебе развивать или минимум - в какую сторону смотреть.

Но мы же помним эксперимент США по оценке IQ и сегрегации в классы по его уровню? В классах с низкими отметками (и менее заинтересованными учителями) наверстать и уж тем более угнаться за сильным классом не было никаких шансов. К слову и в России, и сейчас мало что изменилось. Так устроена система, которая оптимизирует ресурсы в условиях ограничений.
Ограничения-то мы убрали, но успеет ли за этим мышление? Успеем ли мы (довольно большой слой людей, принимвющих решения на уровне распределения нагрузки преподавателей) осмыслить?
Какие данные никогла не должны не попасть человеку в деканате.
И как при этом нам работать со стандартной системой сопровождения студентов, настроенной как раз на стат данные его результатов? И что тогла делать с системой рекомендаций практик/стажировок/трудоустройства?
Этот вопрос можно переформулировать так: как бы случайно  не дать чуть больше % вероятности свернуть в "Мы" Замятина.


3. Про неравенство.

Выглядит сейчас технология, как ускоритель расслоения. Про это надо вообще постов 15 писать: начала, поняла, что не осилю. И это не про педагогику угнетенных.
Выглядит (пока без замеров), что расслоение идёт по неожиданному признаку: любви к сложности. А любовь к сложным задачкам очень похожа на социально-генетическую девиацию. В любой нормальной ситуации все наши нейробиологические настройки работают не так: мозг ищет наиболее простое решение.
Если раньше принуждали к работе мысли всех, то теперь принуждать к работе мысли стандартными способами уже не получится. И не уверена, что нестандартными получится. Эффектов может быть масса, включая переизобретение высшего образования обратно. И тут мы снова вощвращаемся к воспитанию, чем практики лучших учителей и преподавателей отличаются от посредственных. Если что напомню, что в 11 вы уже по краю, а к 16 - уже опоздали с воспитанием (но это не повод сдаваться). Хожу, слушаю, кто что где нашел в решениях. Как правило вне вопросов ИИ. Потому что искать нужно не там, где фокусируются на инструменте, а там, где собирают смысл.
Как зашить в процессы эту любовь к сложности у людей старше 11, но без опыта реальной работы - не простой. Из того, что говорят мои выпускники - нифига не помогает сшивка с проф.задачами, пока они не присвоены. Простой легкий ответ не засчитывается (и не работает). Думаем дальше. Технически, у меня есть гипотеза как это затащить, но это тоже так себе решение.

Картинка Ольги Зуевой