Статьи в выпуске: 10
Статья акцентирует внимание руководителей и коллективов российских университетов на феномене корпоративной культуры университетов. Особая важность корпоративной культуры для развития университетов объясняется, во-первых, ценностно-ориентированным характером деятельности университетов, и, во-вторых, тем, что корпоративная культура является основным фактором, обеспечивающим единство и уникальность университета. Выполненное в статье исследование сайтов 237 российских университетов, подчиненных Министерству науки и высшего образования РФ, показало, что получить сколько-нибудь подробную информацию о корпоративной культуре университетов из их сайтов очень трудно, а чаще всего - практически невозможно. Причина этого состоит не в том, что коллективы или ректоры университетов не уделяют вопросам корпоративной культуры достаточного внимания, а в том, что развитие корпоративной культуры в подавляющем большинстве российских университетов происходит не системно, а как бы неосознанно, стихийно. Текущее состояние корпоративной культуры не описывается в терминах, обеспечивающих единство её понимания руководством и коллективом университета. Вызовы, направленные к культуре со стороны внешней среды, и воздействие этой среды на культуру не анализируются. Приведён пример того, как данная ситуация отражается на престиже как российских университетов, так и страны в целом. Показано, что экспериментально обнаруженная тенденция к росту иерархической составляющей корпоративной культуры университетов может стать препятствием на пути движения российских университетов к технологическому лидерству.
Целью настоящей статьи является анализ институциональных барьеров реализации трансформации в университете и факторов их преодоления через призму восприятия лидеров этих процессов. Для этого автор провёл 22 глубинных экспертных интервью с руководителями университетов (в основном ректорами и проректорами), участвующими в программе «Приоритет-2030», и с экспертами в сфере управления высшим образованием. Интерпретация результатов качественного исследования опиралась на институциональную теоретическую рамку и методологию тематического анализа, что обеспечило структурированное выявление ключевых тем и смыслов в управленческом дискурсе. К основным барьерам реализации изменений руководители вузов относят: противоречие новых задач существующим практикам, разобщённость и обособленность университетских структур, ригидность сотрудников, имитацию требуемой деятельности и рост бюрократизации. Для их преодоления используются такие факторы, как создание и поддержание каналов внутренней коммуникации, управленческий ресурс лидерства ректора, легитимация и внедрение проектных практик управления, а также кадровые замены. Отдельно рассмотрена роль управленческой команды в стратегическом взаимодействии со стейкхолдерами, в рамках которого подчёркивается важность одновременно соответствовать внешним требованиям и формировать субъектное предложение. Таким образом, работа дополняет дискуссию о современной трансформации университетов перспективой её непосредственных руководителей. Полученные результаты могут быть полезны как исследователям высшего образования и университетским управленцам, так и тем, кто занимается проектированием программ организационных изменений в российских вузах, а также образовательной и консалтинговой поддержкой их реализации.
В статье анализируется эффективность образования по итогам приема на очные бюджетные места инженерно-технических направлений в российских университетах. Рассматривается коэффициент доучивания как показатель, дополняющий универсальные показатели Мониторинга Минобрнауки и характеризующий качество поступления, образовательного процесса и результаты обучения. Цель исследования - разработка типологии направлений подготовки по показателям приёма и завершения обучения с учетом значения показателей коэффициента доучивания. На основании данных по форме ВПО-1. Минобрнауки в период с 2014 по 2024 гг., анализируется влияние динамики перераспределения бюджетных мест в пользу инженерно-технических направлений на изменение показателя коэффициента доучиваемости. Сделан вывод, что рост числа бюджетных мест по инженерно-техническим направлениям подготовки, как правило, не приводит к соответствующему росту числа выпускников. Выявлено, что особенно выражен разрыв между приёмом и выпуском в региональных вузах, где коэффициент доучиваемости существенно ниже, чем в столичных. Анализ проведен как в целом по РФ, так и по отдельным субъектам РФ, в том числе по Красноярскому краю и городу Москве. Показано, что инженерно-технические направления образуют отдельный тип подготовки, которому свойственно снижение коэффициента доучиваемости при перераспределении бюджетных мест в его пользу. На основе проведенного исследования сформулированы рекомендации о совершенствовании управления распределением бюджетных мест по инженерно-техническим специальностям для органов исполнительной власти и учредителей образовательных учреждений высшего образования в РФ.
В условиях активного внедрения проектного обучения в высшем образовании возросла потребность в новых инструментах мониторинга командной работы. В статье представлен подход к формированию обратной связи на основе анализа цифровых следов, формируемых в профессиональных инструментах командной работы - трекерах задач (Trello, Wekan) и репозиториях кода (на примере GitLab). Проанализированы современные подходы к организации обратной связи и применению анализа цифровых следов, определены источники и структура цифрового следа в проектной работе, разработан подход к извлечению и обработке данных из логов действий студентов, применены методы анализа социальных сетей (SNA) для оценки структуры взаимодействий, а также предложена интерпретационная модель для формирования обратной связи на основе сетевых метрик. Эмпирической базой исследования стали данные 253 проектов, реализованных в 2019-2023 гг. в МИЭМ НИУ ВШЭ. Результаты показывают, что визуализация сетевых характеристик командной работы и динамики ролей участников значительно расширяет возможности выявления ключевых паттернов взаимодействия, а также атипичных моделей поведения, требующих педагогического вмешательства. Интеграция таких механизмов в цифровую образовательную среду предоставляет уникальную возможность для регулярного мониторинга командной работы и управления качеством проектного обучения.
В статье анализируется динамика развития системы дополнительного профессионального образования (ДПО) в Российской Федерации в 2020-2023 гг. на основе официальных статистических показателей. Показано, что в рассматриваемый период система ДПО демонстрировала устойчивый рост: численность лиц, прошедших обучение, увеличилась с 6,6 до 8,3 млн человек, а средняя периодичность обучения занятых по программам ДПО в 2023 г. составила около девяти лет. Одновременно выявлены существенные межотраслевые диспропорции в охвате ДПО: в обрабатывающих производствах периодичность обучения достигала около 80 лет, в строительстве - 21 года, в сельском и лесном хозяйстве, а также в сфере рыболовства и рыбоводства - 29 лет. Отмечаются новые тенденции на рынке услуг ДПО, включая рост доли обучения, осуществляемого непосредственно на предприятиях без участия специализированных образовательных организаций, а также сокращение численности работников со средним профессиональным образованием, проходящих обучение по программам ДПО. Анализ региональных различий позволил выявить субъекты и федеральные округа, выступающие в роли «притягивающих» и «отдающих» центров подготовки кадров, на основе сопоставления доли прошедших обучение с вкладом регионов в валовой внутренний продукт страны. Сделан вывод о продолжающейся трансформации рынка ДПО и о том, что учет выявленных тенденций может способствовать повышению эффективности деятельности организаций, реализующих программы дополнительного профессионального образования.
Подготовка кадров для развития технологий искусственного интеллекта является одной из стратегических задач, стоящих перед российскими вузами. Цель статьи - анализ трудоустройства выпускников вузов России по образовательным программам в сфере искусственного интеллекта. В ходе исследования проверяется гипотеза о влиянии статуса вуза в рейтинге Альянса и наличия специализированных образовательных программ в сфере ИИ в вузе на эффективность трудоустройства выпускников по этим программам. Основу исследования составляет мониторинг вузов, реализующих образовательные программы в сфере искусственного интеллекта (n = 191). В рамках анализа трудоустройства выпускников с компетенциями в сфере искусственного интеллекта определена специфика их распределения по каналам занятости; выявлены ключевые университеты по эффективности подготовки ИИ-кадров и величине заработной платы; выявлены наиболее популярные должности при трудоустройстве. На основе сопоставления показателей трудоустройства выпускников вузов и альтернативных источников подготовки ИИ-кадров (самообразование и профессиональная переподготовка) с показателями кадровой потребности в сфере искусственного интеллекта сделан вывод о ее обеспеченности на 43,9 %. Полученные данные позволяют сделать вывод об успешном выполнении вузами поручения Правительства России о повышении объемов подготовки ИИ-специалистов. Ценность статьи заключается в представлении уникальных фактологических материалов, впервые описывающих трудоустройство выпускников вузов в сфере ИИ, в частности детализированы потери кадрового потенциала сферы на пути от приема абитуриентов в вузы до непосредственного трудоустройства выпускников. Целевой аудиторией статьи являются исследователи, эксперты, аналитики, работники и руководители вузов, а также представители органов власти, вовлеченные в процесс развития искусственного интеллекта в России.
В статье рассматриваются стратегические ответы университетов на ключевые вызовы цифровой эпохи: растущие ожидания стейкхолдеров, конкуренция с EdTech-компаниями, отставание от требований рынка труда и необходимость переосмысления миссии в условиях генеративного ИИ. Актуальность исследования обусловлена потребностью университетов, находящихся на начальном этапе трансформации, в ориентирах для формирования долгосрочной стратегии. Методология включает анализ научной литературы (25 отобранных статей) и проведение 30 глубинных интервью с признанными мировыми экспертами из ведущих университетов (Стэнфорд, Университет Аризоны, НИУ ВШЭ, Университет Рединга и др.), EdTech-компаний и бизнеса. В результате выявлены пять приоритетных тематик развития, по которым консолидировано мнение экспертов. Показано, что цифровая трансформация становится необходимым условием преодоления отставания от рынка труда и требует тесной кооперации с бизнесом и EdTech. Сформированы практические рекомендации для руководства вузов, основанные на лучших мировых практиках, включая необходимость перехода к гибридным моделям, внедрения проектного обучения, развития систем признания микростепеней и фокуса на формировании нового типа мышления у студентов. Отдельно предложены решения для вузов с ограниченными ресурсами.
Авторы предлагают переосмыслить ситуацию распространения технологий искусственного интеллекта в высшей школе и разработать «педагогику гибридного интеллекта». В будущем интеллектуальная рабочая сила будет организована в виде команд, образованных людьми, ИИ-моделями и ИИ-агентами. В университете будут учиться новые «сущности» - ученики, оснащенные «гроздьями» искусственных интеллектов. Университетское образование не сможет быть адекватным времени, если не будет учитывать возможности ИИ как партнера человека в образовательной и профессиональной деятельности. Педагогика будет работать с «гибридным» субъектом, который включает людей и ИИ. Размечено поле вопросов, на которые необходимо ответить, чтобы построить педагогику гибридного интеллекта и развернуть ее в университетах. Авторы стремятся инициировать обсуждения, пробные действия и эксперименты на новом поле педагогики гибридного интеллекта.
В статье представлен систематический обзор международных политик ведущих университетов мира по регулированию использования технологий генеративного ИИ в сфере высшего образования. Цель работы - проанализировать отношение ведущих университетов к масштабному использованию генеративного ИИ и выявить ключевые области учебного процесса, которые необходимо трансформировать, чтобы интеграция технологий была эффективной. Выделяются и сопоставляются регламентирующие политики ведущих мировых университетов, часть из которых транслирует крайне негативное отношение к новым технологиям, часть - прогрессивное. Проводится анализ соответствия регламентирующих политик задачам, стоящим перед академическим сообществом. Основное внимание уделяется анализу лучших практик в разработке регламентов использования генеративного ИИ. Статья будет интересна академическому сообществу в целом, но прежде всего управленческому корпусу и исследователям, занимающимся вопросами интеграции генеративного ИИ в сферу высшего образования.
Статья посвящена рассмотрению вопросов, связанных с использованием искусственного интеллекта для оценки качества образовательных программ и образовательных организаций с целью аккредитации. Происходящие в настоящее время изменения структуры и содержания высшего образования обусловлены государственной образовательной политикой, однако нельзя не учитывать технологические вызовы, стоящие перед высшей школой, которая достаточно эффективно применяет технологические инновации в образовательном процессе (преподавании, обучении, администрировании). Аккредитация как процедура оценки, признания и гарантии качества образования, с одной стороны, должна реагировать на изменения в образовательном процессе, с другой - использовать доступные современные цифровые технологии, в том числе инструменты искусственного интеллекта. Цель работы - анализ и описание апробации цифровых и ИИ-инструментов в пилотном проекте топ-аккредитации, а также обсуждение перспектив развития подобных подходов в России на фоне международных тенденций. Выдвинута гипотеза, что естественный интеллект - эксперт - не может быть заменен искусственным интеллектом при оценке релевантности и качества используемых источников информации, а также при принятии итогового решения о качестве образования. Проведенный анализ зарубежного опыта показывает, что большинство инициатив по использованию ИИ в аккредитации находится на стадии академических исследований или ранних пилотных проектов. Результаты исследования и апробации могут быть использованы при разработке стратегии и процедур оценки качества образования и принятии решения при аккредитации.