Подборка · Telegram-канал

5 лучших публикаций Telegram-канала School of Education 2025–2026

Автор

School of Education

Телеграм-канал школы: разборы методик, ИИ в образовании и практики для тех, кто проектирует обучение. Подписаться: t.me/schoolofeducation.

Собрали пять материалов из нашего телеграм-канала за 2025–2026 год: о том, как ИИ меняет работу методиста и наставника, как учить думать, а не запоминать правильные ответы, и почему привычные метрики продукта редко говорят о качестве обучения. Читайте здесь — или подписывайтесь на канал, чтобы не пропускать новые разборы.

😮 Карта AI для методиста

Искусственный интеллект, очевидно, стал частью профессиональной практики: методисты, преподаватели, L&D-специалисты и дизайнеры образовательного опыта уже используют его для анализа материалов, проектирования программ, подготовки занятий, генерации заданий, работы с обратной связью и оценки результатов.

На этом фоне возникает потребность в понятной системе навигации среди инструментов. Именно такую задачу решает карта AI для методиста.

Карта AI для методиста — это структурированная схема инструментов искусственного интеллекта, разложенная по задачам образовательного проектирования, которая помогает понять, какой AI-инструмент может быть полезен на конкретном этапе работы.

🔸В этом смысле карта отличается от обычной подборки сервисов. Подборка чаще отвечает на вопрос: «Какие нейросети существуют?», когда карта отвечает на другой вопрос: «Что именно делает методист и где в этой работе AI может быть уместен?»

Например, в мае 2024 года специалисты Центра преподавательского мастерства в бизнес-образовании Высшей школы менеджмента СПбГУ представили карту полезных ИИ-инструментов для преподавателей российских вузов. В неё вошло 250 решений: уже доступные сервисы, прототипы и концепции из исследовательских публикаций. Инструменты сгруппировали по задачам: анализ данных и разработка курса, подготовка и проведение занятий, организация внеаудиторной работы, оценивание, анализ результатов курса и отчётность.

😊При этом карта AI не должна создавать иллюзию, что образовательное проектирование можно полностью передать нейросети. AI может ускорить черновую работу, но не заменить методическое решение — ответственность за логику программы, качество образовательного опыта, корректность заданий, этику работы с данными и соответствие инструментов контексту остаётся за человеком.

Этот акцент важен и в международной повестке. В рамке компетенций UNESCO для преподавателей говорится, что использование AI в образовании требует не только технических навыков, но и понимания этики, педагогики, роли преподавателя и профессионального развития. UNESCO выделяет пять измерений AI-компетентности: человекоцентричный подход, этика AI, основы и приложения AI, AI-педагогика и использование AI для профессионального развития.

➡️ Европейская комиссия также подчёркивает, что AI в образовании даёт новые возможности, но одновременно поднимает педагогические, правовые и этические вопросы, включая работу с данными и ответственное использование технологий.

Поэтому хорошая карта AI для методиста должна включать не только названия сервисов, но и несколько уровней информации:

• какую задачу решает инструмент;
• 🟣 на каком этапе проектирования он может использоваться;
• 🟣 какие данные ему можно передавать, а какие нельзя;
• 🟣 какой результат он выдаёт;
• 🟣 что обязательно должен проверить человек;
• 🟣 какие ограничения есть у инструмента.

🟡Фактически карта AI помогает методисту собрать собственную рабочую систему, а для образовательной команды карта AI может стать ещё и общим языком. Она помогает договориться, какие инструменты использует команда, для каких задач, с какими ограничениями и правилами проверки. Это особенно важно там, где AI начинает влиять не только на скорость подготовки материалов, но и на качество образовательных решений.

🔸Именно поэтому карта AI для методиста — полезный инструмент.

Как учить критическому мышлению, а не «правильным» ответам?

«Правильный ответ» — соблазн для всех, кто учил и учился. Он даёт ощущение опоры и контроля: проверку можно автоматизировать, а результат оценить числом. Но в жизни, особенно в XXI веке, гораздо чаще придётся выбирать не между «верно» и «неверно», а между «так» и «иначе» — с пониманием контекста, последствий, ценностей и альтернатив.

Вот почему сегодня важнее формировать не набор ответов, а мышление, способное задавать вопросы. И вот что помогает это делать в образовательной практике:

1. Смещать фокус с результата на процесс

Когда ценится не только «чем ты ответил», но и «почему ты так подумал», появляется пространство для размышления. Например, вместо теста на знание теорий — разбор кейса с открытым финалом. Вместо одного правильного ответа — защита гипотезы с аргументацией.

2. Нормализовать сомнение

Учебная среда часто поощряет уверенность, но критическое мышление вырастает из способности ставить под сомнение свои и чужие идеи, не теряя при этом уважения.

Важно установить, что:

• менять мнение — это не ошибка, а развитие;
• у сложных вопросов часто нет простых ответов;
• у разных людей могут быть разные обоснованные позиции.

3. Разрешать спорить, но по делу и с уважением

Критическое мышление тренируется в диалоге, где разные точки зрения сталкиваются, но не разрушают. Это не спор ради спора, а совместное исследование. Именно в таких обсуждениях формируются навыки аргументации, слушания, различения фактов и мнений.

Хорошо работают форматы:

• дискуссии с ролями — когда участники защищают не свою позицию, а заданную;
• аналитические эссе с опорой на источники;
• обратная связь в парах: «что убедило, что вызвало вопросы».

4. Показывать сложные модели мира

Учебные примеры не обязаны быть стерильно «правильными». Гораздо полезнее обсуждать этические дилеммы, противоречивые кейсы, реальные ошибки и то, как с ними работают в профессиональной среде.

Так студенты учатся не бояться неопределённости, видеть многослойность решений и понимать, где и как применять инструменты мышления.

Что в итоге?

Критическое мышление — не предмет, а навык, который развивается в атмосфере уважения, открытости и интеллектуального любопытства. Это про способность не просто «знать», а думать, понимать и переосмыслять.

Если мы хотим видеть выпускников, способных не только отвечать, но и ставить вопросы, нам стоит самим учиться учить по-новому.

С любовью к сложности,
Команда School of Education

💡 Метрики здоровья продукта

Зайдите в кабинет любого менеджера образовательного продукта в EdTech — и на его панели показателей почти всегда будут три ключевые метрики: выручка, доходимость курса (completion rate) и индекс лояльности (NPS).

Если эти показатели растут, кажется, что образовательный продукт развивается и школа работает успешно. Но в доказательном образовании мы понимаем: сами по себе эти метрики почти ничего не говорят о качестве обучения.

Ловушка NPS и «эффект доктора Фокса»

Индекс лояльности (NPS) пришёл в образование из сферы услуг. Он отвечает на вопрос: «С какой вероятностью вы порекомендуете этот курс другу?». Однако в образовательном контексте студент часто не может адекватно оценить качество программы сразу после её завершения.

Это хорошо иллюстрирует известный эксперимент 1970-х годов — «эффект доктора Фокса». Актёр, выступавший под видом эксперта, прочитал лекцию, наполненную наукообразными, но бессодержательными утверждениями. Он делал это уверенно, с юмором и харизмой.

Слушатели, среди которых были студенты и специалисты, высоко оценили лекцию и сообщили, что узнали много нового. Эксперимент показал: впечатление от преподавателя и эмоциональная вовлечённость могут легко подменять реальную образовательную ценность.

Высокий NPS чаще отражает пользовательский опыт:

• ➡️ слушателям было интересно;
• ➡️ им понравился преподаватель;
• ➡️ курс оказался удобным.

Это важные показатели взаимодействия с продуктом, но они скорее говорят о вовлечённости, чем о результатах обучения. И если ориентироваться только на NPS, есть риск постепенно упростить содержание программы и сместить акцент с обучения на развлечение.

Доходимость курса: что показывает эта метрика

Доходимость традиционно считается одной из ключевых метрик образовательного продукта. Однако важно понимать, что именно она измеряет.

Показатель доходимости отражает, сколько пользователей дошли до последнего урока, но не показывает, поняли ли они материал, выполнили ли задания и смогут ли применить знания на практике.

В корпоративном обучении высокий показатель доходимости нередко связан с административными требованиями: например, курс необходимо завершить для аттестации или получения бонуса. В программах для широкой аудитории доходимость может расти за счёт игровых механик или упрощения заданий.

Таким образом, доходимость так же показывает уровень вовлечённости, но не уровень сформированных компетенций.

Как оценивать реальный образовательный результат

Исследователь обучения Уилл Тальхаймер предложил модель оценки эффективности обучения — LTEM (Learning-Transfer Evaluation Model) — она развивает классическую модель Киркпатрика и предлагает более детальную систему оценки образовательных результатов.

Модель включает восемь уровней. Первые уровни фиксируют базовые показатели: посещаемость, активность и восприятие программы участниками. Именно здесь находятся привычные метрики вроде доходимости и NPS. Следующие уровни позволяют оценить реальные образовательные результаты.

• 🔘 Знания. Студент понимает ключевые понятия и может воспроизвести их.
• 🔘 Компетенция принятия решений. Он способен выбирать корректные решения в профессиональной ситуации, например, в кейсе или симуляции.
• 🔘 Компетенция выполнения задачи. Он может выполнить реальное профессиональное действие: написать код, разработать учебный сценарий или подготовить продуктовую гипотезу.
• 🔘 Трансфер. Полученные навыки начинают применяться в реальной работе спустя некоторое время после обучения.
• 🔘 Влияние. Применение навыков отражается на рабочих или бизнес-показателях.

Если говорить о качестве образовательного продукта, ключевыми становятся уровни компетенции и трансфера — то есть способность применять знания на практике.

А о том, какую роль играет Трансфер и как его измерить, — в следующий раз 💖

Как учиться без выгорания: совмещаем работу и дополнительное образование с умом

Совмещение профессиональной деятельности и обучения — распространённая, но ресурсозатратная практика. Без устойчивой стратегии она часто приводит к изматыванию, фрустрации и отказу от образовательной цели. Собрали три вектора, которые помогают выстроить учёбу без ущерба для энергии и мотивации.

1. Методы тайм-менеджмента для совмещающих работу и учёбу

Управление временем при двойной нагрузке требует учёта когнитивных и физиологических ограничений. Важно организовывать учебную деятельность в соответствии с особенностями внимания, памяти и энергии.

• 🔹 Интервальные сессии. Оптимально работать в циклах: 25–30 минут сконцентрированной деятельности с последующим коротким отдыхом. Такой подход помогает удерживать фокус и снижает уровень когнитивной усталости.
• 🔹 Биоритмическое планирование. Решение наиболее сложных задач в периоды пиков продуктивности (часто утренние часы) позволяет задействовать максимум когнитивных ресурсов. Это особенно актуально при асинхронном обучении.
• 🔹 Когнитивная гигиена среды. Минимизация отвлекающих стимулов (уведомления, мультитаскинг, открытые вкладки) повышает глубину обработки информации. Один источник — один стимул — одна задача.

2. Почему мы бросаем курсы на середине и как этого избежать?

Незавершённое обучение — частый сценарий в дополнительном образовании. Наиболее типичны три барьера: информационная перегрузка, отсутствие немедленного применения знаний и ощущение социальной изоляции.

• 💠 Стратегия микроцелей. Разбивайте курс на короткие, достижимые этапы — это снизит субъективную сложность задачи и активирует эффект «малых побед». Будет особенно полезно при низкой исходной мотивации.
• 💠 Принцип немедленного применения. Интегрируйте изученное в практический контекст в течение 48 часов после освоения — это способствует лучшей консолидации знаний в долговременной памяти.
• 💠 Учебные микросообщества. Обсуждайте пройденный материал в мини-группах или профессиональных чатах. Это поддерживает вовлечённость, создаёт эффект соприсутствия и снижает риск отрыва от учебной траектории.

3. Как сделать обучение привычкой, а не стрессом?

Формирование устойчивой образовательной практики требует не только силы воли, но и тонкой настройки поведенческой среды. Привычка складывается из триггера, действия и закрепляющего эффекта.

• 🔅 Контекстуальные якоря. Привязывайте учёбу к элементам ежедневной рутины, например, учитесь 15 минут сразу после утреннего кофе, чтобы сформировать предсказуемый цикл и снизить сопротивление началу.
• 🔅 Порог минимального включения. Начинайте с простых действий: открывайте модуль, пролистывайте план, записывайте вопросы, чтобы активировать поведенческую инерцию и легко войти в учебный режим.
• 🔅 Визуализация прогресса. Ведите трекеры, записывайте заметки, отмечайте выполненные задачи, чтобы видеть движение вперёд, усиливать чувство компетентности и поддерживать мотивацию.

Учёба в насыщенной профессиональной жизни — это навык, который можно проектировать. Если учитывать когнитивную нагрузку, ритм, мотивационные барьеры и контекст, обучение перестаёт быть источником стресса и становится источником устойчивого развития.

💡 Как меняется наставничество в эпоху искусственного интеллекта

В 2023 году образовательное сообщество в основном спорило о генеративном ИИ: отказывалось принимать его всерьёз, раздражалось, пыталось сопротивляться. В 2026 году ситуация изменилась: мы уже не обсуждаем, пользуются ли студенты нейросетями — пользуются. И теперь вопрос стоит не о том, как это запретить, а о том, как с этим работать.

Запрещать ChatGPT в домашних заданиях примерно так же бессмысленно, как когда-то запрещать калькулятор на математике или поиск в интернете при подготовке реферата — инструмент уже стал частью повседневной практики. Но вместе с этим меняется и сама логика обучения.

Когда доступ к ответу занимает несколько секунд, ценность смещается. Важным становится не просто найти информацию, а проверить её, сопоставить с контекстом, увидеть ограничения и собрать из разных фрагментов осмысленное решение.

👩🏼‍🎓 Что делать? Перевернуть пирамиду Блума

В классической Таксономии Блума (Bloom's Taxonomy) шли снизу вверх:

1. Запоминание.
2. Понимание.
3. Применение.
4. Анализ.
5. Оценка.
6. Создание.

➡️ ИИ отлично справляется с уровнями 1–3: он помнит все факты, понимает контекст и может применить формулу. Задача тьютора — сразу переводить студента на уровни 4 (Анализ), 5 (Оценка) и 6 (Создание).

Поэтому вместо задания «Напиши стратегию для кейса» можно предложить другое: попросить ИИ создать три варианта, затем проанализировать каждый, найти слабые места, выбрать наиболее убедительный и объяснить, где и почему остальные решения не прошли.

В таком формате нейросеть не подменяет мышление, а становится материалом для собственного анализа.

Формат и темы конференции School of Education напрямую перекликаются с этими постами: как учиться, наставлять и проектировать образование в эпоху ИИ — обсудим вживую.

Участие бесплатное, можно подключиться очно на площадке или онлайн.