Как поумнеет образование

Нейросети обещают повысить качество учебных задач и спрогнозировать спрос на профессии

Интерес к искусственному интеллекту (ИИ) растет во всех отраслях экономики, включая сферу образования. В начале августа 2023 года Минобрнауки опубликовало программный документ «Стратегическое направление цифровой трансформации отрасли науки и высшего образования». В частности, в нем идет речь о разработке и запуске двух систем на основе больших данных, ИИ и предиктивной аналитики, которые помогут систематизировать анализ рынка труда и разработку кастомизированных образовательных планов. О сложностях и перспективах интеграции таких систем в образование читателям RSpectr рассказала руководитель направления «Организация и персонал» компании «Рексофт Консалтинг» Маргарита Патрушева.

АНАЛИЗИРУЕМ РЫНОК ТРУДА

Первая из двух систем – «Скраб» – должна за счет автоматического сбора данных из разных источников предоставлять вузам картину ситуации на рынке труда, прогнозировать изменение спроса на кадры в горизонте пяти лет, а также сопоставлять компетенции выпускников с запросами работодателей. Второй проект – «Серафим» – предполагает создание российского фреймворка (набор инструментов для разработки продукта) ИИ, который позволит вузам проектировать образовательные программы.

Планируется, что разработка и эксплуатация обоих инструментов обойдутся в 6,4 млрд руб. до 2030 года

Откуда же можно черпать данные для системы «Скраб» и возможна ли такая аналитика на горизонте пяти лет? Логичным источником данных для платформы являются сайты по поиску работы и сотрудников. На данный момент российский рынок таких ресурсов высококонсолидирован. Первое место по количеству визитов в месяц занимает портал hh.ru – 58% от общего числа, в то время как на ближайших конкурентов – SuberJob, Avito и Trudvsem – суммарно приходится не более 18%. Этот факт существенно упрощает адаптацию работы системы под ключевых игроков рынка, то есть можно использовать стандартные способы сбора информации с сайтов, например, API. Именно таким образом построены существующие на рынке решения, реализующие аналогичную задачу.

Однако разработчикам системы придется серьезно потрудиться над единой логикой и механикой сбора статистики со всех игроков рынка, ведь придется раскладывать большой объем разнотипной информации по требуемому шаблону для последующего анализа.

Теперь рассмотрим вопрос, насколько технически и методически реально построить предиктивную модель, которая позволит предсказывать изменения на рынке труда в пятилетней перспективе.

Бесспорно, такая постановка задачи интересна не только системе образования, но и бизнесу, который сталкивается с дефицитом кадров и необходимостью как доучивать персонал под себя, так и заблаговременно вкладываться в подготовку сотрудников совместно с учебными заведениями.

Поэтому во всем мире появляются примеры решений для анализа и прогнозирования рынка труда. Навскидку можно вспомнить такие примеры, как платформа TalentNeuron от Gartner или стартапы SkyHive и Eightfold.ai. Ими список точно не исчерпывается: в мире существуют внутренние разработки и эксперименты крупных компаний, которые еще неизвестны широкой публике.

Механика одного из подобных решений – это анализ общего объема упоминаний о навыках в резюме соискателей и в запросах от работодателей, на которые система смотрит в динамике и в разрезе определенных профилей или профессий. Соответственно, можно увидеть как дисбаланс на текущем рынке труда (как минимум расхождение в понимании ключевых требований к профессии у игроков рынка), так и развитие профиля во времени – как изменяется соотношение навыков на горизонте нескольких лет.

Ключевых сложностей здесь две. Первая – наличие цифрового следа, в том числе накопленных исторических данных, чтобы получилось проанализировать тренд.

Приведу пример из моей практики: в русскоязычном сегменте интернета нашлось всего 1000+ упоминаний по профилю специалиста в геологии, и большинство данных были доступны лишь за последний год. В то же время для рынка США удалось проанализировать в шесть раз больше data point’ов, но и там не удалось набрать достаточно данных для анализа динамики глубиной в пять лет. Очевидно, что для решения этой задачи еще нет накопленного объема данных, но это вопрос времени.

Вторая проблема – качество интерпретации данных, поскольку достичь единого понимания каталога компетенций у всех игроков рынка нереально. Соответственно, для решения задачи потребуется зрелый и обученный ИИ. Кроме того, мы все видим динамику создания новых профессий. Например, кто мог предположить пять лет назад, что сегодня будет массово востребована специальность менеджера маркетплейсов – специалиста, который помогает частному бизнесу размещать карточки товаров, отвечать на вопросы клиентов.

ИИ В ОБРАЗОВАТЕЛЬНОМ ПРОЦЕССЕ

Теперь порассуждаем о второй системе, «Серафим», которая создаст вузам инструментарий для проектирования образовательных программ и, возможно, даст базовые инструменты для введения ИИ в образовательный трек.

Применение ИИ уже довольно давно тестируют в сфере образования: для упрощения базовых административных задач, помощи преподавателям при проверке учебных заданий

В России применение ИИ для проверки заданий прорабатывался Национальной технологической инициативой (НТИ). Коллеги оценили, что технология может экономить до 20% времени преподавателей. Также ИИ может применяться для разработки персональных рекомендаций учащимся: от подборки релевантных материалов и курсов до построения персональных траекторий обучения на основе пользовательских данных. На мой взгляд, наибольшую ценность ИИ как раз может привнести именно в части построения персональных учебных треков в коллаборации с живым реальным тьютором (репетитором) на основе анализа учебной истории конкретного пользователя, а также траектории схожих пользователей.

ИИ также используется при работе с контентом и базой знаний: автозаполнение поисковых запросов, помощь в присвоении тегов (индексация) для документов и иных материалов – в том, что принято называть курированием контента.

В целом направление стратегии, предлагаемой Минобрнауки, верное, ведь оно затрагивает современные технологические тренды. На мой взгляд, правильным при создании систем будет привлечь к дискуссии технологические компании и образовательные структуры, которые работают как в области EdTech (онлайн-образование), так и ИИ. Это позволит объединить экспертизу и существующие наработки, а значит, сэкономит время и средства.