Лаборатория онлайн-обучения

Третий год подряд наблюдаю за образовательными проектами, которые номинируются на премию Digital Learning. В этом году снова вошел в состав жюри.

За это время у меня сформировалось одно устойчивое наблюдение:

известность проекта на рынке корпоративного обучения и его качество далеко не всегда связаны между собой.

Каждый год среди заявок встречаются проекты, о которых профессиональное сообщество пока почти не знает. При этом спустя некоторое время отдельные из них становятся заметными отраслевыми кейсами: о них начинают рассказывать на конференциях, писать в профессиональных медиа, обсуждать внутри компаний.

Мне кажется, именно поэтому не стоит откладывать участие с мыслью, что проект «ещё недостаточно масштабный» или пока малоизвестен рынку.

Премия как раз даёт возможность вывести проект за пределы собственной компании, получить оценку экспертов и посмотреть на проект с позиции тех, кто работает с большим количеством образовательных решений.

Приём заявок на Digital Learning 2026 уже открыт.

В этом году представлено 6 номинаций:
• онлайн-курсы
• онлайн-программы
• смешанные программы
• образовательные экосистемы
• тренажёры и симуляторы
• новая номинация — детский EdTech

Что даёт участие 👇🏼
• экспертную обратную связь и признание профессионального сообщества
• сертификат качества Digital Learning
• бесплатный билет на Digital Learning ДВИЖ «НезаменИИмые» — 19 ноября 2026 года в Москве
• призы для победителей, включая поездку в Дубай за первое место
• возможность стать спикером конференции Digital Learning 2027

Подать заявку можно 👉🏼 по ссылке

Реклама. ИП Безяев П.П., ИНН 732807067598
Erid: 2Vtzqwqtegb

Почему внутренний рынок талантов может стать новым приоритетом для HR?

Друзья, продолжаем рубрику «Персональная траектория и карьерный разворот: как собрать свой рост перед новым сезоном».

Первый материал рубрики вы можете изучить здесь, второй — здесь

Я периодически наблюдаю за дискуссиями работодателей и HR-специалистов и в последнее время всё чаще замечаю одно смещение.

Вопрос о том, где найти нового сотрудника, постепенно соседствует с другим:

Кого из уже работающих сотрудников можно переобучить или перевести на новую позицию внутри компании?

И косвенных признаков становится всё больше.

Мне чаще в последнее время попадаются вакансии, связанные с оценкой персонала, карьерным развитием, управлением талантами. В отдельных компаниях появляются даже собственные карьерные проекты.

Мне кажется, что на фоне сжатия рынка труда такая логика выглядит вполне рациональной. Потому что когда найм замедляется, а компании аккуратнее относятся к расширению штата, ценность внутренних сотрудников резко возрастает.

Кроме того, сама структура потребности в компетенциях становится менее стабильной. Одни функции сокращаются, другие появляются, содержание привычных ролей меняется под влиянием автоматизации и ИИ.

Поэтому компаниям требуется всё чаще понимать, какие компетенции понадобятся бизнесу и кого из сотрудников можно к ним подготовить, а не то, кого нанять на конкретную должность.

Причём кажется, что всё идет не в сторону классического карьерного повышения по вертикали. Возникает спрос на горизонтальные переходы между функциями, переобучение под новые роли и т.д.

Из этого, на мой взгляд, может вырасти отдельный тренд для HR и L&D.

А значит, может измениться и роль корпоративного обучения.

Ведь если раньше его эффективность часто связывали прежде всего с развитием сотрудника в рамках текущей должности, то теперь большую ценность будут иметь образовательные решения, которые позволяют человеку перейти из одной профессиональной конфигурации в другую.

Подбор при этом, конечно, никуда не исчезнет. Компании продолжат нанимать людей с рынка, особенно когда необходимых сотрудников внутри бизнеса нет.

Но баланс между внешним наймом и внутренним развитием вполне способен измениться.

Коллеги, как вам кажется, внутренняя мобильность действительно становится новым приоритетом для компаний или пока это лишь отдельные кейсы ❓

Канал Лаборатория онлайн-обучения в МАКС

Насколько важно практику, доказана образовательная модель или нет?

На этой неделе в чате канала возник интересный разговор о научной обоснованности различных образовательных моделей и подходов.

И в ходе дискуссии я понял, что важно развести две характеристики, которые довольно часто смешиваются: «работает на практике» и «научно обосновано».

Возьмём ту же таксономию Блума.

Я бы не говорил, что она вообще не имеет научного основания. Но её вряд ли стоит рассматривать как эмпирически доказанную модель того, как в действительности устроено человеческое мышление или каким образом оно развивается в процессе обучения.

При этом таксономия десятилетиями остаётся рабочим инструментом для педагогических дизайнеров.

Ведь в данном случае важно, кто задаёт вопрос.

Исследователь может спрашивать:
— насколько обоснованы категории таксономии?
— действительно ли они образуют иерархию?
— можно ли по используемому глаголу определить уровень когнитивной деятельности?
— подтверждаются ли данные предположения эмпирически? и т.д.
Для исследователя это совершенно необходимые вопросы.

Но практик часто задаёт другой вопрос:
«Помогает ли мне этот инструмент эффективнее решить конкретную задачу?»

Или даже ещё проще:
«Помогает ли он мне лучше мыслить о данной задаче?»

Например, если таксономия Блума помогает педагогическому дизайнеру посмотреть на образовательный результат с разных сторон, проверить сложность задания и т.д, она уже выполняет определённую практическую функцию.

Даже если при этом мы не считаем её точным описанием устройства человеческого мышления.

Мне кажется, что именно в данном месте проходит важная граница между evidence-based и evidence-informed practice.

Практику (например, педагогическому дизайнеру) совсем необязательно использовать исключительно то, что обладает максимально высоким уровнем доказательности.

Главное — понимать статус того знания, которым он пользуется.

Например, условно можно представить несколько уровней 👇🏼

Рабочая эвристика, например, методист на основании опыта обнаружил способ, который помогает ему проектировать образовательный путь студента.

Теоретически обоснованная модель, элементы которой опираются на существующие исследования, теории и т.д.

Эмпирическая модель, из которой выводятся проверяемые гипотезы, и исследования систематически дают результаты, согласующиеся с её предсказаниями.

Устойчивая научная модель (или подход), в которой уже существует накопленный массив исследований.

💭 Причём отсюда возникает ещё один важный вопрос об авторских методиках.

Если человек говорит:
«Я разработал рабочую схему на основании собственного опыта. Она помогает мне решать определённую задачу в данных условиях. Научной валидации пока нет»,
— не вижу в этом проблемы.

Это нормальное производство профессионального знания. В моей собственной практике подобное тоже происходит регулярно. Не каждую найденную рабочую закономерность можно сразу превратить в исследование.

Проблема возникает, когда человек говорит:

«Я двадцать лет работаю в образовании и заметил определённую закономерность. Следовательно, именно так устроено обучение. Вот универсальная модель, которая работает для всех».

В данном случае профессиональный опыт начинает выдавать себя за знание универсальной закономерности, хотя соответствующих оснований может не существовать.

Поэтому ценность образовательной модели определяется не только тем, насколько хорошо она уже доказана.

Для практиков она может быть уже ценной на более ранних этапах.

Можно ли проектировать образование с ИИ без системной модели?

Сегодня в чате «Лаборатории онлайн-обучения» получилась большая дискуссия, которая началась с разговора об ИИ, а закончилась вопросом о том, как вообще должно производиться новое знание об образовании.

Попробую собрать основные позиции участников в одну линию рассуждения.

Евгений начал с довольно фундаментального наблюдения о том, что образование постоянно работает с человеком, биологическая основа которого меняется крайне медленно, тогда как окружающая среда меняется значительно быстрее.

Действительно, в разные исторические периоды менялись доступные человеку средства и одновременно требования общества к образованию. Появление стального пера, печатного станка, компьютеров, а теперь и генеративный ИИ расширяли возможности образовательной среды. Промышленная революция и научно-технический прогресс, в свою очередь, повышали требования к тем результатам, которые должно обеспечивать образование.

Причём Евгений отдельно обратил внимание на исторический контекст технологических изменений. Стальное перо интересно не просто как более удобный инструмент письма. Его массовое производство сняло одно из материальных ограничений массовой письменной практики. В результате изменились возможности самой образовательной системы.

Сегодня мы, вероятно, наблюдаем очередное изменение структуры образовательных возможностей. Развитое репетиторство, цифровые платформы, индивидуальные образовательные траектории и ИИ постепенно создают условия для движения от унифицированной классно-урочной модели в сторону более индивидуализированного обучения.

При этом Евгений предложил не переоценивать уникальность происходящего. Реакции общества на технологические новшества во многом повторяются. Поэтому исторический анализ позволяет находить закономерности, строить функциональные зависимости и затем использовать их для анализа новых технологий.

С этой точки зрения знание истории необходимо ещё и для того, чтобы отличать реальную инновацию от повторного изобретения давно известных решений.

У меня при этом возник несколько иной исследовательский интерес.

Меня сейчас занимает прежде всего несоответствие темпов изменения различных систем. Биологическая эволюция человека происходит крайне медленно, тогда как социальная, технологическая и информационная среды способны существенно меняться и влиять на образовательные среды.

Причём образование работает не просто с мозгом как биологическим объектом (что обсуждалось ранее в чате). Оно работает с когнитивной системой человека, сформированной языком, культурой, предыдущим опытом и социальной средой.

Поэтому человек биологически может оставаться практически тем же, а условия его интеллектуальной деятельности могут измениться радикально.

И генеративный ИИ особенно интересен в данном отношении.

Предыдущие технологии преимущественно изменяли доступ к информации, способы её хранения, передачи и обработки.
Генеративный ИИ начинает выполнять часть интеллектуальных операций, которым образование традиционно учило самого человека. Он способен формулировать, объяснять, классифицировать, обобщать, искать аргументы, создавать тексты, анализировать данные.

Евгений справедливо возразил, что деятельность нельзя рассматривать бинарно. Любой интеллектуальный навык имеет уровни сложности, а формально корректный ответ ИИ ещё не означает пригодность решения в реальной профессиональной ситуации. В качестве примера он рассказал о занятии, на которое ученик принёс решение, созданное ИИ. Формально оно выглядело убедительно, однако после сопоставления с реальной практикой в рабочий алгоритм не вошёл ни один из предложенных пунктов.

Это действительно важное уточнение.

Вопрос заключается уже в понимании того, какие интеллектуальные операции, какого уровня сложности и в каких условиях способен выполнять человек, ИИ или их связка.

Из этого разговора я постепенно вышел к другой проблеме.

Сейчас в российском исследовательском поле появляется всё больше работ о применении ИИ в образовании. Исследуются генерация заданий, оценивание, персонализация, обратная связь и другие отдельные элементы образовательного процесса.

Однако мне пока значительно реже встречаются целостные модели образовательного проектирования, которые исходно строятся для среды взаимодействия обучающегося, преподавателя и генеративного ИИ.

Условно подобное направление я бы назвал AI-native pedagogical design.

И именно на этом месте в обсуждение включилась Катя.

Она обратила внимание на важное ограничение научного исследования. Большие и сложные конструкты чрезвычайно трудно исследовать целиком. Даже поставить адекватный эксперимент возможно далеко не для каждого из них.

Поэтому исследователи операционализируют отдельные элементы сложных систем, формулируют наблюдаемые переменные и измеряют локальные эффекты.
Возникает цепочка вопросов.

Что именно мы называем образовательной средой? Как измерить её связь с результатами обучения? Что считать самим образовательным результатом? Как доказать, что измеряется именно необходимый конструкт? Как отделить влияние исследуемого фактора от множества других переменных? и иные вопросы являются комплексными.

Кроме того, научное исследование требует времени, тогда как рынок и технологии меняются значительно быстрее публикационного цикла.

Поэтому наличие большого количества локальных исследований само по себе вполне закономерно. Более общие выводы могут появляться постепенно, по мере накопления результатов.
И с этим аргументом трудно поспорить.

Но в ходе разговора для меня стало важным другое различие.

Системная модель не обязательно должна выступать непосредственным объектом экспериментальной проверки. Она может выступать основанием для постановки локальных исследовательских вопросов.

Получается гипотетико-дедуктивная логика.

Сначала мы строим некоторое представление о взаимосвязи компонентов образовательной системы. Затем из него выводим частные гипотезы, которые уже можно проверять локальными исследованиями.

Например, мы хотим изучать применение генеративного ИИ в оценивании.

Можно сразу исследовать, насколько быстро GPT проверяет эссе, насколько его оценки совпадают с преподавательскими или насколько обучающиеся удовлетворены автоматической обратной связью.

Но прежде возникает более фундаментальный вопрос.
Какую функцию вообще выполняет оценивание в данной образовательной модели и какой образовательный результат мы пытаемся установить?

Если этого понимания нет, локальное исследование вполне способно дать корректный эмпирический результат и одновременно привести к ошибочному образовательному решению.

Допустим, исследование убедительно показывает, что GPT проверяет эссе значительно быстрее преподавателя. Из этого ещё не следует, что данную процедуру следует автоматизировать.
Сначала необходимо понять, для чего преподаватель читает эссе. Только ли для выставления оценки? Для диагностики мышления ученика? Для определения следующего учебного действия? Для построения развивающей обратной связи?
От ответа зависит и сама постановка исследования.

Поэтому после всей дискуссии я несколько иначе смотрю на проблему.

Возможно, вопрос заключается не столько в недостатке исследований ИИ в образовании. Значительно интереснее порядок производства нового знания.

Быстрое распространение генеративного ИИ естественным образом порождает множество локальных исследовательских вопросов. Наука постепенно накапливает ответы.

Но одновременно необходим системный уровень, который позволит определить взаимосвязи между образовательным результатом, учебной деятельностью, оцениванием, ролью преподавателя, ролью обучающегося и новыми интеллектуальными инструментами.

Локальные исследования тогда смогут проверять отдельные элементы этой модели, уточнять её и при необходимости опровергать отдельные предположения.

Евгений в конце разговора хорошо свёл две позиции в одну фразу:
«Стратегия без тактики — самый длинный путь к победе, тактика без стратегии — суета перед поражением».

Пожалуй, именно данная формула лучше всего описывает итог нашей дискуссии.

Карьерный потолок или начало нового этапа?

Друзья, наступил август, а это значит, что мы начинаем новую рубрику на канале вместе с коллегами из «Digital Learning», которая называется «Персональная траектория и карьерный разворот: как собрать свой рост перед новым сезоном».

Небольшая предыстория
Последние два года я занимаюсь карьерным консультированием коллег из сферы обучения и образования. И данный интерес возник неслучайно. Мне стало интересно понимать не только как учатся люди, но и как они применяют знания и насколько обучение действительно помогает им решать рабочие и профессиональные задачи.

Недавно мы с коллегой завершили исследование карьерных трудностей для канала «Лаборатория вакансий в образовании».

И один из выводов оказался достаточно интересным.

Дело в том, что специалист может определить желаемое карьерное направление, однако подходящей позиции на рынке может просто не оказаться. В таком случае проблема связана с реальными возможностями рынка труда, а не столько с качеством построения карьерной стратегии.

Безусловно, сейчас сфера обучения и образования находится в переходном состоянии. Автоматизация и развитие искусственного интеллекта меняют содержание привычных ролей и, как мне кажется, новые роли ещё не успели окончательно сформироваться.

При этом количество кандидатов на многие вакансии заметно превышает количество доступных предложений. А ситуацию дополнительно усложняют многоэтапные системы отбора и алгоритмы ИИ для первичного анализа резюме.

Но в рамках данной рубрики я предлагаю сосредоточиться на том, что остаётся в зоне нашего влияния, а именно на переосмыслении собственного опыта.

Это большая и довольно сложная работа, поскольку она требует серьёзной рефлексии.

Например, одна из недавних консультаций завершилась следующими словами коллеги:

«Михаил, я поняла, что сначала мне нужно провести рефлексию, а уже потом приходить к вам на консультацию».

И это вполне логично. Ведь карьерные изменения редко бывают продуктивными, когда человек просто пытается повторить путь другого коллеги или знакомого. Поэтому считаю, что начинать стоит с понимания собственных ценностей, интересов, целей, ограничений и т.д.

💭 Что самое интересное. В течение этого года многие коллеги, с которыми я общался, изменили профессиональное направление.

Некоторые полностью ушли из образовательной сферы, поскольку перестали видеть в ней возможности для дальнейшего развития. Но это мои личные наблюдения, которые, безусловно, нельзя масштабировать для всех. Однако подобные истории встречаются всё чаще.

Причём смена сферы происходит тогда, когда специалист, продолжающий развиваться внутри одной профессиональной области, сталкивается с ощущением потолка.

В этом году я достаточно отчётливо почувствовал этот потолок на собственном опыте.

В определённый момент просто перестал понимать, куда двигаться дальше.

При этом я не считаю себя сверхэкспертом и по-прежнему вижу множество направлений для развития.

Однако иногда возникает ощущение, что ты снова пишешь, читаешь, изучаешь приблизительно одно и то же. Берёшь вторую или третью книгу по знакомой теме и понимаешь, что большая часть материала тебе уже известна.

Поэтому карьерное переосмысление рекомендую начинать с нескольких вопросов.

🧳Какие задачи больше не вызывают интереса в моей текущей работе?
🧳Какие знания или рабочие действия стали для меня слишком простыми?
🧳Какие задачи можно делегировать ИИ?
🧳В каких направлениях мой опыт по-прежнему остаётся востребованным?
🧳Какие компетенции (или опыт) позволят мне перейти на следующий уровень? и т.д.

Именно ответы на данные вопросы помогают увидеть разрыв между текущим опытом и возможным будущим.

Причём, на мой взгляд, данная рефлексия актуальна и для тех, кто не планирует менять работодателя.

Карьерное развитие может происходить внутри организации через переход в смежное подразделение, расширение зоны ответственности, освоение новой роли и т.д.

Например, корпоративное обучение тесно связано с HR-функцией. Поэтому специалисты по обучению могут развиваться в направлении оценки сотрудников, управления талантами, организационного развития, внутренних коммуникаций, работы с кадровым резервом и т.д.

Однако, как показывает практика, готовности к карьерному развитию недостаточно. Необходимо учитывать и возможности конкретной организации.

В моей практике была консультация с коллегой, которая хотела расти внутри компании, но подходящей позиции для неё не существовало. Компания была небольшой, а расширения штата не планировалось. В результате ей пришлось выходить на внешний рынок труда.

Поэтому карьерная стратегия всегда находится с одной стороны между целями, интересами, компетенциями, готовностью к изменениям специалиста, а с другой стороны — между ресурсными возможностями, состоянием рынка труда и т.д.

Причём эти две стороны чаще всего приходиться оценивать одновременно.

Проведём маленькую рефлексию, коллеги?

Какие задачи в вашей работе перестали вызывать интерес в этом году❓

Канал Лаборатория онлайн-обучения в МАКС