Доктор Энтони Ли, президент и генеральный директор Университета Уэстклифф – Интервью

Доктор Энтони М. Ли является президентом Университета Уэстклифф в Ирвайне, Калифорния, одним из самых быстрорастущих университетов в США, который вырос с менее чем нескольких сотен студентов до более 3 000 студентов за последнее десятилетие. Доктор Ли занимал руководящие должности в различных университетах и школах в США и международно. Обладая опытом в инновационных гибридных и онлайн-программах, доктор Ли запустил новые программы, которые сочетают технологии с традиционными классами на кампусе для улучшения процесса обучения. Он успешно руководил школами через процесс аккредитации на уровне университета и K-12. Его опыт доказал его лидерство во многих критических областях высшего образования, включая маркетинг, финансы, операции, соблюдение требований и аккредитацию.

Как изменилось ваше определение готовности к работе в эпоху генеративного ИИ и автоматизации?

Ранее готовность к работе означала техническую компетентность и способность внести вклад в определенную роль. В эпоху генеративного ИИ это определение больше не является достаточным, поскольку сама природа работы меняется.

Сегодня готовность означает эффективную работу в средах, где интеллект распределен между людьми и машинами, где инструменты постоянно эволюционируют, а выполнение все больше дополняется. Конкурентное преимущество больше не заключается только в знании того, как выполнить задачу, но и в том, чтобы уметь формулировать проблемы, контролировать выводы ИИ, проверять предположения и применять суждение в реальных условиях.

Мы наблюдаем сдвиг от выполнения задач к когнитивному контролю. Входящие работы переопределяются. Рутинная производительность может быть автоматизирована, но ответственность – нет. Это ставит больший акцент на критическое мышление, этическое рассуждение, контекстную осведомленность и способность переводить выводы ИИ в ответственные решения.

В Университете Уэстклифф мы рассматриваем готовность к работе как интеграцию экспертизы в области, ИИ-грамотности и дисциплинированного человеческого суждения. Студенты должны понимать, как функционируют генеративные системы, где они создают преимущества и где они вводят риск. Более важно, что они должны научиться сотрудничать с этими системами, не передавая интеллектуальную ответственность.

Наша модель обучения разработана вокруг структурированного взаимодействия с новыми технологиями в аутентичных контекстах. Цель не только в том, чтобы овладеть инструментами, но и в том, чтобы развить адаптивную способность, которая позволяет оставаться эффективными, когда инструменты меняются.

В этой эпохе профессионалы, которые выделяются, не будут теми, кто конкурирует с ИИ, а теми, кто может направлять его вдумчиво, критически и оставаться ответственными за результаты, которые он влияет. Это то, что теперь требует готовность к работе.

Что значит для учреждения серьезно относиться к ИИ на уровне учебной программы и учреждения, а не рассматривать его как добавление?

ИИ – это не просто еще один инструмент обучения. Он меняет саму архитектуру образования.

Серьезное отношение к ИИ начинается с переработки. Каждая дисциплина должна изучить, как генеративные системы меняют профессиональные ожидания и определить, что требует ИИ-усиленная компетентность. Оценка должна измерять рассуждение и примененную компетентность, а не только результат.

Но серьезность также требует институциональной последовательности. ИИ-грамотность не может находиться в изолированных курсах. Развитие преподавателей, управление, стратегия оценки и контроль над поставщиками должны соответствовать четкому принципу, согласно которому технологии должны укреплять академическое качество, а не разбавлять его.

В Университете Уэстклифф мы рассматриваем ИИ как часть нашей интеллектуальной инфраструктуры. Он формирует, как организовано обучение, как демонстрируется мастерство и как поддерживается институциональная достоверность в рабочей среде, где человеческое суждение и машинная способность работают бок о бок. Это та мысль, с которой мы движемся вперед.

Как вы балансируете фундаментальные человеческие навыки с обучением студентов работать эффективно рядом с ИИ?

Я не вижу это как компромисс. Если что-то и увеличивает ценность фундаментальных человеческих способностей, то это генеративный ИИ.

Когда рутинная когнитивная производительность становится дешевой, дифференциатором становится более высокий уровень рассуждения. Критическое мышление означает формулирование лучших вопросов и проверку выводов ИИ. Суждение означает знание, когда полагаться на систему и когда паузу. Этика становится практической и заключается в понимании последствий развертывания интеллектуальных систем в крупном масштабе.

Студенты должны учиться мыслить в средах, где присутствует ИИ. Запуск – это только начало, но когнитивный контроль – это более глубокий навык. Выпускники должны уметь артикулировать и защищать свои выводы, информированные, но не определяемые интеллектуальными системами.

В Университете Уэстклифф мы рассматриваем ИИ-грамотность как усилитель фундаментальных навыков. Студенты взаимодействуют с интеллектуальными инструментами, оставаясь ответственными за ясность, достоверность и последствия. В долгосрочной перспективе профессионалы, которые выделяются, будут сочетать интеллектуальную глубину с технологической гибкостью. ИИ обеспечивает скорость и масштаб. Люди должны обеспечивать различие, ответственность и лидерство.

Какие части высшего образования наиболее уязвимы для нарушения ИИ, и какие области более устойчивы, чем люди ожидают?

Наиболее уязвимые области – это те, которые основаны на передаче информации и стандартизированном выводе. Если модель основана в первую очередь на лекционном обучении или оценках, которые измеряют производительность, ИИ бросит им вызов быстро.

Высшее образование более устойчиво, когда оно центрируется на структурированном развитии, наставничестве, прикладном обучении, командной работе, клиническом обучении и формировании профессиональной идентичности. ИИ может поддерживать эти переживания, но он не может заменить рост, построенный через обратную связь и ответственность.

Разделительная линия – это дизайн. Учреждения, которые видят себя в первую очередь как поставщики контента, подвержены риску. Те, которые работают как намеренные системы обучения, сосредоточенные на рассуждении, прикладной компетентности и измеримом росте, остаются высоко актуальными.

ИИ повышает стандарт того, что должно представлять собой диплом.

Как университеты должны пересмотреть дизайн степени, поскольку ИИ сжимает время, необходимое для приобретения навыков, и снижает барьеры для входа?

Когда ИИ сжимает время, необходимое для приобретения технических навыков, университеты должны прояснить, где диплом добавляет ценность.

Если инструменты ускоряют задачную компетентность, высшее образование должно сосредоточиться на том, что не может быть автоматизировано – концептуальной глубине, структурированном решении проблем, этическом суждении и устойчивой производительности под ограничениями.

Дизайн степени должен быть модульным и прикладным, но последовательным. Цель – кумулятивная компетентность, интегрирующая техническую грамотность с рассуждением и адаптивностью.

ИИ снижает барьеры для входа. Университеты должны ответить, повышая порог интеграции, суждения и продемонстрированной способности. Диплом должен сигнализировать о прочной компетентности, а не только о знакомстве.

В Университете Уэстклифф мы рассматриваем дипломы как динамические экосистемы, а не фиксированные линейные прогрессии. Стековые дипломы и лестничные пути позволяют учащимся повторно подключаться, когда отрасли меняются, сохраняя при этом последовательность и строгость. Гибкость имеет значение, но интеллектуальный прогресс имеет значение больше.

Какую роль вы видите для ИИ в оценке и сертификации?

ИИ заставляет высшее образование столкнуться с реальностью, которая предшествует самой технологии. Многие традиционные оценки измеряли производительность, а не понимание. Если задача теперь может быть автоматизирована с минимальными усилиями, мы должны поставить под сомнение, захватывала ли она когда-либо рассуждение.

Оценка должна сместиться в сторону аутентичного демонстрации компетентности, устной защиты, сценарного решения проблем, итеративного совершенствования, прикладных симуляций и портфолио-доказательств, которые делают мышление видимым. В среде, поддерживаемой ИИ, то, что имеет значение, – это не только артефакт, но и когнитивный процесс, стоящий за ним.

В Университете Уэстклифф мы перешли к устным и итеративным моделям оценки, которые требуют от студентов артикулировать и защищать свое рассуждение в реальном времени. ИИ может помочь, генерируя адаптивные подсказки и поддерживая масштабную обратную связь, но ответственность за дизайн остается за человеком. Учреждения должны обеспечить, чтобы они оценивали когнитивные способности учащихся, а не вывод модели.

Сертификация все больше становится вопросом проверенной способности, а не накопленного времени в кресле. Работодатели хотят доказательств прикладной компетентности и ответственного суждения. Учреждения, которые переработают оценку проактивно, укрепят достоверность своих дипломов.

Когда он реализован вдумчиво, ИИ показывает, где академические стандарты должны быть повышены.

Как вы подходите к управлению и контролю при введении ИИ в преподавание и администрирование?

Мы подходили к ИИ так же, как и к любой системе, которая существенно влияет на академическое качество и институциональную достоверность. Управление начинается с ясности цели, определенных границ и четких линий ответственности.

Эффективный контроль обеспечивает, чтобы инновации укрепляли доверие, а не подрывали его. Это означает строгие стандарты защиты данных и безопасности, проверку предвзятости и справедливости, когда системы влияют на результаты студентов, и прозрачность того, какие инструменты используются и как обрабатываются данные.

Это также требует обновления рамок целостности, чтобы отразить настоящие реалии, а не наследственные предположения. Развитие преподавателей имеет решающее значение, чтобы принятие было намеренным и соответствовало целям обучения, а не было фрагментированным или реактивным.

Когда мы ввели модели оценки, поддерживаемые ИИ, в Университете Уэстклифф, контроль был встроен в дизайн. Преподаватели контролировали реализацию, оценивали влияние и совершенствовали процессы на основе доказательств. Оценка поставщиков является непрерывной, а не эпизодической. Учреждениям необходимо регулярно переоценивать соответствие академическим стандартам и защите студентов.

Цель – ответственные инновации.

Какие заблуждения наиболее часто имеют образователи об ИИ, и какой сдвиг мышления требуется?

Два заблуждения возникают повторно. Первое – что ИИ в первую очередь является проблемой обмана. Второе – что это просто инструмент повышения производительности. Это ни то, ни другое в изоляции. Более фундаментально, это отражает сдвиг в том, как генерируется, оценивается и применяется знание.

Когда учреждения фокусируются на ИИ только как на проблеме честности, они переходят к ограничениям. Когда они фокусируются на нем только как на инструменте эффективности, они занижают его последствия. Более важный вопрос – как спроектировать обучение так, чтобы рассуждение оставалось видимым и ответственным в среде, поддерживаемой ИИ.

Необходимый сдвиг мышления – от контроля к дизайну. Это позволяет преподавателям стать еще более центральными как архитекторами опыта обучения, который подчеркивает суждение, синтез и прикладную компетентность.

С институциональной поддержкой, общими практиками и последовательным управлением преподаватели могут действительно двигаться туда, где ИИ повышает планку для вдумчивой педагогики и делает академический дизайн более важным, чем когда-либо.

Как университеты должны подготовить студентов к рынку труда, где роли жидкие и ИИ переопределяет входящие работы?

Входящие роли традиционно служили тренировочными площадками для рутинных производственных задач. Во многих областях ИИ теперь поглощает большую часть этой ранней работы. В результате выпускники должны работать на более высоком уровне раньше.

Подготовка должна поэтому сосредоточиться на способностях, которые трудно автоматизировать – формулировании проблем, коммуникации, принятии решений и ответственной надзоре за интеллектуальными системами. Студенты должны быть комфортны, работая в неопределенности, где инструменты эволюционируют, а роли жидкие.

Университеты должны подчеркивать адаптивные компетентности, которые пересекают контексты, а не только узкую специализацию. Структурированное, проектное обучение с реальными ограничениями является важным. Когда студенты решают сложные проблемы и защищают свои рекомендации, они практикуют тот тип ответственного мышления, который работодатели все больше ценят.

ИИ-грамотность должна стать базовой. Не всем нужно строить модели, но всем должно быть понятно, как интеллектуальные системы влияют на решения в их профессии.

Рынок труда будет продолжать меняться. Ответственность высшего образования – не предсказать каждую роль, а выпускать людей, которые могут двигаться между ролями, учиться непрерывно и вносить значимый вклад в средах, формируемых ускоряющейся технологией.

Что будет сигнализировать о том, что университет успешно адаптировался к изменениям, вызванным ИИ, а не просто выжил?

Успех будет измеряться результатами, а не публичной позицией или ванильными метриками.

Университет действительно адаптировался, когда его учебная программа и модели оценки переработаны вокруг реального компетентности, а не передачи контента. Преподаватели могут продемонстрировать вдумчивый дизайн обучения, а не быть отсталыми принимающими и студенты могут четко артикулировать и защищать свое рассуждение способами, которые не могут быть сгенерированы на заказ.

Институциональная адаптация также видна в управлении. Использование ИИ прозрачно, контроль встроен, и мы можем продемонстрировать, что доверие к академическим результатам укрепляется, а не подрывается.

Самый надежный индикатор – внешняя проверка. Работодатели признают, что выпускники демонстрируют зрелое суждение, прикладную способность, принятие решений и грамотность в средах, поддерживаемых ИИ.

Адаптация означает гибкость без компромисса. Учреждение эволюционирует, когда технологии продвигаются, сохраняя при этом строгие стандарты и этическую ясность. В Университете Уэстклифф мы считаем, что производим модель обучения, которая остается достоверной, устойчивой и ценной, когда ИИ продолжает менять ландшафт.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше об этом факультете, следует посетить Университет Уэстклифф.