.

13. maj 2025 * 3 min branja

Kako lahko vodstvo v visokem šolstvu krmari po prihodnosti, ki jo poganja umetna inteligenca

Kako lahko vodstvo v visokem šolstvu krmari po prihodnosti, ki jo poganja umetna inteligenca

Ker umetna inteligenca nenehno preoblikuje izobraževanje in delovno silo, morajo vodilni v visokem šolstvu zagotoviti, da so njihove institucije pripravljene na ponovno osmislitev poučevanja in učenja ter pomagati študentom razviti pomembne nove veščine.

30. aprila je Adobe gostil dogodek, ki se je osredotočal na strategije za uspešno spodbujanje inovacij na kampusu, preoblikovanje izobraževalnih izkušenj in ustvarjanje konkurenčne prednosti z generativno umetno inteligenco. Naši govorci so delili najboljše prakse in raziskave, ki pomagajo rektorjem, prorektorjem in drugim vodilnim pri krmarjenju izzivov in priložnosti, ki nas čakajo.

Pozicioniranje univerze Indiana za spreminjajočo se pokrajino

Naš prvi govorec, dr. Justin Hodgson, je izredni profesor digitalne retorike in direktor pobude Digital Gardener na univerzi Indiana. Pojasnil je, da sta s kolegom implementirala številne programe za nadgradnjo veščin študentov in fakultete pri uporabi umetne inteligence, vključno s/z:

  • profesionalnim razvojem prek programa Faculty Fellows ter serije delavnic za vključevanje fakultete
  • individualizirano podporo z učnimi centri na vsakem kampusu IU
  • moduli, vodniki in samostojnim učenjem prek predmetov Canvas, kot so »Osnove inženirstva pozivov«, »Etična vprašanja in omejitve generativne umetne inteligence« ter »Generativna umetna inteligenca za študij in učenje«, pa tudi poseben predmet IU Expand z naslovom »Ključne veščine generativne umetne inteligence«

Hodgson in kolegi spodbujajo fakulteto, da raziskuje načine, kako narediti svoje poučevanje učinkovitejše z uporabo umetne inteligence kot pomočnika pri poučevanju, raziskovalnega pomočnika, partnerja za igranje vlog in demonstracijo veščin ter celo partnerja za ustvarjalnost in izražanje.

»Če hočemo sprejeti ta trenutek kot neko vrsto katalizatorja sprememb in transformacije,« je dejal, »in razmišljati o tem, kako gradimo boljša predavanja ali boljše učne izkušnje, potem se hočemo pogovarjati in pomagati fakulteti razumeti vse različne načine, kako bi to lahko delovalo.«

Uporaba orodij z umetno inteligenco za pomoč pri študiju in razumevanju

Nato je Chitra Mittha, direktorica trženja izdelkov za izobraževalno ekipo Adobe, predstavila raziskave, ki kažejo, da so glavne ovire za učenje študentov na fakultetah preobremenjenost z informacijami in obsežne zahteve po branju, ki prispevajo k izgorelosti. Delila je tudi to, da umetna inteligenca pomaga študentom premagati te ovire na naslednje načine:

  • 33 % študentov uporablja povzetke dokumentov pred, med in po branju za razumevanje ključnih sporočil.
  • Študenti izboljšajo razumevanje z zastavljanjem vprašanj umetnointeligenčnim orodjem, poleg tega pa z umetno inteligenco organizirajo študijsko gradivo in se orientirajo po ključnih temah in vsebinah.
  • 17 % študentov, ki tedensko uporabljajo umetno inteligenco, ima 17 % manjšo verjetnost, da bi doživeli tesnobo in stres zaradi akademske uspešnosti.
  • Umetna inteligenca pomagam študentom poenostaviti branje in čas, porabljen za organiziranje zapiskov, študijski vodniki in kartice, generirani z umetno inteligenco, pa izboljšajo pomnjenje.
  • Orodja, kot je pomočnik UI za Adobe Acrobat, podpirajo učinkovitost študija.

Čeprav umetnointeligenčna orodja očitno pomagajo študentom bolj učinkovito študirati in se učiti, je Mittha opozorila, da študente skrbi točnost informacij, ki jih generira umetna inteligenca.

»Oseminsedemdeset odstotkov študentov pravi, da je res pomembno citirati zanesljive vire,« je dejala. »To kaže, da obstaja prirojena usmerjenost k akademski integriteti.« Povedala je, da lahko zaupanja vredna orodja, kot je pomočnik UI za Acrobat, pomagajo ublažiti skrbi in ponuditi navedbo virov za zagotavljanje točnosti.

Uporaba umetne inteligence za pomoč študentom pri prehodu v profesionalni svet

Zadnji govorec je bil Joshua Meredith, specialist za odnose s strankami pri podjetju Deloitte za področje visokega šolstva. Povedal je, da čeprav na univerzitetnih kampusih najdemo veliko nove tehnologije, v delovni sili obstaja tudi vrzel v tehnoloških znanjih. Delil je podrobnosti iz nedavne raziskave, ki je pokazala, da študenti z dobrim znanjem umetne inteligence prejmejo za 35 % višje plače kot tisti, ki tega znanja nimajo. »Delodajalci si želijo te veščine za oblikovanje delovne sile prihodnosti,« je poudaril.

Da bi študente naučil spretne uporabe umetne inteligence, je Meredith predlagal, da profesorji razmislijo o preoblikovanju tradicionalnih ur in ocenjevanja. Na primer:

  • Namesto da študenti tedne zapravijo za raziskovanje diplomskega dela v knjižnici, jih spodbudite k uporabi orodja, kot je Pomočnik UI za Acrobat, za hitrejše zbiranje in povzemanje informacij.
  • Namesto da študente prosite, naj napišejo 5–10 strani dolg esej, jih izzovite k ustvarjanju vizualne predstavitve in neposredni predstavitvi v razredu.

Meredith je tudi predlagal, da ustanove ponudijo mikro-certifikate ali krajše tečaje o umetni inteligenci, da študente pripravijo in okrepijo njihovo samozavest. »Šole, ki sprejmejo umetno inteligenco, bodo pomagale svojim študentom doseči večji uspeh v šoli in pri delu,« je dejal.

Za več podrobnosti o perspektivah in strategijah naših govorcev si oglejte posnetek spletnega seminarja. Za več informacij o spodbujanju akademskih rezultatov in pripravljenosti za kariero z umetnointeligenčnimi in in ustvarjalnimi orodji Adobe si oglejte program Adobe Creative Campus.

word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word

mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1