Статья посвящена рассмотрению вопросов, связанных с использованием искусственного интеллекта для оценки качества образовательных программ и образовательных организаций с целью аккредитации. Происходящие в настоящее время изменения структуры и содержания высшего образования обусловлены государственной образовательной политикой, однако нельзя не учитывать технологические вызовы, стоящие перед высшей школой, которая достаточно эффективно применяет технологические инновации в образовательном процессе (преподавании, обучении, администрировании). Аккредитация как процедура оценки, признания и гарантии качества образования, с одной стороны, должна реагировать на изменения в образовательном процессе, с другой – использовать доступные современные цифровые технологии, в том числе инструменты искусственного интеллекта.

   Цель работы – анализ и описание апробации цифровых и ИИ-инструментов в пилотном проекте топ-аккредитации, а также обсуждение перспектив развития подобных подходов в России на фоне международных тенденций.

   Выдвинута гипотеза, что естественный интеллект – эксперт – не может быть заменен искусственным интеллектом при оценке релевантности и качества используемых источников информации, а также при принятии итогового решения о качестве образования. Проведенный анализ зарубежного опыта показывает, что большинство инициатив по использованию ИИ в аккредитации находится на стадии академических исследований или ранних пилотных проектов. Результаты исследования и апробации могут быть использованы при разработке стратегии и процедур оценки качества образования и принятии решения при аккредитации.

   В статье представлен систематический обзор международных политик ведущих университетов мира по регулированию использования технологий генеративного ИИ в сфере высшего образования.

   Цель работы – проанализировать отношение ведущих университетов к масштабному использованию генеративного ИИ и выявить ключевые области учебного процесса, которые необходимо трансформировать, чтобы интеграция технологий была эффективной.

   Выделяются и сопоставляются регламентирующие политики ведущих мировых университетов, часть из которых транслирует крайне негативное отношение к новым технологиям, часть – прогрессивное. Проводится анализ соответствия регламентирующих политик задачам, стоящим перед академическим сообществом. Основное внимание уделяется анализу лучших практик в разработке регламентов использования генеративного ИИ. Статья будет интересна академическому сообществу в целом, но прежде всего управленческому корпусу и исследователям, занимающимся вопросами интеграции генеративного ИИ в сферу высшего образования.

   Авторы предлагают переосмыслить ситуацию распространения технологий искусственного интеллекта в высшей школе и разработать «педагогику гибридного интеллекта». В будущем интеллектуальная рабочая сила будет организована в виде команд, образованных людьми, ИИ-моделями и ИИ-агентами. В университете будут учиться новые «сущности» – ученики, оснащенные «гроздьями» искусственных интеллектов. Университетское образование не сможет быть адекватным времени, если не будет учитывать возможности ИИ как партнера человека в образовательной и профессиональной деятельности. Педагогика будет работать с «гибридным» субъектом, который включает людей и ИИ. Размечено поле вопросов, на которые необходимо ответить, чтобы построить педагогику гибридного интеллекта и развернуть ее в университетах. Авторы стремятся инициировать обсуждения, пробные действия и эксперименты на новом поле педагогики гибридного интеллекта.

   В статье рассматриваются стратегические ответы университетов на ключевые вызовы цифровой эпохи: растущие ожидания стейкхолдеров, конкуренция с EdTech-компаниями, отставание от требований рынка труда и необходимость переосмысления миссии в условиях генеративного ИИ.

   Актуальность исследования обусловлена потребностью университетов, находящихся на начальном этапе трансформации, в ориентирах для формирования долгосрочной стратегии.

   Методология включает анализ научной литературы (25 отобранных статей) и проведение 30 глубинных интервью с признанными мировыми экспертами из ведущих университетов (Стэнфорд, Университет Аризоны, НИУ ВШЭ, Университет Рединга и др.), EdTech-компаний и бизнеса. В результате выявлены пять приоритетных тематик развития, по которым консолидировано мнение экспертов. Показано, что цифровая трансформация становится необходимым условием преодоления отставания от рынка труда и требует тесной кооперации с бизнесом и EdTech. Сформированы практические рекомендации для руководства вузов, основанные на лучших мировых практиках, включая необходимость перехода к гибридным моделям, внедрения проектного обучения, развития систем признания микростепеней и фокуса на формировании нового типа мышления у студентов. Отдельно предложены решения для вузов с ограниченными ресурсами.

   Подготовка кадров для развития технологий искусственного интеллекта является одной из стратегических задач, стоящих перед российскими вузами.

   Цель статьи – анализ трудоустройства выпускников вузов России по образовательным программам в сфере искусственного интеллекта.

   В ходе исследования проверяется гипотеза о влиянии статуса вуза в рейтинге Альянса и наличия специализированных образовательных программ в сфере ИИ в вузе на эффективность трудоустройства выпускников по этим программам.

   Основу исследования составляет мониторинг вузов, реализующих образовательные программы в сфере искусственного интеллекта (n = 191).

   В рамках анализа трудоустройства выпускников с компетенциями в сфере искусственного интеллекта определена специфика их распределения по каналам занятости; выявлены ключевые университеты по эффективности подготовки ИИ-кадров и величине заработной платы; выявлены наиболее популярные должности при трудоустройстве. На основе сопоставления показателей трудоустройства выпускников вузов и альтернативных источников подготовки ИИ-кадров (самообразование и профессиональная переподготовка) с показателями кадровой потребности в сфере искусственного интеллекта сделан вывод о ее обеспеченности на 43,9 %. Полученные данные позволяют сделать вывод об успешном выполнении вузами поручения Правительства России о повышении объемов подготовки ИИ-специалистов.

   Ценность статьи заключается в представлении уникальных фактологических материалов, впервые описывающих трудоустройство выпускников вузов в сфере ИИ, в частности детализированы потери кадрового потенциала сферы на пути от приема абитуриентов в вузы до непосредственного трудоустройства выпускников.

   Целевой аудиторией статьи являются исследователи, эксперты, аналитики, работники и руководители вузов, а также представители органов власти, вовлеченные в процесс развития искусственного интеллекта в России.

   В статье анализируется динамика развития системы дополнительного профессионального образования (ДПО) в Российской Федерации в 2020–2023 гг. на основе официальных статистических показателей. Показано, что в рассматриваемый период система ДПО демонстрировала устойчивый рост: численность лиц, прошедших обучение, увеличилась с 6,6 до 8,3 млн человек, а средняя периодичность обучения занятых по программам ДПО в 2023 г. составила около девяти лет. Одновременно выявлены существенные межотраслевые диспропорции в охвате ДПО: в обрабатывающих производствах периодичность обучения достигала около 80 лет, в строительстве – 21 года, в сельском и лесном хозяйстве, а также в сфере рыболовства и рыбоводства – 29 лет. Отмечаются новые тенденции на рынке услуг ДПО, включая рост доли обучения, осуществляемого непосредственно на предприятиях без участия специализированных образовательных организаций, а также сокращение численности работников со средним профессиональным образованием, проходящих обучение по программам ДПО. Анализ региональных различий позволил выявить субъекты и федеральные округа, выступающие в роли «притягивающих» и «отдающих» центров подготовки кадров, на основе сопоставления доли прошедших обучение с вкладом регионов в валовой внутренний продукт страны.

   Сделан вывод о продолжающейся трансформации рынка ДПО и о том, что учет выявленных тенденций может способствовать повышению эффективности деятельности организаций, реализующих программы дополнительного профессионального образования.

   В условиях активного внедрения проектного обучения в высшем образовании возросла потребность в новых инструментах мониторинга командной работы. В статье представлен подход к формированию обратной связи на основе анализа цифровых следов, формируемых в профессиональных инструментах командной работы – трекерах задач (Trello, Wekan) и репозиториях кода (на примере GitLab). Проанализированы современные подходы к организации обратной связи и применению анализа цифровых следов, определены источники и структура цифрового следа в проектной работе, разработан подход к извлечению и обработке данных из логов действий студентов, применены методы анализа социальных сетей (SNA) для оценки структуры взаимодействий, а также предложена интерпретационная модель для формирования обратной связи на основе сетевых метрик. Эмпирической базой исследования стали данные 253 проектов, реализованных в 2019–2023 гг. в МИЭМ НИУ ВШЭ. Результаты показывают, что визуализация сетевых характеристик командной работы и динамики ролей участников значительно расширяет возможности выявления ключевых паттернов взаимодействия, а также атипичных моделей поведения, требующих педагогического вмешательства. Интеграция таких механизмов в цифровую образовательную среду предоставляет уникальную возможность для регулярного мониторинга командной работы и управления качеством проектного обучения.

   В статье анализируется эффективность образования по итогам приема на очные бюджетные места инженерно-технических направлений в российских университетах. Рассматривается коэффициент доучивания как показатель, дополняющий универсальные показатели Мониторинга Минобрнауки и характеризующий качество поступления, образовательного процесса и результаты обучения.

   Цель исследования – разработка типологии направлений подготовки по показателям приёма и завершения обучения с учетом значения показателей коэффициента доучивания.

   На основании данных по форме ВПО-1. Минобрнауки в период с 2014 по 2024 гг., анализируется влияние динамики перераспределения бюджетных мест в пользу инженерно-технических направлений на изменение показателя коэффициента доучиваемости. Сделан вывод, что рост числа бюджетных мест по инженерно-техническим направлениям подготовки, как правило, не приводит к соответствующему росту числа выпускников. Выявлено, что особенно выражен разрыв между приёмом и выпуском в региональных вузах, где коэффициент доучиваемости существенно ниже, чем в столичных. Анализ проведен как в целом по РФ, так и по отдельным субъектам РФ, в том числе по Красноярскому краю и городу Москве. Показано, что инженерно-технические направления образуют отдельный тип подготовки, которому свойственно снижение коэффициента доучиваемости при перераспределении бюджетных мест в его пользу. На основе проведенного исследования сформулированы рекомендации о совершенствовании управления распределением бюджетных мест по инженерно-техническим специальностям для органов исполнительной власти и учредителей образовательных учреждений высшего образования в РФ.

   Целью настоящей статьи является анализ институциональных барьеров реализации трансформации в университете и факторов их преодоления через призму восприятия лидеров этих процессов.

   Для этого автор провёл 22 глубинных экспертных интервью с руководителями университетов (в основном ректорами и проректорами), участвующими в программе «Приоритет-2030», и с экспертами в сфере управления высшим образованием. Интерпретация результатов качественного исследования опиралась на институциональную теоретическую рамку и методологию тематического анализа, что обеспечило структурированное выявление ключевых тем и смыслов в управленческом дискурсе. К основным барьерам реализации изменений руководители вузов относят: противоречие новых задач существующим практикам, разобщённость и обособленность университетских структур, ригидность сотрудников, имитацию требуемой деятельности и рост бюрократизации. Для их преодоления используются такие факторы, как создание и поддержание каналов внутренней коммуникации, управленческий ресурс лидерства ректора, легитимация и внедрение проектных практик управления, а также кадровые замены. Отдельно рассмотрена роль управленческой команды в стратегическом взаимодействии со стейкхолдерами, в рамках которого подчёркивается важность одновременно соответствовать внешним требованиям и формировать субъектное предложение. Таким образом, работа дополняет дискуссию о современной трансформации университетов перспективой её непосредственных руководителей. Полученные результаты могут быть полезны как исследователям высшего образования и университетским управленцам, так и тем, кто занимается проектированием программ организационных изменений в российских вузах, а также образовательной и консалтинговой поддержкой их реализации.

   Статья акцентирует внимание руководителей и коллективов российских университетов на феномене корпоративной культуры университетов. Особая важность корпоративной культуры для развития университетов объясняется, во-первых, ценностно-ориентированным характером деятельности университетов, и, во-вторых, тем, что корпоративная культура является основным фактором, обеспечивающим единство и уникальность университета. Выполненное в статье исследование сайтов 237 российских университетов, подчиненных Министерству науки и высшего образования РФ, показало, что получить сколько-нибудь подробную информацию о корпоративной культуре университетов из их сайтов очень трудно, а чаще всего – практически невозможно. Причина этого состоит не в том, что коллективы или ректоры университетов не уделяют вопросам корпоративной культуры достаточного внимания, а в том, что развитие корпоративной культуры в подавляющем большинстве российских университетов происходит не системно, а как бы неосознанно, стихийно. Текущее состояние корпоративной культуры не описывается в терминах, обеспечивающих единство её понимания руководством и коллективом университета. Вызовы, направленные к культуре со стороны внешней среды, и воздействие этой среды на культуру не анализируются. Приведён пример того, как данная ситуация отражается на престиже как российских университетов, так и страны в целом. Показано, что экспериментально обнаруженная тенденция к росту иерархической составляющей корпоративной культуры университетов может стать препятствием на пути движения российских университетов к технологическому лидерству.