Если ИИ может всё, чему нам учить студентов?

Когда ИИ завершает проект анализа данных: анализ, служебную записку, приложение, слайды — за 10 минут, тогда как обычно на это уходят недели, настает время для радикального переосмысления методов преподавания науки о данных. Приведенный выше эксперимент иллюстрирует более масштабный сдвиг. По мере того, как агентный ИИ переходит от написания кода к принятию аналитических решений, университеты пересматривают домашние задания, устные защиты возвращаются, а наука о данных превращается из специализированного ремесла в базовый навык. Для государственной политики, где доказательства формируют реальные решения, ставки высоки. В этом эпизоде ​​Кейси Керни из Школы государственной политики Лондонской школы экономики беседует с Тедди Свороносом из Гарвардской школы государственного управления имени Кеннеди, чтобы напрямую обсудить этот вопрос. Чему следует перестать учить, и что сейчас важнее, чем когда-либо? Почему ИИ совершает меньше ошибок, но принимает больше решений, и кто их отслеживает? И если домашние задания больше не могут доказать знания студента, как вообще оценивать обучение? У Тедди есть ответы и некоторые честные сомнения. Разделы 02:11: Как ИИ изменил то, чему вы учите — что в тренде, а что нет? 06:14: ИИ совершает меньше ошибок и принимает больше решений 10:15: Накапливайте когнитивный долг, пока можете его погасить 15:44: Является ли оценка кнутом (а не пряником) в эпоху ИИ? 20:45: Какую роль может играть устный экзамен в оценке? 23:56: Персоны, аналитические записки и задачи в эпоху ИИ 26:02: От помощи студентам в развитии навыков без ИИ до использования пользовательских ботов 29:24: Будут ли количественные навыки важны для выпускников факультета государственной политики будущего? Подробнее читайте в соответствующей статье блога: https://blogs.lse.ac.uk/highereducati...