Управление изменениями

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Управление изменениями — совокупность целенаправленных процессов, структур управления и практик лидерства, посредством которых учреждения Высшее образование планируют, внедряют и поддерживают интеграцию ИИ в преподавание, обучение и Оценивание. Поскольку генеративный ИИ пришёл как «пришедшая технология», которая вошла в аудитории до того, как накопились педагогические свидетельства, управление изменениями в образовании на базе ИИ должно поддерживать непрерывную адаптацию в условиях неопределённости, а не разовое внедрение, балансируя институциональную стабильность с новой инновационностью и совместным управлением между администраторами, преподавательским составом, студентами и политиками.

Вопросы для размышления

• Управление изменениями здесь описывается как управление непрерывной адаптацией в условиях неопределённости, потому что генеративный ИИ пришёл в аудитории до того, как накопились педагогические свидетельства. Что значит управлять изменениями, когда нельзя ждать лучших практик, но нельзя и ответственно масштабировать непроверенные инновации?
• Повторяющееся препятствие — разрыв между директивным политическим замыслом и реальностью аудитории: например, политики поощряют генеративный ИИ, тогда как учебные планы курсов его запрещают, оставляя преподавателям импровизировать. Как вы думаете, почему политика и практика так легко расходятся вокруг ИИ?
• Исследования показывают, что педагогическая ориентация преподавателя — то, во что он верит относительно смысла ИИ для дисциплинарного знания, — является сильнейшим предиктором внедрения, тогда как институциональные инициативы и демографические характеристики удивительно слабы как предикторы. Что это говорит о том, куда следует направлять силы в работе над изменениями?
• На странице отмечается, что только 7% учреждений создали руководящие должности в сфере ИИ, несмотря на то что 49% рассматривают ИИ как стратегический приоритет. О чём сигнализирует, когда учреждение называет что-то стратегическим, но не обеспечивает это руководством?
• Модель координационной игры объясняет, почему одних политических заявлений недостаточно: использование ИИ студентами — это процесс коллективного формирования норм, и небольшие, хорошо выверенные изменения в стимулах оценивания могут вызвать быстрые сдвиги в масштабе всей когорты в сторону ответственного использования. Как изменение стимулов оценивания может дать больше, чем когда-либо могла бы дать политика?
• Страница предупреждает, что фрагментированное внедрение расширяет существующие разрывы — инклюзивность, справедливость и устойчивость часто игнорируются даже там, где базовые этические принципы приняты. Какие Учащиеся или учреждения, как вы подозреваете, проигрывают, когда изменениями управляют неравномерно, и как удержать их в центре внимания?

Введение

Эмпирическая литерака последовательно показывает, что эффективное управление изменениями в сфере ИИ — это социально-техническое, а не только техническое предприятие. Рамка институциональных изменений адаптирует классические модели изменений к генеративному ИИ, утверждая, что учреждения «не могут ждать лучших практик, но не могут и ответственно масштабировать неоправданные инновации», и призывая к смиренному локальному исследованию, реформе, организованной вокруг педагогических подходов, а не эфемерных инструментов, и вовлечению студентов как партнёров реформ. Эта рамка резонирует с аргументом лидерства в сложных системах о том, что образование — это сложная адаптивная система, где лидеры должны судить, когда укреплять административную стабильность, а когда открывать «адаптивное пространство» — распространяя высокорисковые инновации, подобные ИИ, через доверительные социальные сети (сложные контагии), а не через линейный поток знаний.

Повторяющееся препятствие для изменений — разрыв между директивным политическим замыслом и реальностью аудитории. Сравнительный анализ политик показал, что, хотя 63% политик университетов США категории R1 поощряют использование генеративного ИИ, половина учебных планов компьютерных курсов прямо его запрещает, оставляя преподавателям импровизировать непоследовательные локальные правила. Аналогично обзор политики высшего образования Великобритании документирует разделение между исследовательскими и учебно-ориентированными учреждениями: национальные рекомендации критикуются за недостаточную конкретность и отсутствие правоприменительных механизмов, тогда как анализ институционального управления показывает, что общеуниверситетские политики акцентируют безопасность данных и снижение рисков, тогда как политики на уровне школ (там, где они существуют) сосредоточены на педагогике, — структурное рассогласование, не достигающее уровня ожиданий аккредитации относительно единой интеграции учебного плана, политики, оценивания и инфраструктуры.

Управление изменениями в исследованиях ИИ в образовании

Исследования сходятся на нескольких рычагах управления изменениями. Рамки управления предоставляют опирающиеся на консенсус шаблоны: глобальное Дельфийское исследование предлагает рамку управления генеративным ИИ из восьми областей (академическая добросовестность, этичное использование, Приватность, равный доступ, грамотность, интеграция, человеческий контроль, институциональная поддержка) плюс механизм пересмотра из шести частей для поддержания политики в актуальном состоянии, позиционируя политики как содействующие структуры внутри взаимосвязанной институциональной экосистемы. Антиципационное лидерство — комплементарное направление: скопинговый обзор показывает, что учреждения должны перейти от реактивного управления к управлению, ориентированному на предвидение, при этом расширяющее полномочия и распределённое лидерство повышает уровень внедрения — и всё же только 7% учреждений создали руководящие должности в сфере ИИ, несмотря на то что 49% рассматривают ИИ как стратегический приоритет.

Драйверы внедрения раскрывают, почему изменения застревают или удаются. Исследование организационных драйверов показывает, что внутренняя организационная культура и технологические атрибуты (совместимость, относительное преимущество, низкая сложность) катализируют внедрение ИИ, при этом государственное Регулирование ИИ в образовании выступает внешним фактором, способствующим этому, — динамика, чувствительная к контексту, которую модели принятия технологий на индивидуальном уровне упускают. И наоборот, исследование ориентации преподавательского состава обнаруживает, что эпистемическая интерпретация ИИ преподавателем — его педагогическая ориентация на то, что ИИ означает для дисциплинарного знания, — является сильнейшим предиктором внедрения, тогда как институциональные инициативы и демографические характеристики удивительно слабы как предикторы. Это предостерегает, что директивные стратегические планы имеют ограниченное воздействие, если они не затрагивают убеждения преподавателей, и что восходящие сети коллег (коллеги по кафедре были главным источником информации) значат больше, чем централизованные инициативы.

Кейсы институциональной трансформации показывают, как эти рычаги реализуются на практике. Qin (2026) анализирует стратегические изменения Университета Линнань в четырёх измерениях — обновление преподавания через ИИ, приоритизация незаменимых человеческих компетенций, обновление учебного плана и сохранение этических и культурных ценностей, — иллюстрируя, как давно сложившееся учреждение может управлять изменениями, вызванными генеративным ИИ, не отказываясь от своей идентичности. Он трактует трансформацию как интеллектуальную, а не техноцентричную, давая институциональным лидерам поэтапную модель для введения ИИ-грамотности при сохранении гуманистической миссии.

Свидетельства внедрения в школьных системах смещают вопрос с того, какой продукт внедрять, на то, как его используют. Полевые работы Instruction Partners — 32 аудитории в 16 школьных системах в семи штатах — обнаружили, что один и тот же продукт приживается хорошо или плохо в зависимости от того, как преподаватель формулировал цель, следил за панелью данных и реагировал на поступавшие сведения, при этом десятиминутные активности растягивались на весь урок там, где отсутствовали устойчивые процедуры и ясное место в структуре и последовательности обучения. Продукты, которые конкретизировали действия преподавателя в процессе использования, применялись ближе к предполагаемому подходу, и преподавателям требовалось устойчивое наставничество, а не одноразовое развёртывание; там, где лидеры хорошо знали продукт, преподаватели чаще совершали желаемые действия. Устойчивость — это свойство организации, а не инструмента. Четырёхлетняя рандомизированная оценка неганеративного текстового чат-бота в Университете штата Калифорния, Нортридж, прослеживает долговечность к административному дому (совместный надзор со стороны Управления бакалаврских программ и Управления регистратора), одному специалисту по коммуникациям, писавшему каждую кампанию в едином тональности ключе, и достаточной гибкости в наборе сообщений, чтобы поглотить шок COVID-19, — при этом обмен данными между подразделениями для целевого информирования оказался настолько обременительным, что целевые кампании упали с 36% до 6% годового объёма (Mata, Russell & Page 2026, рабочий документ, чьи выводы об внедрении опираются на наблюдение за системой и обсуждения с администраторами, а не на эксперимент). Его результат вовлечённости усиливает тот же урок: годовые показатели отказа от участия за четыре года никогда не превышали 4%, что авторы читают как восприимчивость, поддерживаемую тем, как учреждение адаптировало внедрение, а не самой технологией.

Реформа оценивания — центральное поле битвы управления изменениями. Исследование AI Assessment Scale показывает, что внедрение рамки затрудняется непоследовательностью между кафедрами, давлением нагрузки и неопределённостью, при этом сотрудники описывают процесс как «немного хаоса и безумия». Модель координационной игры предлагает формальное объяснение, почему одних политических заявлений недостаточно: использование ИИ студентами — это процесс коллективного формирования норм, и небольшие, хорошо выверенные изменения в стимулах рефлексивного оценивания могут вызвать быстрые сдвиги в масштабе всей когорты в сторону ответственного использования, тогда как слабые или рассогласованные стимулы позволяют оппортунистическим практикам сохраняться. Это поддерживает определяемое педагогикой управление вместо надзора. Опрос о разрыве адаптации к ИИ добавляет заинтересованную сторону: студенты сообщают о более высокой интенсивности использования ИИ и воспринимаемой полезности, чем преподаватели и административный персонал, тогда как последние сообщают о более сильных опасениях по поводу Академическая добросовестность, — и воспринимаемая полезность движет Доверие (β = 0.402) сильнее, чем ясность институциональной политики (β = 0.223).

Семинар по практике оценивания с участием 73 преподавателей информатики даёт контрпример со стороны аудитории. Почти каждое изменение, описанное участниками, было сделано отдельным преподавателем в одном курсе без институциональной координации — коллеги внутри одной кафедры занимали противоположные позиции, и ничто их не примиряло, — и отстаиваемое в отчёте учебное реагирование не завершится вовремя, чтобы помочь ныне зачисленным студентам; наблюдалось также, что сложность заданий устаревает примерно за семестровый цикл, что делает калибровку относительно текущих возможностей модели скоропортящимся институциональным активом, а не разовым решением (Akbar et al., 2026).

Следствия

Управление изменениями в образовании на базе ИИ несёт как позитивные, так и негативные следствия. Позитивно, структурированные рамки дают учреждениям путь от реактивного кризисного управления к проактивному, основанному на участии управлению; Дельфийский консенсус и антиципационное управление оба поддерживают трактовку ИИ-грамотность и Этика как сквозных институциональных возможностей, а не изолированных правил. Негативно, фрагментированное внедрение расширяет существующие разрывы: анализ рамок ЮНЕСКО на материале 30 ведущих университетов обнаруживает, что базовые этические принципы и принципы Управление ИИ широко приняты, но инклюзивность, справедливость и Устойчивое развитие (доступ в интернет, гендерный паритет, воздействие на окружающую среду) часто упускаются из виду, — и национальные рейтинги готовности к ИИ не предсказывают устойчивой институциональной политики. Рамка LEAGUE распространяет эту озабоченность на Аналитика обучения, утверждая, что управление должно выходить за пределы соблюдения требований (FERPA/GDPR) к законности, справедливости, Автономность учащегося (agency), полезности и этике через дизайн, прозрачно и в образовательных целях пересматривая практики работы с данными студентов.

В учреждениях, где стратегия опережает инфраструктуру, работа усугубляется: академические разработчики двух южноафриканских исторически неблагополучных учреждений назвали стратегию в сфере ИИ «представлением, а не практикой», и работа настаивает, что цифровое неравенство — дистрибутивная проблема — следует отделять от алгоритмической колониальности, эпистемической проблемы, которая сохраняется при полном доступе (Sithole, 2026).

Для администраторов и политиков свидетельства говорят в пользу основанного на участии управления, инвестиций в инфраструктуру и развития потенциала вместо амбициозных документов о стратегии, воплощая национальную политику в конкретную поддержку преподавателей вместо издания директивных предписаний. Для преподавателей управление изменениями означает переход от роли того, кто внедряет, к роли экспериментатора, движимого исследованием, вовлекая студентов как партнёров и опирая реформу на устойчивые педагогические принципы, а не на инструменты, которые могут устареть в течение месяцев, — с оговоркой, что профессиональное развитие должно быть нацелено на полный проектный цикл (оценку потребностей, обратную связь), а не только на использование инструментов, как демонстрирует опрос рамки DOT.

Институциональный кейс прослеживает десятилетнюю траекторию диффузии в бакалаврской математике, от индивидуальной инициативы и семинаров с коллегами к совместному лицензированию преподавательским составом и центральному финансированию (Law, 2026).

Связи с другими понятиями

Управление изменениями — институциональное дополнение к интеграции на уровне аудитории. Оно делает работоспособными системные условия — управление, развитие преподавательского состава, вовлечение заинтересованных сторон и защиту справедливости, — которые позволяют педагогической инновации закрепиться, соединяя проектирование Политика в области образовательного ИИ (Educational AI Policy) с Управление ИИ, Развитие педагогической практики и результатами в области Справедливость.

Связанные понятия

• Управление ИИ — структуры политики и надзора, которые делает работоспособными управление изменениями
• Политика в области образовательного ИИ (Educational AI Policy) — национальные и институциональные политические замыслы в сфере ИИ, которые управление изменениями должно воплощать в практике
• Развитие педагогической практики — развитие потенциала преподавательского состава и педагогической ориентации для интеграции ИИ
• Администраторы — лидерство и антиципационное управление как агенты изменений
• ИИ-грамотность — сквозная возможность, лежащая в основе ответственного институционального внедрения
• Справедливость — обеспечение равномерного распределения выгод изменений между учреждениями и учащимися
• Модели принятия технологий — драйверы внедрения, объясняющие, как распространяются изменения
• Академическая добросовестность — центральный регуляторный якорь, вокруг которого организуется реформа оценивания
• Поддержка студентов и их успех — поддержание программы сопровождения после пилотного этапа

Связанные статьи

• Sustaining AI-enabled student support: A four-year implementation and impact study — Sustaining AI-enabled student support: four-year implementation and impact study of an institutional chatbot (Mata, Russell & Page 2026)

• A Framework for Institutional Change in the Age of AI — six-dimension framework for adapting institutional change models to AI as an arrival technology

• Leveraging complex systems: Leading for transformative change — SPARK framework and complexity leadership for transformative change

• Governing generative AI in higher education: a global Delphi study on policy and practice — global Delphi consensus on eight-area GenAI governance

• Anticipatory governance and leadership for AI implementation in higher education: A scoping review — scoping review of anticipatory governance and leadership

• The AI Adaptation Gap in Higher Education: Students, Faculty, and Administrative Staff — stakeholder gaps in AI use, attitudes, and trust across students, faculty, and staff

• Artificial Intelligence in UK Higher Educational Policy and Institutional Decision Making — national policy intent vs. institutional capacity in UK higher education

• Exploring Organisational Drivers and Innovation Attributes of Artificial Intelligence Adoption in Higher Education — organizational and technological drivers of AI adoption

• Generative Artificial Intelligence Policy: A Qualitative UNESCO Framework Analysis — UNESCO framework analysis of institutional GenAI policies

• AI for Education: The Digital Transformation of a Liberal Arts Institution — Implementation at Lingnan University — Digital transformation of a liberal arts university toward a research-intensive model in the GenAI era (Qin 2026)

• Beyond the algorithm: academic developers as digital mediators in Global South higher education — Digital mediators translating institutional AI strategy into grounded practice under infrastructural scarcity

• AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI — AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI

• AI in Action Learning Tour — cross-system fieldwork on how implementation and teacher actions decide whether an AI product helps

• Practitioner beliefs and behaviors in AI-enhanced education: DOT framework survey evidence — survey evidence that professional development must cover a full design cycle rather than tool use alone

• From Flipped Classroom to AI-Enhanced Assessment: Sustained Pedagogical Innovations in Undergraduate Mathematics — A decade-long diffusion arc from individual initiative to central funding in undergraduate mathematics (Law 2026)