核心观点与关键数据
- 教育到就业路径的结构性挑战：研报指出，当前教育到就业的路径存在严重问题，包括AI对入门级工作的自动化影响、持久技能（如批判性思维、沟通能力）的缺乏、以及AI和数字素养的普及不足。
- 高等教育的结构性挑战和财务压力：高等教育面临入学人数下降、学生和机构债务不可持续、以及学生和政府监管机构对投资回报率（ROI）日益增长的需求。机构需要采用综合策略，例如混合在线和校园课程、以及将学位与非学位凭证相结合。
- 高质量体验式学习的可获得性：传统的暑期实习模式对大多数学生来说难以获得，导致“经验差距”。企业也缺乏与潜在入门级人才广泛接触的机制。建议采用“冲刺实习”等创新模式，并鼓励企业通过税收减免或监管缓解成为“教学公司”。
- 传统学术教学法的惰性：当前的教育系统，以其僵化的课程结构和缓慢的变革管理而闻名，无法为充满模糊性的现实问题做好准备。教育应侧重于基于问题的学习和项目式体验，而不是死记硬背或内容交付。
- AI的炒作周期和道德实施：大量资本正在追逐教育领域的AI采用，但往往缺乏对有效性的证据或对研究的根基。这导致了“AI炒作周期”，组织在没有明确问题的情况下就采用AI。此外，还存在关于模型偏差、数据隐私和技术被用于边缘化弱势群体的严重担忧。
- 数据和测量系统的缺陷：公共部门数据系统通常过时、部门化和脱节，这使得州和机构难以衡量影响、ROI或新项目（如工作场所佩尔助学金）的有效性。缺乏严格、可扩展的机制来评估和认证持久技能和AI素养。
- 终身学习基础设施的空白：当前的社会结构假设在生命的头20年接受的基础教育足以应对一个多十年的职业生涯，这个概念被认为是“可笑的”，因为37%的岗位技能在五年内被取代。这缺乏基础设施导致数百万美国人“卡住”在低工资、高流失率的岗位上，没有明确的再培训或晋升途径。
- 地缘政治转变和国际教育市场：全球经济学、地缘政治和人口统计的转变正在重塑国际学生流动。虽然美国仍然是首选目的地，但其增长率相对于竞争对手正在放缓，机构越来越依赖国际学生收入，而收入受到签证问题和政治气候的威胁。
- 慈善事业的挑战：许多捐赠者缺乏在复杂的AI/教育科技领域投资 rõ ràng 的策略，导致他们专注于“热门”话题而不是核心需求。专注于核心教育使命的非营利组织难以与AI驱动型项目竞争，并且通常缺乏技术专业知识来负责任地整合技术。
- 深度合作和锚定资产的需求：系统性变革对单一机构或组织来说过于复杂；学术界、产业、政府和慈善机构之间的深度合作至关重要，但历史上却很困难。机构经常试图发出同样的声音，花费数百万美元进行营销，而不是利用其独特的优势。
- 在技术驱动世界中保护学生福祉：普遍技术的兴起，特别是社交媒体和AI伴侣，与年轻人焦虑和心理健康问题的增加相关。个人化AI学习的风险在于分裂社会联系，而社会联系是教育的一个关键目的。技术采用需要强有力的保障、透明度和高度的“责任关怀”。
关键数据
- 37%的岗位技能在五年内被取代。
- 37百万美国人被困在低工资工作中，37百万美国人拥有不完整的大学学位。
- 16%的社区学院学生完成了学位，对许多毕业生来说，经济利益微乎其微。
- 300%的职位描述中基本AI经验要求有所增加。
- 几乎70%的世界人口将在2050年之前居住在城市环境中。
- 75%的三年级学生喜欢学校，但到10年级这一比例下降到25%。
- 只有1/3的凭证对职业有重大影响。
- 16%的学生完成了社区学院学位。
研究结论
- 教育机构需要紧急适应，重新定义合作伙伴关系，战略性地审查课程的有效性，并根本性地重新想象课程交付，以确保长期相关性。
- AI素养必须嵌入所有学科，而不是作为单独的专门课程。
- 大学必须将学生定位为AI的“创造者”，而不是仅仅是“消费者”。
- 教育机构必须采用整合在线和校园课程的策略，并使用数据驱动的决策来验证课程的有效性并战略性地削减“无用”课程。
- 政策必须解决大型科技公司自我监管不足的问题，并建立“中介”角色来保护学生隐私和确保安全。
- 需要建立终身学习基础设施，以培养前沿技能并提高整体人类价值。
- 大学必须确定和利用其“锚定资产”——独特的、不可复制的差异化因素——来推动流动性和招生。
- 慈善事业必须抵制完全转向AI的诱惑，而是专注于对教育产生重大影响的领域。
- 大学必须质疑历史惯例，如学分小时，因为它们可能不再服务于现代学习者。
