Современная политэкономия. Учебник

Американские университеты Лиги плюща выполняют аналогичную функцию в США, Гарвард, Йель, Принстон, Колумбия и другие элитные университеты отбирают менее 5% абитуриентов, создавая ауру исключительности и престижа.

Практика legacy admission – преференции для детей выпускников – прямо воспроизводит элитарность. В Гарварде дети выпускников имеют в 5—6 раз больше шансов на поступление, чем абитуриенты с равной квалификацией, но без семейных связей с университетом. Эта практика обосновывается необходимостью поддержания лояльности выпускников и привлечения пожертвований, но de facto функционирует как механизм династической передачи привилегий.

Даниэль Голден в книге «Цена поступления: как правящий класс Америки покупает себе путь в элитные колледжи» (2006) раскрыл механизмы, через которые богатство конвертируется в доступ к элитному образованию: крупные пожертвования университетам от родителей абитуриентов, привилегии для детей крупных доноров, рекрутинговые преференции для спортсменов в нишевых видах спорта, характерных для элиты (поло, гребля, фехтование).

Скандал при поступлении в университеты (Operation Varsity Blues), раскрытый в 2019 году, продемонстрировал крайние формы использования богатства. Федеральное расследование выявило схему, в рамках которой богатые родители платили сотни тысяч долларов за подделку результатов стандартизированных тестов и фальсификацию спортивных достижений своих детей для поступления в элитные университеты.

«Большие школы» (grandes écoles) во Франции представляют еще один пример элитного образования, воспроизводящего правящий класс. В отличие от англо-американской модели частных элитных университетов, французские grandes écoles являются государственными учреждениями, но доступ к ним крайне селективен и зависит от длительной подготовки в специальных подготовительных классах (classes préparatoires).

École Polytechnique, École Normale Supérieure, École Nationale d’Administration (ENA, упразднена в 2022 году) готовили высших государственных служащих, руководителей крупнейших корпораций и политических лидеров. Пьер Бурдьё в работе «Государственная знать» (1989) показал, как система grandes écoles создает элиту, легитимированную школьным успехом, но фактически рекрутируемую преимущественно из привилегированных классов.

Бурдьё продемонстрировал, что студенты grandes écoles происходят непропорционально из семей высших руководителей и либеральных профессий. В École Polytechnique в 1980-х годах 50% студентов были детьми высших руководителей, составлявших менее 5% населения. Длительная подготовка в подготовительных классах (classes préparatoires) требует интенсивной академической работы и семейных ресурсов, что создает барьеры для детей из рабочих семей.

Экономическая отдача от элитного образования существенно превышает отдачу от обычного высшего образования, что отражает как качество обучения, так и эффекты социальных связей.

Доступ к позициям высшей власти – политическому руководству, советам директоров крупнейших корпораций, партнерству в элитных юридических и консалтинговых фирмах – непропорционально концентрирован среди выпускников узкого круга элитных учебных заведений. Лорен Ривера в работе «Паритет: как элитные студенты получают элитные работы» (2015) показала, что элитные профессиональные фирмы рекрутируют почти исключительно из небольшого числа престижных университетов, используя название университета как первичный фильтр для отбора кандидатов.

Ривера обнаружила, что специалисты по подбору персонала оценивали кандидатов не только по академическим достижениям, но и по признакам «культурного соответствия» – схожести вкусов, интересов, манер. Способность свободно говорить о правильных культурных референциях (опера, французская кухня, путешествия в экзотические страны) служила маркером принадлежности к правильному классу. Эти критерии систематически дискриминируют кандидатов из рабочих семей, даже если они обладают выдающимися академическими достижениями.

8.6. Цифровая трансформация образования: онлайн-обучение, новые технологии и цифровой разрыв

Цифровая трансформация образования представляет одно из наиболее значительных изменений в системах накопления человеческого капитала за последние десятилетия. Развитие интернет-технологий, массовых открытых онлайн-курсов (MOOC), адаптивного обучения на основе искусственного интеллекта и других цифровых инструментов обещает радикально расширить доступ к качественному образованию. Однако реализация этих возможностей наталкивается на проблемы цифрового разрыва и воспроизводство неравенства в новых формах.

Массовые открытые онлайн-курсы (MOOC) появились в начале 2010-х годов как радикально демократизирующая инновация, обещавшая предоставить качественное университетское образование бесплатно для всех желающих независимо от географического расположения и социального происхождения.

Платформы Coursera, edX и Udacity, основанные в 2011—2012 годах, предложили курсы от ведущих университетов мира – Стэнфорда, MIT, Гарварда, Йеля – миллионам студентов по всему миру. Себастьян Трун, основатель Udacity и профессор Стэнфорда, провозгласил: «Через 50 лет будет существовать только 10 учебных заведений в мире, предоставляющих высшее образование» (Трун, 2012), предсказывая революцию, которая разрушит традиционные университеты.

Однако эти утопические ожидания не реализовались. Исследования показывают, что процент завершения MOOC составляет 5—15%, что значительно ниже традиционных курсов. Более того, анализ демографии студентов MOOC выявил, что основными пользователями являются люди, уже имеющие высшее образование, из развитых стран, часто профессионалы, стремящиеся повысить квалификацию. Цель демократизации доступа к образованию для недопривилегированных групп и развивающихся стран оказалась в значительной мере нереализованной.

Джастин Райх и Хосе Рубен в работе «Провал образовательных технологий» (2020) проанализировали причины ограниченного влияния образовательных технологий на сокращение неравенства. Они показали, что новые технологии систематически приносят наибольшую пользу наиболее привилегированным учащимся, обладающим цифровыми навыками, самодисциплиной и мотивацией для самостоятельного обучения. Учащиеся из неблагополучных семей, которые больше всего нуждаются в образовательной поддержке, получают наименьшую пользу от онлайн-обучения.

Бизнес-модели MOOC эволюционировали от полностью бесплатных курсов к различным формам монетизации: платные сертификаты, специализации с ежемесячной подпиской, степени онлайн-магистра с платой, сопоставимой с традиционными программами. К 2023 году Coursera предлагает онлайн-степени магистра от ведущих университетов за 15000—30000 долларов, что подрывает первоначальное обещание бесплатного образования.

Развитие онлайн-образования в России началось с 2010-х годов. Сначала появились адаптации мировых платформ с курсами, например, курсы российских вузов на Coursera и EdX, а затем возникли локальные аналоги, типа платформы «Открытое образование». Далее, стали появляться различные практико-ориентированные онлайн-программы по востребованным профессиям (от программирования и дизайна до маркетинга).

Пандемия COVID-19 спровоцировала внезапный переход к онлайн-обучению в 2020—2021 годах, создав беспрецедентный эксперимент в глобальном масштабе. Руководители национальных институтов образования столкнулись с выбором: перевести образовательные процессы в онлайн-среду или временно прекратить деятельность. Школы и университеты по всему миру закрылись, затронув более 1,5 миллиарда учащихся – около 90% мирового студенческого населения (данные ЮНЕСКО, 2020).

Опыт экстренного дистанционного обучения во время пандемии выявил как возможности, так и ограничения цифрового образования. Для учащихся с доступом к качественному интернету, компьютерам и поддерживающей домашней среде переход к онлайн-обучению был относительно плавным. Однако для миллионов учащихся из семей с низкими доходами, без доступа к интернету, проживающих в переполненных жилищах без тихого места для учебы, пандемия привела к катастрофическим потерям в обучении.

Исследование McKinsey (2021) оценило, что в результате закрытия школ средний ученик в США потерял эквивалент 5 месяцев обучения по математике и 4 месяцев по чтению. Для учащихся из семей с низкими доходами и этнических меньшинств потери были значительно больше – до 12 месяцев. Эти «COVID-потери в обучении» усугубили существующее неравенство и потенциально окажут долгосрочное влияние на жизненные траектории целого поколения.

В некоторых развивающихся странах ситуация была более драматичной. В сельских районах Индии, Африки к югу от Сахары, Латинской Америки миллионы детей вообще не имели доступа к дистанционному обучению из-за отсутствия интернета, устройств и электричества. Всемирный банк оценил, что пандемия может привести к потере 10 триллионов долларов будущих заработков для поколения, пострадавшего от закрытия школ.

Большая часть российских регионов была готова к организации дистанционного обучения в школах в условиях пандемии. В России резко ускорилось внедрение цифровых инструментов, школы освоили большое количество цифровых платформ, университеты и институты стали разрабатывать гибридные программы обучения, сочетающие дистанционные и очные форматы.

Всероссийский опрос, проведённый Аналитическим центром НАФИ в конце марта 2020 года, показал, что основные проблемы, с которыми столкнулись российские учебные заведения при переходе на цифровое обучение в пандемию – это технические проблемы образовательных организаций и возросшая нагрузка на педагогов.

Опрос, проведённый Лабораторией медиакоммуникаций в образовании НИУ «Высшая школа экономики» в 2020 году показал, что повышенное эмоциональное напряжение и рабочая нагрузка учителей связана с необходимостью быстрого освоения ими новых форматов обучения. Согласно исследованию, представленному на научном онлайн-семинаре «Школа в условиях пандемии коронавируса: социологические аспекты», у большинства учеников уровень знаний оказался заметно ниже, чем у школьников в предыдущие годы. Дистанционный формат негативно отразился на естественных науках, где обязательным является использование специального оборудования для экспериментальной работы в классах.

Цифровой разрыв представляет неравенство в доступе к цифровым технологиям и способности эффективно их использовать. Этот разрыв существует на множественных уровнях: между странами, внутри стран, между социальными группами.

Первый уровень цифрового разрыва касается доступа к интернету и цифровым устройствам. По данным Международного союза электросвязи (2023), около 37% мирового населения (2,9 миллиарда человек) никогда не пользовались интернетом. Эта цифровая эксклюзия (социальное исключение) концентрируется в наименее развитых странах, где менее 30% населения имеет доступ к интернету. В развитых странах практически всеобщий доступ к интернету сосуществует с неравенством в качестве доступа: скорость соединения, стабильность, наличие устройств.

Второй уровень цифрового разрыва касается цифровых навыков и компетенций. Ван Дейк и Ван Дёрсен в исследованиях цифрового разрыва (2014) выделили четыре типа доступа к цифровым технологиям: мотивационный доступ (желание использовать), материальный доступ (физическое наличие устройств и соединения), навыковый доступ (способность эффективно использовать технологии) и доступ к использованию (способность извлекать выгоды из применения технологий).

Эти исследователи показали, что даже при равном материальном доступе существует значительное неравенство в навыковом доступе, связанное с образованием, возрастом, социально-экономическим статусом. Люди с высшим образованием и из семей с высокими доходами обладают более продвинутыми цифровыми навыками, что позволяет им извлекать больше выгод из использования интернета – для образования, профессионального развития, экономических возможностей. Люди с низким образованием и из бедных семей используют интернет преимущественно для развлечений, что не приносит значительных образовательных или экономических выгод.

Адаптивное обучение и искусственный интеллект обещают персонализировать образование, адаптируя содержание и темп к индивидуальным потребностям каждого учащегося.

Системы адаптивного обучения, такие как Khan Academy, ALEKS, DreamBox, разработанные в США, используют алгоритмы для анализа ответов учащихся и предоставления соответствующего контента и обратной связи. Саль Хан, основатель Khan Academy, в книге «Единственная в мире школа» (2012) представил видение образования, в котором технологии позволяют каждому учащемуся учиться в своем темпе, получая немедленную обратную связь и поддержку. Модель mastery learning, реализованная на платформе Khan Academy, требует, чтобы учащиеся продемонстрировали полное понимание концепции перед переходом к следующей, что потенциально может устранить «швейцарский сыр» в знаниях, когда учащиеся продвигаются вперед с пробелами в понимании базовых концепций.

Появление генеративных моделей искусственного интеллекта, таких как ChatGPT (2022), создало новые возможности и вызовы для образования. ИИ может функционировать как персональный репетитор, способный отвечать на вопросы, объяснять концепции различными способами, предоставлять примеры и обратную связь. Однако эти же технологии создают проблемы академической честности, поскольку студенты могут использовать ИИ для написания эссе и выполнения заданий.

Образовательные учреждения по-разному реагируют на эти вызовы. Некоторые университеты запретили использование ИИ-инструментов и ввели детекторы ИИ-генерированного текста. Другие признали неизбежность интеграции ИИ и пересматривают педагогические подходы, фокусируясь на развитии навыков критического мышления, анализа и синтеза, которые ИИ (пока) не может воспроизвести. В российских заведениях запрет на использование ИИ-инструментов пока не установлен, но действуют ограничения, связанные с применением ИИ в образовании. Дискуссия о целях образования в эпоху автоматизации когнитивного труда, в частности о роли искусственного интеллекта (ИИ) в образовательном процессе продолжается.

Инициативы по преодолению цифрового разрыва