Avanços recentes em AI generativa (Genai) e a ascensão do chatgpt, Bard e muitos outros modelos catalisaram uma nova onda de interesse no campo da inteligência artificial e seu potencial impacto em vários setores. Poucos serão mais impactados do que o ensino superior, com seu foco na pesquisa e na criação e transmissão de conhecimentos e habilidades. No entanto, a preocupação parece particularmente aguda em
Across all industries, equal measures of excitement and anxiety are accompanying these rapid changes; however, the concern seems particularly acute in Ensino superior . Educadores e administradores estão sendo obrigados a reagir rapidamente a uma tecnologia que pode remodelar as áreas de pesquisa, redação e programas individuais. E os incidentes de estudantes que usam ChatGPT não estão facilitando seus empregos. Da mesma forma, Genai convida faculdades e universidades a se adaptar não apenas, mas a alavancar a promessa dessas tecnologias de desbloquear maior valor em uma variedade de áreas, desde o marketing de recrutamento e a experiência dos alunos até a carga de trabalho do corpo docente e a propriedade intelectual. Oferecemos idéias de como as instituições podem navegar nessa jornada, bem como práticas promissoras dos primeiros adotantes.
The dawn of the Internet Age nearly three decades ago presented higher education with enormous changes—and it rose to the challenge. Similarly, GenAI invites colleges and universities to not only adapt, but to leverage the promise of these technologies to unlock greater value in a variety of areas from recruitment marketing and student experience to faculty workload and intellectual property.
Based on our research and discussions with clients, and given our broad expertise in education and technology, we have identified five major ways that higher education can leverage GenAI. We offer ideas for how institutions can navigate this journey as well as promising practices from early adopters.
Development of hyper-personalized marketing and recruitment strategies.
GenAI is opening an unprecedented pathway into Hiper-personalizado Marketing e publicidade, e o BCG está rastreando casos de uso em vários setores. Na mídia de consumo, a Genai possui aplicativos em toda a cadeia de valor do cliente e é uma ferramenta poderosa para otimização, identificando segmentos de clientes e construindo campanhas de publicidade em torno dessas características. Várias plataformas Genai podem ajudar a produzir conteúdo de marketing personalizado e de baixo custo através de texto, imagens e áudio, impulsionando o aumento do engajamento e a interação. O Genai também pode ser usado para fornecer informações sobre as preferências e comportamentos do público e, em seguida, gerar campos de vendas personalizados.
As implicações para o ensino superior são claras-e potencialmente mudam. Com as populações de estudantes em custos de declínio e recrutamento, geralmente superiores a US $ 4.000 por aluno, faculdades e universidades precisam de estratégias inovadoras e de baixo custo para atingir suas metas de inscrição. Através da hiper-personalização, Genai mantém a chave. Por exemplo, tendo identificado que um aluno em potencial está envolvido em programas locais de sustentabilidade, a Genai pode gerar conteúdo de divulgação especificamente para esse aluno, destacando os programas de ciências ambientais da faculdade, as atividades de reciclagem e compostagem do campus e qualquer grupo de defesa dos alunos relevante. Os chatbots cada vez mais sofisticados, movidos a genai, podem oferecer conversas personalizadas de admissão e treinamento para possíveis alunos. As ferramentas podem ser utilizadas para responder rapidamente às perguntas dos alunos durante todo o processo de admissão, pois a IA pode ser treinada para gerar respostas específicas da instituição. À medida que analisamos as empresas de bens de consumo que estão adotando abordagens semelhantes para aumentar as taxas de conversão, vemos isso como um caso de uso emocionante para o ensino superior. bem como as pressões financeiras de primeira e final e as ferramentas financeiras. Por exemplo, os sistemas preditivos de alerta precoce estão permitindo a identificação proativa de estudantes em risco e informando intervenções personalizadas. A automação de tarefas repetitivas baseadas em regras em atividades como gerenciamento de casos e planejamento de graduação estão liberando consultores para gastar mais tempo se envolvendo com os alunos. O potencial de tais ferramentas para melhorar o aconselhamento dos alunos é significativo, dada a correlação direta entre as taxas eficazes de aconselhamento e persistência. Atualmente, existem mais de 100 aplicativos que abordam as funcionalidades do principal aconselhamento, e cada instituição normalmente implanta várias soluções. Como resultado, os alunos devem reunir informações de várias fontes para responder a perguntas básicas, mas importantes, como: “Estou me registrando para o número certo de créditos, dado o trabalho de meio período que fiz recentemente para cobrir uma mudança no meu status de ajuda financeira?”
Using data provided by prospects, GenAI can drive customized engagement throughout a candidate’s journey. Increasingly sophisticated GenAI-powered chatbots can offer personalized admissions conversations and coaching for prospective students. The tools could be utilized to quickly answer student questions throughout the admissions process as the AI can be trained to generate institution-specific responses. As we look at consumer goods companies that are taking similar approaches to increase conversion rates, we see this as an exciting use case for higher education.
Improved student engagement and outcomes.
GenAI is seeding a transformation in student advising and engagement to improve persistence, retention, and completion rates—all of which are increasingly important to institutions in light of public and regulatory scrutiny of student outcomes as well as top- and bottom-line financial pressures.
Advisor and administrator tools have already begun to leverage AI and GenAI to drive step-change improvements in efficiency and effectiveness. For example, predictive early-alert systems are enabling proactive identification of at-risk students and informing personalized interventions. Automation of repetitive, rules-based tasks across activities like case management and degree planning are freeing up advisors to spend more time engaging with students. The potential of such tools to improve student advising is meaningful given the direct correlation between effective advising and persistence rates.
In parallel, there is an opportunity for GenAI to improve student-facing tools by providing the right information at the right time—and promoting the right associated action—all in one place. There are currently over 100 applications addressing core advising functionalities, and each institution typically deploys multiple solutions. As a result, students must piece together information from several sources to answer basic but important questions like, “Am I registering for the right number of credits, given the part-time job I recently took to cover a change in my financial aid status?”
GenAI chatbots could be used to help students get direct, instantaneous answers to questions on core advising topics using one centralized tool.
Chatbots de conversação podem ser usados para consolidar as funcionalidades para que os alunos possam obter respostas instantâneas e diretas para suas perguntas usando uma ferramenta centralizada. Além disso, os chatbots poderiam evoluir para adiantar essas perguntas-por exemplo, alertando proativamente os alunos dos próximos prazos de adição/suspensão e orientando-os no processo de registro do próximo semestre. Sugestões sobre compromissos co-curriculares com base em preferências de carreira e carga do curso. Espera-se que o elevador associado no envolvimento dos alunos desse tipo de apoio em tempo real afete os resultados dos alunos direta e indiretamente (por exemplo, permitindo que os consultores se concentrem nos alunos com a maior necessidade)
As GenAI “learns” to answer “should I” questions, these tools will be able to provide increasingly expansive advice: from real-time course recommendations based on factors such as major requirements, prior academic performance, and faculty ratings to suggestions on co-curricular commitments based on career preferences and course load. The associated lift in student engagement from this kind of real-time support is expected to impact student outcomes both directly and indirectly (for example, by enabling advisors to focus on students with the greatest need)
In the near-term, having a “human in the loop” will be necessary to confirm quality of responses, especially in higher risk activities like course planning and financial aid. However, the potential of these tools to enable broader access to more proactive, holistic student support and foster deeper student engagement is substantial.
Enhanced course planning and curricula.
So far, the use of GenAI tools in the classroom has had a mixed reception. One promising use case is leveraging the technology to enhance and accelerate the course planning process—freeing up time for faculty to focus on instruction, student support, and their own research agendas.
Em sua forma atual, a Genai é particularmente adequada para sintetizar grandes volumes de informação, que podem ajudar muito os educadores no desenvolvimento do curso. Por exemplo, imagine uma introdução ao Professor de Biologia planejando o curso do próximo semestre. Em questão de minutos, eles poderiam pedir a Chatgpt para desenvolver um plano de estudos, curar uma lista de livros relevantes para os alunos e escrever planos detalhados de aula com base nos dados disponíveis. O professor também poderia usar o ChatGPT para encontrar facilmente novos relatórios, papéis e mídia para aprimorar decks de palestras mais antigos (dentro dos limites dos dados do ChatGPT, que até o momento em que este escrito ocorreu até setembro de 2021). A Genai pode levar o CursoWare para o próximo nível por meio de conteúdo personalizado; ajuste dinâmico de formato, nível e ritmo com base no progresso do aluno; Entradas imersivas e colaborativas de grupos de alunos; e experiências interativas que melhoram o envolvimento dos alunos e a retenção de conhecimento. Por exemplo, imagine o Courseware habilitado para Genai que oferece uma versão em estilo de podcast do material da classe para um aluno que é mais voltado para o aprendizado auditivo do que ler um livro. Embora o acesso aos dados necessários para fazer isso ainda seja desafiador, é uma visão intrigante que está muito mais próxima do que nunca. Genai é, no entanto, um bom ponto de partida para essas tarefas - permitindo que o corpo docente seja mais tempo para o pensamento, design, pesquisa, pesquisa e melhoria da qualidade da educação para os alunos. E quem sabe para onde a tecnologia pode nos levar: com o recente anúncio da OpenAI de que este ano ele construirá e lançará a "Academia de AI Open", considerada uma seleção ampla e gratuita de cursos e apoios dos alunos, as possibilidades parecem infinitas. No entanto, resta saber se algum dos conteúdos produzidos com a assistência do Genai será superior a (ou mesmo quase tão bom quanto) o que já está disponível por meio de editores comerciais ou os recursos educacionais abertos de organizações como o OpenStax e o Lumen), que não têm um pouco de aprendizagem de genai e que os generais e os membros do LUMID) e do luman) e o LumM) e o LumM) e o aprendizado do Lumin) e do genai e o genai e o genai e o que o genai e o que o lumin) e o que o lumin) e o que o lumin) e o aprendizado do luminato. práticas. Inegavelmente, os LLMs estão aqui para ficar e terão uma mão na formação do futuro dos empregos, educação e preparação de carreira. Ensinar os alunos a usar a Genai em seu proveito em suas profissões - principalmente coortes com carreiras que se projetam ter alta exposição a Genai - podem equipar os futuros trabalhadores com as habilidades para sobrecarregar suas capacidades. Essas habilidades, da engenharia imediata à ética, ajudarão os trabalhadores a se diferenciarem no mercado e aumentarão sua própria produtividade.
Beyond near-term uses for course planning, GenAI can be leveraged by vendors to develop digital courseware that supports delivery of the course. GenAI can take courseware to the next level through personalized content; dynamic adjustment of format, level, and pace based on student progress; immersive, collaborative inputs from learner groups; and interactive experiences that improve student engagement and knowledge retention. For example, imagine GenAI-enabled courseware that offers a podcast-style version of the class material for a student who is more geared toward auditory learning than reading a textbook. While accessing the data required to pull this off is still challenging, it’s an intriguing vision that is much closer than ever before.
As AI tools are still “learning” and continue to be refined, they should not be used on their own for lesson planning and courseware development: today the output is at best a rough outline that must be enriched and refined by humans. GenAI is, however, a good starting point for these tasks—allowing faculty more time for creative thinking, design, research, and improving education quality for students. And who knows where the technology may take us: with OpenAI’s recent announcement that this year it will build and release the “Open AI Academy,” envisioned as a broad and free selection of courses and student supports, the possibilities seem endless. Nevertheless, it remains to be seen whether any of the content produced with the assistance of GenAI will be superior to (or even nearly as good as) what is already available via commercial publishers or the open educational resources from organizations such as OpenStax and Lumen Learning.
Teaching students to use GenAI.
The potential capabilities of GenAI and large language models (LLMs) have already begun to impact several industries and practices. Undeniably, LLMs are here to stay and will have a hand in shaping the future of jobs, education, and career preparation. Teaching students how to use GenAI to their advantage in their professions—particularly cohorts with careers that are projected to have high exposure to GenAI—can equip future workers with the skills to supercharge their capabilities. These skills, from prompt engineering to ethics, will help workers differentiate themselves in the market and increase their own productivity.
Teaching students how to use GenAI in their professions can equip future workers with the skills to supercharge their capabilities.
Em março de 2023, o OpenAI, o laboratório de pesquisa por trás dos modelos de idiomas GPT, lançou um documento de trabalho prevendo as principais indústrias que provavelmente serão expostas ao ChatGPT. Os autores descrevem a “exposição” como acesso humano à tecnologia LLM que reduziria o tempo gasto em uma tarefa em pelo menos 50%. De acordo com a IA aberta, as três principais indústrias de emprego expostas são:
- Securities, Commodity Contracts, and Other Financial Investments and Related Activities (55% exposure)
- Insurance Carriers and Related Activities (52% exposure)
- Computing Infrastructure Providers, Data Processing, Web Hosting, and Related Services (52% exposure)
Análise de BCG comparou o relatório da OpenAI ao Bureau of Labor Statistics dos EUA e dados de conclusão da universidade para estimar o impacto potencial de Genai no cenário empresarial futuro. Verificou-se que, no ano acadêmico de 2020-21, 22% das conclusões em instituições de concessão de diploma dos EUA pertenciam a indivíduos no caminho de entrar nas indústrias e ocupações de alta exposição. Dos 5,02 milhões de graus e conclusões em nível de certificado de 4.077 instituições de concessão de graus, 1,14 milhão estão associados a uma indústria de emprego altamente exposta com base na pesquisa da OpenAI. Imagine, por exemplo, um professor de ciência da computação incentivando os alunos a usar as ferramentas da Genai para verificar seu código quanto a erros ou um instrutor de história ensinando aos alunos como projetar as solicitações específicas de IA necessárias para gerar um esboço do primeiro rascunho de uma qualidade de um trabalho de pesquisa. Desenvolver estratégias para usar e dominar genai enquanto ainda está em um contexto educacional pode mitigar possíveis impactos negativos no mercado de trabalho, ao mesmo tempo em que abre novas oportunidades para os estudantes que se tornam trabalhadores.
With educational institutions hiring more faculty with AI expertise, there is potential for cross-subject integration of AI in student learning to provide them with the tools to remain competitive in changing industries. Imagine, for example, a computer science professor encouraging students to use GenAI tools to check their code for mistakes, or a history instructor teaching students how to engineer the specific AI prompts necessary to generate a quality first draft outline of a research paper. Developing strategies to use and master GenAI while still in an educational context can mitigate potential negative impacts in the labor market, while simultaneously opening up new opportunities for students who become workers.
Avaliação e feedback aprimorados para os alunos. Assim como a facilidade de pesquisa on -line reduziu a ênfase na necessidade de os alunos memorizarem as principais datas, estamos mudando para um futuro em que a pesquisa e a síntese de informações dão lugar ao pensamento crítico e à solução prática de problemas. Criatividade, liderança, tomada de decisão ética, novas interpretações de dados-essas são todas as maneiras pelas quais a aprendizagem dos alunos será avaliada no futuro.
Widespread student use of GenAI—both proper and improper—will force education institutions to rethink how they evaluate students in a future where these tools are prevalent. Just as the ease of online research reduced emphasis on the need for students to memorize key dates, we are moving to a future where research and information synthesis give way to critical thinking and practical problem solving. Creativity, leadership, ethical decision-making, new interpretations of data—these are all ways that student learning will be assessed in the future.
Evaluation formats have already begun to anticipate and adapt to how students will apply GenAI in the workplace after graduation—and to test those
Given the new skills that will be taught, it is important to expand approaches to assess student performance, from breaking down problems to evaluate and build on interpretations, to creating collaborative, project-based evaluations and real-world simulations. Imagine a classroom in which GenAI tools are regularly used to synthesize large volumes of information, but student learning is tested through “live” methods: defending an argument at the whiteboard or demonstrating mastery through handwritten responses. The higher-order skills that students stand to gain in the age of AI learning will serve them well in a new world of work. It is critical that colleges and universities develop appropriate assessment and feedback measures to ensure student mastery.
These are just a few of the myriad ways in which generative AI will impact higher education—many of which are unpredictable given the rapid pace at which this evolving technology is being adopted. Educational institutions should think carefully about the potential applications of the technology and how it may affect various aspects of the organization. In the near term, we encourage staff and administrators to choose applications that are low-cost and low-risk to build trust within and inspire their communities. Over time, they can deploy tools for high-value use cases, even if this requires additional management.
Whatever the specific approach, colleges and universities that are not proactive in learning about the potential of GenAI and fail to start integrating the technology into their operations will increasingly find themselves falling behind a curve that is sweeping students—and society—into a bold new future.
The authors wish to thank Khushbu Jagwani, Giancarlo Tassi, and Maria Vasington for research and writing assistance.
