Каждое правительство ставит цели, а лучшие также определяют пути их достижения. Когда я делал это для правительства Великобритании, у нас не было доступного подхода к постановке целей, который учитывал бы надежные предсказания будущего, хотя подход к мышлению с точки зрения систем и методы предвидения разрабатывались. Например, через работу моего тогдашнего коллеги Джеффа Малгана.

Один из самых интересных проектов, которыми я занимаюсь в своей работе в Pearson, — это применение инструментов прогнозирования для лучшего понимания навыков и их комбинаций, которые, вероятно, будут востребованы экономикой США и Великобритании в 2030 году. Исследование — это партнерство между Пирсоном, Нестой и Майклом Осборном из Оксфордской школы Мартина. В конце концов мы надеемся, что идеи, которые мы обнаруживаем, дадут толчок к размышлениям о будущем обучения. Например, если определенные комбинации навыков особенно перспективны (скажем, способность решать проблемы в сочетании со способностью руководить командой), что это означает для педагогики, используемой в наших классах, или для того, как мы подходим к обучению в наших университетах?

Есть три особенности методологии, используемой в этом проекте, которые я хочу выделить и порекомендовать.

Во-первых, это признание того, что прошлое может многое рассказать нам о будущем.

Это то, что я всегда считал чрезвычайно ценным. Например, когда я начал мою работу по реформе образования в провинции Пенджаб в Пакистане, я первым делом прочитал об истории страны, чтобы понять происхождение и контекст проблем, которые мы собирались решить. снасти. Точно так же, когда дело доходит до прогнозирования будущего рабочих мест, разумно признать, что изменения в сфере занятости исторически происходили медленно и что опасения по поводу безработицы, вызванной технологиями, — не новое явление.

Во-вторых, серьезное внимание уделяется каталогизации широкого набора тенденций, которые будут формировать будущий спрос на навыки.

Помимо технологических изменений и автоматизации, мы обозначили такие тенденции, как демографические изменения, глобализация, изменение климата, урбанизация и политическая неопределенность. Эта полнота, в свою очередь, позволяет нам следить за тем, как будут взаимодействовать тенденции. Например, изменит ли стареющее общество набор профессий в пользу задач, менее поддающихся автоматизации, — например, человеческого сочувствия и заботы?

Мы уже провели два форсайт-упражнения, в которых экспертов пригласили применить исторические данные вместе с каталогом тенденций, чтобы предсказать будущий спрос на профессии в том виде, в каком они определены в настоящее время.

Это позволяет реализовать третью функцию, которой я восхищаюсь:

Этот анализ привязан к данным, что позволяет генерировать количественные прогнозы.

Мне кажется, что что-то подобное этому упражнению необходимо развивать, расширять, а используемые методы - предметом большего количества экспериментов и испытаний. На ум приходят и другие интригующие возможности. Может ли что-то подобное быть институционализировано как упражнение раз в два года, повторяющееся сканирование будущего и информированная оценка того, насколько хорошо образование должно подготовить студентов к этому? Или как можно связать прогнозирование с другими наборами данных, такими как данные ОЭСР об учебных достижениях 15-летних в более чем 70 странах, чтобы составить представление о разрыве между текущими достижениями учащихся и тем, что необходимо в будущем?

Я надеюсь, что понимание, которое раскрывает этот проект, поможет в этом — что не менее важно, я надеюсь, что его подход — как — может быть развит, обновлен и в конечном итоге станет постоянной функцией того, что должно делать любое хорошее правительство: мудро план на будущее.

Узнайте больше об этом проекте.