• “大拆分”将使传统学位课程让位于为企业提供的专注培训，涵盖软技能、核心技能、批判性思维或建立人脉的机会。
• 更短的课程、以投资回报为导向的职业选择，以及向终身学习的转变，将推动教育领域的新商业模式。
• 人与人之间的面对面交流以及人工智能，都将是未来教育不可或缺的组成部分。
Lynda Gratton与Andrew Scott合著的《百岁人生：长寿时代的生活与工作》一书提出了21世纪工作的三大特征。
首先，人们可能会活得更久，成为百岁老人将很快变得司空见惯。其次，组织的寿命将大幅缩短，因此长期雇佣将成为过去。第三，退休的概念将逐渐淡化，部分原因在于经济考量，部分则出于个人选择。
综合上述所有因素，不难看出人们可能需要花费数年时间学习与“去学习”，才能建立起可行的职业组合。但如果高等教育机构未能尽好教学职责，我们还有什么其他选择呢？
“大拆分”
从历史上看，教育提供的是一揽子模糊的培训，包括核心技能、软技能和批判性思维，同时还提供建立人脉的机会，并通过公认的资历向雇主证明我们的价值。然而，我们目前所见证的是教育的“大拆分”：不同的公司和社群正试图各自攫取这一整体中的一部分。例如，线上的Lambda School只专注于核心技能培养，使各种背景的人都能为计算机科学领域的职业做好准备。其收入分成协议（ISA）模式规定，学生在找到高薪工作之前无需支付学费，之后则需在两年内以其工资的17%进行偿还。如果学生在60个月内仍未找到工作，则免除学费。由此可见，Lambda高度专注于核心技能，而对价值证明、软技能、人脉建立以及传统教育的其他方面则关注较少。
重点领域的转变
教育的拆分带来了四大结构性转变：以投资回报率（ROI）为导向的职业选择、向终身学习的转变、课程时长缩短以及新的商业模式。
第一是以投资回报为导向的专业选择。在经济衰退以及我们当前所处的紧急情况之后，以投资回报为导向的职业决策通常会激增。在加州大学洛杉矶分校（UCLA）接受调查的学生中，高达80%的人表示，教育对他们而言是通往就业的手段。然而，只有50%的美国大学校长（相当于英国的校长职位）认同这一观点。显然，学生的需求与传统大学所提供的内容之间存在错位。
学生希望在较短时间内学习编程、营销和销售等实用技能。有人可能认为这种做法属于短期主义思维，终有一天会适得其反，但目前对这些技能的需求是不容否认的。
我们所见证的第二个转变是向终身学习的转变。传统模式是尽快完成所有教育，包括MBA/硕士课程，然后将所学应用于工作。如今，这一模式已不再适用。新的常态是，学习与进修将穿插于一个人的整个职业生涯之中。
这对创业者和投资者而言是一个巨大的机遇。寻求自我提升和终身学习的26至35岁人群，构成了中国最大的市场机会，远超中小学教育或应试辅导。尽管本次支出分析聚焦于中国，但其中许多结论也将适用于世界其他地区。
我们看到的第三个转变是，学生希望修读时长更短的课程。由于重视终身学习，学生们热衷于将学习分散到较短的时间段内进行。Make School该校设有线下校园，专注于项目式学习，提供两年制学士学位，就业率非常高。类似的例子还有很多。学生的逻辑是，如果他们需要多次返校学习，那么每个学习课程的时间就不应太长。人们希望让时间物有所值，并把握最新趋势。
最后，我们看到商业模式正在发生转变。收入分成协议的日益普及反映了态度的变化，学生不愿意预先一次性支付大笔费用。这不仅改变了学生融资市场，也迫使教育机构更加关注学生的成果，特别是其就业情况。
颠覆浪潮
教育的拆分将分多波引发颠覆。
第一波将包括直接关联就业前景的硬技能学习渠道，例如编程训练营、大规模开放在线课程（附带认证证书）以及纳米学位等。这些都是高套利机会，但迄今为止，很少有此类颠覆能够大规模成功。
人们选择接受高等教育的一个重要原因是为了建立人脉，而第二波颠覆很可能就出现在这一领域。以联合办公空间、加速器、私人网络、精选协会和同伴指导社群等形式出现的传统人脉建立方式的替代品，很可能成为另一个大规模颠覆的领域。
除硬技能和人脉之外，软技能很可能会迎来巨大的推动。未来几年，这一领域有望出现多项创新。那些行之有效的创新，很可能能够为学生和年轻专业人士展现切实的益处。人们或许不再需要进入大学来培养软技能或建立人脉。
在精英机构或组织中学习或工作，会向我们的人脉网络传递能力信号，同时也会提升我们的社会价值感知。第四波颠覆很可能是那些以会员身份、关联或隶属关系来传递同等或更高能力信号的组织的兴起。
这一颠覆性创新理论的著名学者克莱顿·克里斯坦森（Clayton Christensen）曾著名地预言，未来不久将有50%的大学倒闭。新冠疫情无疑使许多大学更接近崩溃。那些得以存续的机构将适应教育的大拆分，并融合21世纪学习的两个核心要素：人工智能与社群。
人工智能 + 社群 = 学习的未来
工业时代风格的19世纪教育模式，在教学资源极为有限的时代曾有其合理性。但人工智能可以借助感知、识别和推荐这三大核心特征，帮助我们克服此类限制，从而为学生创造个性化学习，并为教师腾出更多时间。
让我们尝试描绘一种由人工智能驱动的高等教育体验。它将在四个层面运作：虚拟教学、学习评估、实习与工作机会匹配，以及来自同伴和专家的指导。
设想Sally身处贝鲁特。她报读了一个远程学习项目，该项目汇聚了全球各地顶尖的数据科学教授，并颁发备受最炙手可热雇主青睐的学位。她在一个联合办公空间中听课。教室前方设有一台摄像机，利用面部识别和姿态分析不仅记录出勤情况，还判断Sally是否专心听讲。也许她身体不适，无法集中注意力。所有这些数据都会被录入她的学生档案，并为她生成定制作业。Sally在一位同伴导师的帮助下完成作业，该导师是根据她的学习需求与她匹配的。两人逐渐建立起友谊，随着时间推移，他们开始共同处理复杂的数据集。他们找到了优化一种算法的方法，而这一算法对该项目的一位赞助方极具价值。经过多轮往返讨论，他们决定为其方案申请专利，并各自独立推进自己的想法。Sally从全日制学位项目转入了一个为创业者设计的灵活兼职选项。
核心挑战
上述情景听起来或许颇具吸引力，但在短期内注定会失败。如今，无数由人工智能驱动的数字学习平台正在苦苦寻找客户。即便学生报名，也只有3%的人最终完成了课程要求。
事实上，密歇根大学的Susan Dynarski博士所发表的研究清楚地表明，虽然在线教育对成年学习者行之有效，但它可能会损害学业基础薄弱的学生，并影响概念性学习的质量。显然，由人工智能驱动的教育技术模式缺失了某些关键要素。这正是为什么迫切需要以社群的力量来补充基于人工智能的学习工具。这种方式将使我们对高等教育和技术的思考更具人文关怀。
无论我们的电子设备变得多么精密，要与闪亮而暗沉的屏幕产生共鸣都很困难。我们所有人都有归属、学习和分享的基本需求。我们需要有意义的社群，因为它们是力量倍增器。它们使学习变得有趣，并建立起同伴之间的问责机制，从而塑造学习文化。人工智能则能够实现大规模的个性化。
只有将人工智能与社群结合，高等教育才能切合实际，并为学生迎接第四次工业革命的挑战做好准备。好消息是，传统教育机构并非唯一能够提供这种定制化服务的主体。教育的拆分意味着如今有更多参与者在市场中展开竞争。这很可能使学习变得更加普惠，让那些并非特权阶层的人也能获得学习机会，而不再只属于那些有能力支付25万美元攻读高级学位的少数人。
