Лаборатория онлайн-обучения

4. ИИ может помогать учиться, но может и подменять самостоятельное мышление.

По всем известной таксономии Блума легко заметить, что ИИ способен помогать обучающемуся на всех её уровнях: от запоминания и понимания до применения, анализа, оценки и создания.

Но какие интеллектуальные действия должен совершить сам обучающийся, чтобы мы могли говорить о достижении образовательного результата?

Дело в том, что современные нейросети позволяют делегировать не только поиск правильного ответа, но и значительную часть рассуждений, которые необходимы для получения такого образовательного результата.

И если раньше мы хотя бы пытались разобраться в готовом решении, то теперь у обучающегося появляется возможность вообще не погружаться в логику выполнения задачи.

Причём хочется отметить, что проблема заключается не столько в самом использовании ИИ, сколько в том, какую роль мы ему отводим.

Одно дело, когда нейросеть задаёт наводящие вопросы, помогает обнаружить ошибку, предлагает альтернативные объяснения, стимулирует самостоятельный поиск решения и т.д.

И совсем другое, когда обучающийся получает готовый результат, не совершив тех интеллектуальных действий, ради которых, собственно, и проектировалось задание.

Кстати, здесь любопытны результаты исследования NBER, опубликованного в августе 2026 года.

Учёные изучали использование ИИ-тьютора Khanmigo при обучении математике в 18 школах. Применение инструмента сопровождалось улучшением образовательных результатов, однако величина эффекта оказалась сопоставимой с результатами обычной практики на Khan Academy без ИИ-помощника, полученными в других исследованиях.
Авторы также обнаружили, что, несмотря на доступность ИИ-тьютора, обучающиеся сравнительно редко вступали с ним в содержательный математический диалог.

И здесь мы возвращаемся к тому противоречию, с которого я начал.

Мы научились делать обучение удобнее, но само по себе повышение удобства ещё не означает повышения эффективности обучения.

Само собой, многие трудности действительно стоит устранять, особенно если они никак не связаны с достижением образовательных результатов.

Просто всё более интересным становится то, как отличить трудности, которые мешают обучающемуся учиться, от тех, преодоление которых и составляет сам процесс обучения.

Например, прежде чем нам добавить в тренажёр очередную подсказку или автоматизировать выполнение задания стоит задуматься о том, что именно мы облегчаем обучающемуся, избавляем его от ненужной рутины или выполняем за него ту мыслительную работу, ради которой создавалось задание.

Коллеги, а как вы считаете, не слишком ли мы увлеклись упрощением обучения? И где, на ваш взгляд, проходит граница между полезной поддержкой обучающегося и устранением тех интеллектуальных усилий, которые необходимы для достижения образовательного результата?

Не делаем ли мы обучение слишком «удобным»?

В последнее время мы довольно много обсуждаем пользу искусственного интеллекта для обучения. И меня в этих дискуссиях прежде всего интересует то, как ИИ влияет на достижение образовательных результатов обучающихся.

Мы много говорим о персонализации обучения. Достаточно вспомнить Khan Academy с её ИИ-тьютором Khanmigo, Coursera с интеллектуальным помощником Coach и другие образовательные платформы, которые используют искусственный интеллект для индивидуальной поддержки обучающихся.

Но есть и другая сторона вопроса, о которой мне хочется порассуждать 💭

Когда мы с командами разрабатываем собственные образовательные продукты по педагогическому дизайну, андрагогике и другим направлениям, то стремимся сделать обучение максимально удобным. Например, сокращаем материалы, упрощаем объяснения, добавляем подсказки. В последних тренажёрах даже автоматизировали некоторые учебные действия. Иногда предлагаем обучающимся использовать ИИ для выполнения различных задач.

Но порой задаёшься вопросом о том, а не устраняем ли мы вместе с лишними трудностями те самые интеллектуальные усилия, благодаря которым человек учится?

Дело в том, что я наблюдаю довольно интересное педагогическое противоречие.

С одной стороны, обучение должно быть доступным и понятным, а с другой — трудным.

В подтверждение данного противоречия хочется поделиться с вами четырьмя тезисами 👇🏼

1. Комфорт не всегда равен эффективности.

Если обучающемуся всё понятно во время просмотра лекции, это ещё не означает, что он сможет самостоятельно воспроизвести полученные знания и уж тем более применить их на практике.

Представим бизнес-тренера, который прошёл курс по управлению групповой динамикой.

Он посмотрел лекции, разобрал практические кейсы, успешно выполнил все задания. Но можем ли мы утверждать, что теперь он способен эффективно управлять групповой динамикой в реальной аудитории?

Разумеется, нет.

Для этого ему потребуется самостоятельная практика, работа с непредсказуемыми ситуациями, анализ собственных ошибок и многие другие действия.

Иными словами, субъективное ощущение лёгкости обучения ещё ничего не говорит нам о том, насколько устойчивым будет образовательный результат.

2. Некоторые трудности полезны.

Для данного тезиса я бы вспомнил концепцию «желательных трудностей» (Desirable Difficulties) Роберта Бьорка.

Основная идея заключается в том, что определённые трудности в процессе обучения способны улучшать долговременное запоминание и последующее применение знаний.

Например, самостоятельное извлечение информации из памяти или распределённая практика могут быть эффективнее простого повторного прочтения материала.

То есть обучающийся не всегда должен легко и быстро справляться с заданиями. Иногда именно необходимость приложить дополнительные интеллектуальные усилия способствует более прочному усвоению материала.

3. Сложность ради сложности вредна.

Много было научных работ, подтверждающих данный тезис. Например, исследования когнитивной нагрузки Джона Свеллера, исследования Ричарда Мейера и Роксаны Морено в области мультимедийного обучения и т.д.

Ведь если мы перегружаем рабочую память обучающегося, заставляем его разбираться в запутанных инструкциях, предъявляем сложный материал без необходимых предварительных знаний и т.д., то можем получить обратный эффект.

Например, в своей книге «Multimedia Learning» (3-е издание, 2020) Ричард Мейер посвятил отдельную главу принципу предварительного обучения (Pre-training Principle).

Суть этого принципа заключается в том, что предварительное знакомство с названиями и характеристиками ключевых компонентов изучаемой системы помогает обучающимся лучше понимать последующий сложный мультимедийный материал.

Поэтому задача педагогического дизайнера — не сделать обучение искусственно сложным, а отличить продуктивные интеллектуальные усилия от избыточной когнитивной нагрузки.

Достоевский, адмирал Чаинский и немного ИИ

Жена очень любит читать.

Недавно она завершила «Униженных и оскорблённых» Фёдора Михайловича Достоевского.

Я случайно узнал про одну её читательскую привычку, которая меня очень удивила.

Оказывается, когда она встречает в книге незнакомое слово или выражение, смысл которого не совсем понятен, она оставляет закладку. А потом возвращается к этому месту и отдельно разбирается, что именно имелось в виду.

Например, в «Униженных и оскорблённых» есть прекрасное выражение «вздушить адмирала Чаинского».

А означает оно всего лишь — выпить чаю 😀

На подобных местах у жены и появляются закладки в книгах.

На днях Алиночка пишет мне о том, что в «Яндекс Книгах» появилась функция «Люмен», которая, по сути, помогает делать всё это прямо во время чтения.

Можно выделить непонятное слово, фразу или целый отрывок и нажать «Объяснить». После этого открывается чат с ИИ-компаньоном, куда сразу попадает выделенный фрагмент и ты получаешь объяснение.

Здорово, что Яндекс реально работает с пользовательским опытом.

Мне кажется, что именно в подобных мелочах хорошо видно, каким может быть действительно полезное применение ИИ.

Согласны, коллеги?

Почему каждый считает свою работу самой важной?

Коллеги, думаю многим из вас знакома ситуация ниже👇🏼

Совещание на образовательном проекте

Разработчик платформы уверен, что без него всё технически развалится. Маркетолог — что без продвижения никто вообще не узнает о существовании образовательного продукта. Продакт считает, что для начала неплохо бы понять, нужен ли вообще продукт ЦА. А педагогический дизайнер спокойно смотрит на коллег и думает: «Чудесно, ребята. А учить то чему будем?».

Самое интересное, что каждый из коллег на совещании в определённой степени прав.

💭 Недавно задумался, почему вообще на проектах возникает ситуация, когда каждый считает, что его работа — самая важная на образовательном проекте. И если просто, но научно ответить на данный вопрос, то многое связано с особенностями человеческого восприятия.

Теперь обо всё по порядку.

Причина №1
Дело в том, что мы гораздо эффективнее видим сложность собственной работы.

Мы знаем, сколько решений пришлось принять, сколько ошибок предотвратить, сколько ограничений учесть и т.д., прежде чем появился итоговый результат.

А работу коллеги чаще всего видим уже в довольно свёрнутом виде.

Условно:
• Разработчик «написал код».
• Дизайнер «нарисовал макет».
• Маркетолог «запустил рекламу».
• Педагогический дизайнер «подготовил занятие».

То есть смотрите, что происходит.

Мы сравниваем внутреннюю сложность собственной работы с внешним результатом чужой.

Вполне логично, что при данном сравнении собственный вклад начинает казаться значительнее. Особенно, если не учитывать того, какие объёмы работ скрыты «за занавесом».

Причина №2
Когда специалист много лет развивает определённую компетенцию, он начинает смотреть на проект в том числе через неё. Для разработчика проект состоит из архитектуры, интеграций, технических ограничений и т.д. Для маркетолога — из каналов привлечения, конверсий, стоимости лида и т.д. Для педагогического дизайнера — из целей обучения, содержания, учебных активностей, средств оценки т.д.

Получается, что каждый специалист в определённой степени смотрит на один и тот же проект через собственную профессиональную оптику. При этом логично игнорируется оптика другого коллеги.

Причина №3
У разных специалистов разные KPI и зоны ответственности.

Например, разработчик отвечает за стабильность и скорость работы платформы. Маркетолог — за стоимость привлечения и количество клиентов. Педагогический дизайнер — за доходимость до конца обучения и образовательный результат.

Но на проекте может возникнуть интересная подмена.

Специалист начинает воспринимать успех своей части работы как успех всего проекта.

Таким образом, локальный успех ещё не означает успех проекта в целом.

☁️ Поэтому, на мой взгляд, сам вопрос «чья работа на проекте важнее?» не особо интересен.

Гораздо полезнее поставить его иначе:

Что именно в данный момент сильнее всего ограничивает движение к результатам проекта?

В какой-то момент я и сам начал всё чаще задавать данный вопрос себе.

И заметил то, что многие проблемы образовательных команд удаётся предотвратить ещё до того, как они превращаются в конфликты или какие-то бесконечные переделки.

Когда:
• заранее понятно, кто и за какой результат отвечает.
• участники видят зависимости между своими задачами.
• у команды есть общие критерии результата и приоритеты.

Когда член команды понимает, как его решение повлияет на работу коллег на следующем этапе!

То есть управлять проектом — во многом значит уметь видеть систему целиком и помогать команде видеть её вместе с тобой 🙌🏼

Во многом поэтому я и собрал курс «Управление образовательными проектами: основы».

В нём я систематизировал инструменты, которые помогают выстроить эту систему на практике.

Как говорится, просто рекомендую к 👉🏼 прохождению.

Метакогнитивные навыки против AI-агентов

В ходе тестирования возможностей GPT в образовательных целях я пришёл к мысли, что мне становится всё менее интересно, что именно находится «под капотом» нейросети.

Намного интереснее наблюдать за тем, какие оптики и уровни мышления использует специалист, который с нейросетью работает, чтобы формировать то, что находится «под капотом» нейросети.

Небольшой пример по тому, что я имею ввиду.

💭 Совсем недавно я создал в GPT учебный тренажёр по работе с заказчиком.

Во время разработки я стал замечать, как постоянно переключаюсь между разными профессиональными оптиками.

Например, когда разрабатывал промт, смотрел на задачу как промт-инженер. Когда переходил к содержанию — как методист. Когда проектировал будущий путь обучающегося — как педагогический дизайнер. Когда начал проходить тренажёр сам — уже как студент.

Но самое интересное произошло именно во время обучения.

Я обнаружил, что мне периодически приходится с помощью рефлексии выходить из роли студента и переключаться в другую профессиональную оптику, чтобы оценить уже не собственный ответ, а эффективность самого тренажёра.

Например, как студент я выполняю задание по формулированию продуктовых гипотез. В какой-то момент понимаю, что мне не хватает ощущения прогресса. После этого переключаюсь в оптику методиста и начинаю думать, какой элемент сопровождения стоит добавить. Затем перехожу в оптику промт-инженера и меняю логику работы GPT.

В упрощённом виде одно из подобных переключений выглядело примерно так:
студент → методист → промт-инженер → снова студент.

Именно благодаря подобным переключениям по ходу собственного обучения я несколько раз изменил образовательную траекторию тренажёра, добавил шкалу прогресса, внедрил систему конспектирования, поменял примеры для объяснения, внедрил скаффолдинг и т.д.

Причём когнитивная нагрузка в отдельные моменты была весьма высокой. Ведь мне нужно было решать поставленную учебную задачу и одновременно отслеживать сам процесс обучения. Получается, что рефлексия шла сразу на нескольких уровнях: насколько хорошо я усваиваю материал, насколько корректно GPT меня обучает, подходят ли выбранные методы и соответствует ли содержание первоначальным учебным целям.

По своему устройству это скорее похоже не на классическую многозадачность с несколькими независимыми задачами, а на переключение между уровнями анализа одной и той же системы.

В данном процессе мне видится особенно интересный навык — метакогнитивная регуляция собственной работы.

Кстати, после этой мысли у меня возник ещё один вопрос про AI-агентов, который хотел бы вам задать в конце поста 👇🏼

Теоретически я мог бы создать отдельного агента-методиста, агента-педагогического дизайнера и агента-промт-инженера. Более того, можно было бы создать отдельного агента, который координировал бы их работу.

Но тогда возникла бы другая задача — спроектировать саму архитектуру взаимодействия между всеми этими агентами. Нужно было бы определить, в какой момент должен подключаться методист, когда требуется взгляд педагогического дизайнера, какие результаты одной роли должны передаваться другой, по каким критериям разрешать противоречия между их решениями, как проверять итоговую согласованность и т.д.

Но проблема ведь всё равно никуда не исчезает.

Поэтому хотелось бы в очередной раз подчеркнуть ценность профессионального опыта человека. Именно он позволяет связать несколько оптик в одну систему и понять, когда вывод одной профессиональной роли действительно должен повлиять на решение другой.

Коллеги, а как вы думаете, по мере развития AI-агентов способность человека переключаться между профессиональными оптиками будет становиться более важной или, наоборот, часть этой работы постепенно перейдёт к самим агентным системам ❓

Частные колледжи становятся новым большим рынком?

Продолжаем нашу рубрику про трансформацию образования.

Данная рубрика посвящена тому, каким я вижу изменения образовательной системы на разных её уровнях.

В последнее время изучаю аналитические отчёты по рынку EdTech и наблюдаю за несколькими образовательными нишами, которые сейчас начинают активно набирать обороты.

И, к моему большому удивлению, одной из них оказался рынок частных колледжей.

Последние данные показывают, что в 2025/26 учебном году на программах подготовки специалистов среднего звена в частных организациях обучалось около 575 тыс. студентов. Годом ранее — около 515 тыс.

Рост — почти 12% за год.

Сопоставимый федеральный мониторинг СПО показывает ещё более выраженную динамику: между мониторингами 2024 и 2025 годов численность студентов частного сектора выросла примерно на 15%, тогда как весь контингент СПО — примерно на 4%.

При этом количество частных организаций и филиалов увеличилось всего примерно на 2%.

Получается интересная картина

частных колледжей становится ненамного больше, зато сами колледжи становятся крупнее.

Если посмотреть на более длинный период, тенденция ещё заметнее.

За пять лет число студентов частного СПО выросло примерно на 80%, тогда как количество частных колледжей увеличивалось значительно медленнее.

Почему это происходит?

Во-первых, растёт сам спрос на СПО. В 2025 году приём на программы подготовки специалистов среднего звена достиг 1,1 млн человек.

Во-вторых, СПО всё чаще рассматривается как самостоятельная образовательная траектория, связанная с получением конкретной профессии и относительно быстрым выходом на рынок труда.

В-третьих, частные образовательные организации быстрее реагируют на спрос рынка труда и быстрее осваивают коммерчески востребованные направления — IT, digital, медицину, строительство и другие прикладные направления.

И ещё.

В СПО уже сформировался огромный рынок платного образования. В 2025/26 учебном году около 37% всех студентов СПО обучались за счёт физических или юридических лиц.

То есть фактически формируется рынок крупных образовательных операторов для компаний.

Теперь о вакансиях.

Если частные колледжи действительно продолжат масштабироваться, то может возникнуть спрос на следующих специалистов 👇🏼

1. Продакт-менеджеры.
2. Методисты и педагогические дизайнеры.
3. Специалисты по AI и автоматизации образовательных процессов.
4. Специалисты по образовательной аналитике.
5. Специалисты по работе с работодателями и карьерными траекториями
и так далее

Вполне возможно, что часть данных ролей будет называться иначе или объединяться внутри одной позиции. Но сама логика рынка, на мой взгляд, будет двигаться именно в сторону большей продуктовой, аналитической, технологической зрелости команд.

Друзья, выпустил свою первую книгу «Андрагогика для практиков» 🎉

О всех подробностях рассказал на видео.

p.s. дайте знать на этом посте реакциями, если ждёте книжечку

🎓 Одна образовательная метрика
и три разные проблемы

На прошлой неделе побывал на полезной встрече от School Of Education, где обсуждались образовательные метрики.

В какой-то момент речь зашла о том, почему на одну и ту же образовательную метрику важно смотреть с позиции продакта, педагогического дизайнера, методиста, преподавателя и других участников команды.

Решил поделиться своим ответом ниже 👇🏼

Дело в том, что одна и та же цифра может указывать на разные проблемы в зависимости от профессиональной оптики специалиста.

Возьмём простой пример.

До конца курса доходят только 38% студентов второго курса онлайн-школы «Математика для всех».

Что может увидеть продакт? Верно, проблему с retention.

А педагогический дизайнер или методист? Правильно, предположить, что причина связана с ростом когнитивной нагрузки.

Преподаватель, в свою очередь, может заметить, что на третьей неделе начинается регрессионный анализ, с которым значительная часть студентов не справляется из-за слабого владения базовой алгеброй.

Получается одна метрика и сразу несколько гипотез.

Самое интересное— они все могут потенциально оказаться верными.

Например, недостаток базовых знаний может увеличивать когнитивную нагрузку при изучении регрессионного анализа. Из-за этого студенты начинают хуже выполнять задания, чаще пропускают занятия, реже возвращаются к обучению и в конечном счёте часть из них прекращает проходить учебный курс.

В данном случае продакт, педагогический дизайнер и преподаватель фактически описывают разные уровни одной причинной цепочки. И это действительно ценно.

Причём мне кажется, что сам процесс работы с метриками должен быть заранее организован.

То есть до их обсуждения полезно определить, какие специалисты участвуют в анализе конкретного показателя, какую часть образовательного процесса каждый из них способен диагностировать и за какие решения отвечает. Только после этого каждый участник команды может сформулировать гипотезу и аргументировать её.

Но возникает ещё один важный момент.

Наличие нескольких позиций не означает, что каждый специалист может самостоятельно менять образовательный процесс в пределах своей гипотезы.

Допустим, преподаватель видит, что студентам тяжело даётся конкретная тема, и предлагает добавить ещё три занятия. С педагогической точки зрения решение может выглядеть вполне обоснованным (тем более учитывая тот факт, что преподаватель довольно хорошо знает своих студентов и их уровень знаний).

При этом увеличение количества занятий изменит продолжительность курса, нагрузку студентов, образовательный путь, и, в конечном счёте, экономику образовательного продукта.

Поэтому локально разумное решение может создать проблему на уровне всей системы.

Поэтому важно не только организовать процесс обсуждения метрик, но и определить кто отвечает за итоговое решение.

При этом я бы разделял владельца метрики и владельца решения.

Например, продакт может отвечать за retention, но это ещё не означает, что он единолично определяет структуру образовательной программы. Точно так же преподаватель, обладающий пониманием затруднений студентов, не должен самостоятельно менять образовательный путь, если изменение затрагивает другие части образовательного продукта.

То есть суть в том, что в спорных ситуациях решение требует, безусловно, совместной проработки, однако финальное решение всё равно должно быть закреплена за конкретным членом команды.

Поэтому перед работой с образовательными метриками я бы рекомендовал заранее определить как минимум четыре вещи.

1. Кто отвечает за саму метрику.
2. Кто участвует в диагностике и формулирует гипотезы.
3. Какими учебными данными эти гипотезы будут проверяться.
4. Кто принимает решение об изменениях в конкретной части образовательного продукта.

Тогда междисциплинарность в обсуждениях метрик действительно начинает работать 🙌🏼

Коллеги, а кто в вашей команде принимает финальное решение, если продакт, методист и преподаватель по-разному объясняют одну и ту же метрику?

Коллеги, поздравляю вас с Днём знаний 🎉

Для всех, кто работает в образовании, этот день значит гораздо больше, чем просто школьные линейки. Это ведь старт нового сезона после летнего отдыха.

Через пару недель начнётся настоящий шторм:
- новые запуски,
- горящие дедлайны,
- постоянные согласования с заказчиками,
- коммуникации с командами и так далее по списку.

Но так не хочется, чтобы в этом учебном году вы снова «тушили пожары» и выгорали уже к ноябрю.

Поэтому в честь Дня знаний я делаю вам самый практичный подарок:

скидку 20% на курс «Управление образовательными проектами: основы», тариф «Фундаментальный».

Те, кто уже ранее приобрёл курс, уже пользуются знаниями на реальных образовательных проектах — без ощущений, что проект управляет ими.

А на рынке труда такие знания ой как востребованы!

Внутри всё, что нужно, чтобы превратить хаос в систему 👇🏼

• 8 учебных модулей с реальными инструментами (от проектного брифа до матрицы-RACI).
• Тренажёр на сквозном кейсе для спокойной и рефлексивной практики.
• Библиотека шаблонов, чтобы вы не изобретали велосипед по тому, как управлять образовательным проектом.

🎉 Только в честь 1 сентября

Скидка 20% (3000 руб.)
действует всего 48 часов (до 10:00 мск 3 сентября).

Далее стоимость вернётся к постоянному значению.

Войдите в новый учебный год с готовой системой управления образовательными проектами.

Узнать подробности и забрать курс со скидкой 👉🏻 https://osipov-education.ru/project_management_course

Пусть этот сезон будет продуктивным и без авралов!
Всех с образовательным праздником!

Зачем вузу карьерные центры, если работодатели используют ИИ?

В последнее время я всё чаще наблюдаю, как при вузах открываются новые карьерные центры. Это видно в том числе по количеству вакансий. По моим наблюдениям, за последний год их стало примерно на 10–15% больше.

Но дело в том, что работодатели постепенно встраивают искусственный интеллект в подбор сотрудников, а последствия этого процесса для карьерных центров пока обсуждаются значительно реже.

Ниже несколько примеров таких изменений.

1️⃣ Раньше карьерный центр во многом выполнял функцию доступа к студенческой аудитории. Работодателю нужно было прийти в университет, разместить вакансию, договориться о мероприятии, принять участие в карьерной ярмарке и т.д.

Теперь значение данной функции постепенно снижается. Системы поиска кандидатов с помощью ИИ позволяют работодателям быстрее находить потенциальных сотрудников по цифровому следу, профессиональным платформам, базам данных, навыкам и другим параметрам.

2️⃣ Студента всё чаще сначала анализируют алгоритмы, а уже после этого его профиль попадает к человеку. Поэтому карьерному центру уже недостаточно учить студентов составлять хорошее резюме.
Важно понимать как проходить всю воронку трудоустройства, в том числе креативными способами.
Например, сопроводительное письмо «Готов с завтрашнего дня решать задачи вашей компании» может привлекать больше внимание нежели «Здравствуйте, заинтересовала ваша вакансия».

3️⃣ Диплом постепенно перестаёт быть достаточным подтверждением квалификации.
Работодатели всё активнее переходят к найму на основе навыков и оценивают кандидатов по отдельным компетенциям. LinkedIn, например, приводит данные, согласно которым 93% специалистов по подбору считают точную оценку навыков критически важной для повышения качества найма.

4️⃣ Навыки теперь нужно подтверждать уже на этапе первого отклика.
Указать в резюме «владею Python» недостаточно. Нужны проекты, кейсы, портфолио и т.д., которые подтверждают навык владения.

5️⃣ Студенты будут использовать ИИ для подготовки резюме, сопроводительных писем и т.д. А работодатели будут применять ИИ для анализа. Пока данную проблему никто не замечает, либо не хочет замечать и решать.

Поэтому, на мой взгляд, у карьерного центра будут работать слабее следующие показатели эффективности 👇🏼

- Количество размещённых вакансий.
- Количество заключённых соглашений с работодателями.
- Количество проведённых карьерных или профориентационных мероприятий.
- Количество участников карьерных или профориентационных мероприятий, а также общий охват студентов.
- Количество откликов на вакансии через платформу карьерного центра и т.д.

Короче говоря, нужно пересматривать систему KPI карьерного центра, опираясь на реалии рынка труда.