Τα Ανώτατα Εκπαιδευτικά Ιδρύματα (ΑΕΙ) αντιμέτωπα με νέες προκλήσεις που φέρνουν οι αλλαγές στην εκπαίδευση και την έρευνα έχουν προσανατολιστεί στην εκπόνηση στρατηγικών σχεδίων τα οποία αποτελούν τον οδικό τους χάρτη για το μέλλον. Ο στρατηγικός σχεδιασμός των ΑΕΙ περιλαμβάνει δράσεις για τη βελτίωση της έρευνας και της εκπαίδευσης, τη διεθνοποίηση, τις υποδομές και τη διασφάλιση ποιότητας. Πιστεύω ότι τα επόμενα χρόνια το τοπίο της ανώτατης εκπαίδευσης θα μπορούσε να υποστεί μια μεγάλη μεταμόρφωση, με καταλύτη τον βαθμό ενσωμάτωσης της τεχνητής νοημοσύνης (ΤΝ) στις βασικές λειτουργίες των ακαδημαϊκών ιδρυμάτων. Αν και η αξία της ΤΝ ως εργαλείο για τη διδασκαλία είναι ήδη εμφανής από την καθημερινή της χρήση, η πραγματική αλλαγή θα έρθει από την αξιοποίησή της ως ένα βασικό εργαλείο του στρατηγικού σχεδιασμού και της αξιολόγησης των Ιδρυμάτων επιτρέποντας στις διοικήσεις τους να υιοθετήσουν αποφάσεις τεκμηριωμένες από δεδομένα. Αυτή η αλλαγή παραδείγματος μπορεί να προέλθει από τη δυνατότητα της ΤΝ να αναλύει σύνθετα, μεγάλης κλίμακας δεδομένα, να παράγει προβλέψεις με μεγάλη ακρίβεια και να προσομοιώνει τις επιπτώσεις στρατηγικών επιλογών. Ετσι τα πανεπιστήμια μπορούν να βελτιώσουν τις επιδόσεις τους στην έρευνα, την εκπαίδευση και την κατανομή πόρων διασφαλίζοντας παράλληλα ότι τα προγράμματα σπουδών τους ανταποκρίνονται στις μελλοντικές ανάγκες της αγοράς. Αρχικά, πρέπει να γίνει κατανοητό ότι κάθε μοντέλο ΤΝ χρειάζεται δεδομένα για να εκπαιδευτεί και να παράγει ακριβή αποτελέσματα. Τα προγνωστικά μοντέλα που αξιοποιούν την ΤΝ μπορούν να αναλύσουν ιστορικά δεδομένα, τάσεις της αγοράς και τη συμπεριφορά των φοιτητών, υποστηρίζοντας κρίσιμες στρατηγικές αποφάσεις σε τομείς όπως: 

Εντοπισμός ερευνητικών τάσεων:  

Ενα πεδίο της ΤΝ που γνωρίζει μεγάλη άνθηση είναι τα μοντέλα επεξεργασίας φυσικής γλώσσας (Natural Language Processing ή NLP). Με χρήση NLP, η ΤΝ μπορεί να αναλύσει δημοσιεύσεις κορυφαίων περιοδικών ή προκηρύξεις χρηματοδότησης στα ερευνητικά πεδία κάθε Ιδρύματος. Αυτό βοηθά τα ιδρύματα να ευθυγραμμίσουν στρατηγικά τις δραστηριότητές τους με διεθνείς ερευνητικές προτεραιότητες αιχμής. 

Ανάπτυξη-βελτίωση προγραμμάτων σπουδών: 

Η ΤΝ αναλύει δεδομένα από την αγορά εργασίας και την ακαδημαϊκή επίδοση των φοιτητών για να εντοπίσει πιθανά κενά δεξιοτήτων και να προτείνει νέα ή βελτιωμένα προγράμματα. Για παράδειγμα, η ανάλυση διεθνών τάσεων στην οικονομία και το επιχειρείν, όπως το FinTech, το Supply Chain Analytics ή το Digital Marketing, μπορεί να διασφαλίσει ότι το ακαδημαϊκό πτυχίο παραμένει επίκαιρο και ανταγωνιστικό, επιτρέποντας τη γρήγορη εισαγωγή νέων μαθημάτων ή εξειδικεύσεων, που εφοδιάζουν τους αποφοίτους με τις πιο σύγχρονες και περιζήτητες δεξιότητες. 

Προβλέψεις εγγραφών σε εξειδικευμένα προγράμματα σπουδών:  

Η ΤΝ μπορεί να προβλέψει τη ζήτηση για εξειδικευμένα μεταπτυχιακά ή διδακτορικά προγράμματα υψηλής αξίας, επιτρέποντας στα ιδρύματα να κατανέμουν καλύτερα τους ανθρώπινους ή υλικούς πόρους τους και να λαμβάνουν στρατηγικές αποφάσεις για τη μελλοντική τους ανάπτυξη. Διασφάλιση της φοιτητικής επιτυχίας: Ενας κρίσιμος παράγοντας για την επιτυχή ολοκλήρωση των προπτυχιακών σπουδών είναι η παραμονή των φοιτητών στις σπουδές τους μετά το πρώτο έτος. Μοντέλα ΤΝ μπορούν να προβλέψουν την πιθανότητα εγκατάλειψης, επιτρέποντας τον στρατηγικό σχεδιασμό κατάλληλων υπηρεσιών υποστήριξης. Ετσι, ένα ίδρυμα μπορεί να προσφέρει σημαντική υπηρεσία στους φοιτητές με την έγκαιρη και στοχευμένη υποστήριξη αυτών που διατρέχουν κίνδυνο εγκατάλειψης των σπουδών τους. 

Χαρτογράφηση του δικτύου αποφοίτων:  

Η ΤΝ μπορεί να αναλύσει τις επαγγελματικές διαδρομές των αποφοίτων για να εντοπίσει αναδυόμενους κλάδους. Αυτή η γνώση είναι στρατηγικής σημασίας για τα γραφεία διασύνδεσης και τη δημιουργία συνεργασιών με τη βιομηχανία. Στρατηγικός στόχος κάθε ιδρύματος είναι η αποδοτική λειτουργία. Η ΤΝ μπορεί να αυτοματοποιήσει διαδικασίες και να βελτιώσει τη χρήση των πόρων, απελευθερώνοντας το προσωπικό για να επικεντρωθεί σε ρόλους υψηλής προστιθέμενης αξίας. Μερικά παραδείγματα βέλτιστης κατανομής πόρων περιλαμβάνουν: 

Εξατομικευμένη Υποστήριξη Φοιτητών σε Μεγάλη Κλίμακα: Chatbots και ψηφιακοί βοηθοί με ΤΝ μπορούν να διαχειρίζονται μεγάλο όγκο καθημερινών ερωτήσεων (δηλώσεις μαθημάτων ή εξεταστικών περιόδων, προθεσμίες), κάτι κρίσιμο για ένα ίδρυμα με περιορισμένο προσωπικό. 

Βελτιστοποίηση Χρήσης Υποδομών: Η ΤΝ μπορεί να αναλύσει τη ζήτηση αιθουσών διδασκαλίας ή τη ζήτηση για ειδικούς χώρους, όπως εργαστήρια ή αίθουσες σεμιναρίων, βελτιώνοντας τη διαχείριση του ωρολογίου προγράμματος και τη χρήση των κτιριακών εγκαταστάσεων. Δεδομένου ότι οι δημόσιοι πόροι των ελληνικών πανεπιστημίων είναι περιορισμένοι, η διεθνοποίηση μέσω της προσέλκυσης ξένων φοιτητών αποτελεί μια σημαντική ευκαιρία. Η απόφαση αυτή συνεπάγεται απαραίτητα την προσαρμογή του ιδρύματος και απαιτεί επένδυση πόρων. Εδώ, οι αλγόριθμοι βελτιστοποίησης της ΤΝ μπορούν να επεξεργαστούν τους οικονομικούς, ανθρώπινους και υλικούς περιορισμούς και να προτείνουν την πιο αποδοτική κατανομή που μεγιστοποιεί το αποτέλεσμα. Μετά την υιοθέτηση ενός στρατηγικού σχεδίου, η ΤΝ μπορεί προσφέρει συνεχή και λεπτομερή ανατροφοδότηση, απαραίτητη για την παρακολούθηση και την προσαρμογή του. Για παράδειγμα, στην αξιολόγηση της διδασκαλίας των μαθημάτων, η ΤΝ μπορεί να αναλύσει σχόλια φοιτητών, βαθμολογίες μαθημάτων και υλικό διδασκαλίας ώστε να εντοπίσει αποτελεσματικές μεθόδους διδασκαλίας σε σύνθετα γνωστικά αντικείμενα συμβάλλοντας στη βελτίωση της εκπαιδευτικής ποιότητας. Ανάλογη βοήθεια μπορούμε να έχουμε στην ανάλυση της ποιότητας της έρευνας: Τα βιβλιομετρικά μοντέλα είναι στατιστικά μοντέλα με τα οποία μπορούμε να διακρίνουμε μοτίβα στις ακαδημαϊκές δημοσιεύσεις και στη συνεργασία μεταξύ των επιστημόνων. Βασίζονται σε βιβλιομετρικά δεδομένα και με αυτά η ΤΝ μπορεί να αξιολογήσει την ποιότητα και επιρροή των ερευνητικών δημοσιεύσεων ενός Ιδρύματος σε συγκεκριμένα, υψηλής αξίας επιστημονικά πεδία, παρέχοντας μια πιο ουσιαστική μέτρηση από το απλό πλήθος των δημοσιεύσεων. Ας τελειώσουμε, ωστόσο, με μια μικρή προειδοποίηση. Η υιοθέτηση της ΤΝ πρέπει να διέπεται από ισχυρά ηθικά και διοικητικά πλαίσια. Η συλλογή και επεξεργασία προσωπικών δεδομένων των φοιτητών, όπως οι βαθμολογίες ή τα δημογραφικά στοιχεία, καθιστά επιτακτική την ύπαρξη ασφαλών και διαφανών διαδικασιών διαχείρισης. Επιπλέον, επειδή η ΤΝ εκπαιδεύεται σε ιστορικά δεδομένα, υπάρχει ο κίνδυνος να αναπαράγει παλαιότερες προκαταλήψεις, οδηγώντας σε ανακριβείς προβλέψεις. Τα πανεπιστήμια οφείλουν να θεσπίσουν από νωρίς σαφείς πολιτικές και μηχανισμούς ελέγχου που θα διασφαλίζουν την υπεύθυνη, δίκαιη και διαφανή χρήση της τεχνολογίας. 

* Ο Βασίλης Βασδέκης είναι Πρύτανης του Οικονομικού Πανεπιστημίου Αθηνών