The post has been translated automatically. Original language: Russian
I recently got acquainted with the SITE Geneva project, an online university that develops an approach to education using artificial intelligence, personalization of learning, and an international academic network.
For me, it was interesting not so much from the point of view of “another online university”, but as an example of how the very logic of education is changing today. Increasingly, a university is not just about a campus, classrooms, and timetable. This is a digital environment where it is important for a student not only to get access to materials, but to move along a clear trajectory: to understand the goal, see progress, receive feedback and apply knowledge in practice.
After getting to know the SITE, I also attended a guest lecture on “How To Learn Languages More Effectively". The lecture was conducted by Dr. J. Martín Sampedro, a Spanish teacher with more than 10 years of experience, as well as a specialist in higher education and entrepreneurship.
At first glance, the topic of the lecture was quite applied: how adults can learn languages more effectively. But as the class progressed, I realized that many of the principles apply not only to languages. They explain well why some online education works and some doesn't.
Activity does not equal progress
One of the main thoughts of the lecture sounded very simple: activity is not progress.
We often confuse the feeling of being busy with real learning. For example, a person can open an app every day, watch videos, read grammar, save words, but still not be able to use language in a real situation.
This is a very familiar problem for online learning in general.
Access to the materials does not guarantee the result. You can buy a course, take several modules, watch lectures, and even take tests, but if knowledge doesn't translate into action, progress remains shallow.
I think this is an important challenge for all educational platforms: students need to not just “consume content”, but regularly do things that form a new skill.
Learning is a cycle, not a one—time action.
The presentation showed a useful language learning cycle.:
goal → incoming material → reproduction → practice → feedback → correction.
This is a very strong model.
First, a person must understand why they are learning a language. Not abstractly, “I want to speak freely,” but concretely: for example, “in 12 weeks, I want to be able to maintain a five-minute conversation about myself without a dictionary.”
Then you need the right material.: not too easy, but not too difficult either. Then it's important not just to learn the words, but to remember them without prompting. After that, talk or write. Then get feedback and adjust the approach.
If you remove at least one element, learning begins to stall.
In this, I saw a parallel with modern online education. A good educational system should help students go through the entire cycle, not just provide them with materials.
“I will find out” does not mean “I can use”
Another important point from the lecture is the difference between recognition and recall.
Recognition is when a person sees a word and thinks, “Yes, I know it.”
Recall is when a person can remember and use that word himself at the right moment.
There's a huge difference in learning.
Many students learn terms, formulas, models, concepts. But when you need to apply them in a project, presentation, work, or conversation, it turns out that the knowledge was passive.
This applies not only to languages. The same thing happens in business education, programming, marketing, management, and other fields.
Therefore, training should include not only reading and watching, but also regular playback: explain, write, apply, solve a problem, speak, assemble a project, get feedback.
Consistency is more important than intensity
I liked the principle: consistency > intensity.
You don't have to study for two hours every day. Sometimes 20 minutes of focused practice provides more than the occasional long session.
The lecture offered a simple structure: 10 minutes of active input, 5 minutes of recall review, and 5 minutes of micro-output — for example, short speech or written practice.
This also translates well to online education.
It is often difficult for students to keep up the pace. Work, family, fatigue, and other tasks are all competing for attention. Therefore, an educational platform should help a person maintain regularity, rather than relying solely on motivation.
Motivation is unstable. The system is more important than motivation.
AI is useful if you don't give it the learning process itself.
The role of artificial intelligence was discussed separately in the lecture.
I liked the idea: AI is a miracle tool for removing friction, but the cognitive load must stay with you.
That is, AI can be very useful, but only if a person does not shift the very process of thinking onto it.
Bad scenario: AI translates for you, writes for you, decides for you. As a result, it is not a human who learns, but an AI.
A good scenario is that you try it yourself first, then AI helps you check, explain the error, give feedback, adapt the material, or create a safe training environment.
In languages, this can be roleplay, text verification, explanation of the difference between constructions, adaptation of the article to the student's level.
In broader education, it can be a personal assistant that helps students better understand a topic, prepare for an assignment, see mistakes, and move on.
In my opinion, this is one of the most important issues for AI in education.: how to use artificial intelligence so that it enhances learning rather than replacing student effort.
Why is this important for the future of universities
After this lecture, I thought once again that a modern university should be more than just a place where lectures and tests are held.
It should be a system that helps the student.:
- Understand the purpose;
- follow a clear trajectory;
- receive regular feedback;
- turning passive knowledge into an active skill;
- See the progress;
- adapt the training to your level and goals;
- link education with career and real-world goals.
That's why it was interesting for me to look at SITE Geneva. Their approach is based around the idea of an AI-native university: online education, personalization, career support, gamification, and an international academic network.
At the same time, it is important to me that the value here is not in the word AI itself. Artificial intelligence is too often used as a marketing term today.
Value appears when AI helps to solve a specific educational problem: to keep the focus, select the material, give feedback, show gaps, help the student move from passive knowledge to real action.
What I took for myself
I have drawn several practical conclusions from this lecture.
First, training should start with a specific goal. “I want to know English” or “I want to get better" is too vague. We need a clear task for the next period.
Secondly, it is important to distinguish activity from progress. Watching, reading, and saving materials is not enough.
Third, knowledge must be translated into reproduction. If a person cannot explain or apply the material, then knowledge has not yet become a skill.
Fourth: regularity is more important than jerks. A little daily practice is often more effective than a few marathons.
Fifth, AI should be used as a feedback tool, not as a substitute for your own thinking.
It was a rewarding experience for me. On the one hand, I got to know SITE Geneva as an example of an international online university that tries to build education around AI and personalization. On the other hand, the lecture itself reminded that technologies work only when they have the right educational logic behind them.
In the future, it seems to me, the winners will not be those educational projects that simply add AI to the interface. And those who will be able to build a clear development cycle around the student: goal, action, feedback, adjustment and real progress.
Недавно я познакомился с проектом SITE Geneva — онлайн-университетом, который развивает подход к образованию с использованием искусственного интеллекта, персонализации обучения и международной академической сети.
Для меня это было интересно не столько с точки зрения “ещё одного онлайн-университета”, сколько как пример того, как сегодня меняется сама логика образования. Всё чаще университет — это не только кампус, аудитории и расписание. Это цифровая среда, где студенту важно не просто получить доступ к материалам, а двигаться по понятной траектории: понимать цель, видеть прогресс, получать обратную связь и применять знания на практике.
После знакомства с SITE я также прошёл гостевую лекцию “How To Learn Languages More Effectively”. Лекцию проводил Héctor J. Martín Sampedro — преподаватель испанского языка с более чем 10-летним опытом, а также специалист в сфере высшего образования и предпринимательства.
На первый взгляд тема лекции была достаточно прикладной: как взрослым людям эффективнее учить языки. Но по ходу занятия я поймал себя на мысли, что многие принципы относятся не только к языкам. Они хорошо объясняют, почему часть онлайн-образования работает, а часть — нет.
Активность не равна прогрессу
Одна из главных мыслей лекции звучала очень просто: activity is not progress.
Мы часто путаем ощущение занятости с реальным обучением. Например, человек может каждый день открывать приложение, смотреть видео, читать грамматику, сохранять слова, но при этом не уметь использовать язык в реальной ситуации.
Это очень знакомая проблема для онлайн-обучения в целом.
Доступ к материалам не гарантирует результат. Можно купить курс, пройти несколько модулей, посмотреть лекции и даже выполнить тесты, но если знания не переходят в действие, прогресс остаётся поверхностным.
Мне кажется, это важный вызов для всех образовательных платформ: студенту нужно не просто “потреблять контент”, а регулярно делать то, что формирует новый навык.
Обучение — это цикл, а не разовое действие
В презентации был показан полезный цикл изучения языка:
цель → входящий материал → воспроизведение → практика → обратная связь → корректировка.
Это очень сильная модель.
Сначала человек должен понять, зачем он учит язык. Не абстрактно “хочу свободно говорить”, а конкретно: например, “через 12 недель я хочу уметь поддерживать пятиминутный разговор о себе без словаря”.
Затем нужен подходящий материал: не слишком лёгкий, но и не слишком сложный. Потом важно не просто узнавать слова, а вспоминать их без подсказки. После этого — говорить или писать. Затем получить обратную связь и скорректировать подход.
Если убрать хотя бы один элемент, обучение начинает буксовать.
В этом я увидел параллель с современным онлайн-образованием. Хорошая образовательная система должна помогать студенту проходить весь цикл, а не только давать ему материалы.
“Я узнаю” — не значит “я могу использовать”
Ещё один важный момент из лекции — разница между recognition и recall.
Recognition — это когда человек видит слово и думает: “Да, я его знаю”.
Recall — это когда человек может сам вспомнить и использовать это слово в нужный момент.
В обучении это огромная разница.
Многие студенты узнают термины, формулы, модели, концепции. Но когда нужно применить их в проекте, презентации, работе или разговоре, оказывается, что знание было пассивным.
Это касается не только языков. То же самое происходит в бизнес-образовании, программировании, маркетинге, менеджменте и других сферах.
Поэтому обучение должно включать не только чтение и просмотр, но и регулярное воспроизведение: объяснить, написать, применить, решить задачу, выступить, собрать проект, получить обратную связь.
Консистентность важнее интенсивности
Мне понравился принцип: consistency > intensity.
Не обязательно учиться по два часа каждый день. Иногда 20 минут сфокусированной практики дают больше, чем редкие длинные занятия.
В лекции предлагалась простая структура: 10 минут активного input, 5 минут recall review и 5 минут micro-output — например, короткая речь или письменная практика.
Это тоже хорошо переносится на онлайн-образование.
Студентам часто сложно удерживать темп. Работа, семья, усталость, другие задачи — всё это конкурирует за внимание. Поэтому образовательная платформа должна помогать человеку сохранять регулярность, а не полагаться только на мотивацию.
Мотивация нестабильна. Система важнее мотивации.
AI полезен, если не отдавать ему сам процесс обучения
Отдельно в лекции обсуждалась роль искусственного интеллекта.
Мне понравилась мысль: AI is a miracle tool for removing friction, but the cognitive load must stay with you.
То есть AI может быть очень полезным, но только если человек не перекладывает на него сам процесс мышления.
Плохой сценарий: AI переводит за тебя, пишет за тебя, решает за тебя. В итоге учится не человек, а AI.
Хороший сценарий: сначала ты пытаешься сам, потом AI помогает проверить, объяснить ошибку, дать обратную связь, адаптировать материал или создать безопасную среду для тренировки.
В языках это может быть roleplay, проверка текста, объяснение разницы между конструкциями, адаптация статьи под уровень ученика.
В более широком образовании это может быть персональный помощник, который помогает студенту лучше понять тему, подготовиться к заданию, увидеть ошибки и двигаться дальше.
На мой взгляд, это один из самых важных вопросов для AI в образовании: как использовать искусственный интеллект так, чтобы он усиливал обучение, а не заменял усилие студента.
Почему это важно для будущего университетов
После этой лекции я ещё раз подумал о том, что современный университет должен быть не просто местом, где лежат лекции и тесты.
Он должен быть системой, которая помогает студенту:
- понять цель;
- двигаться по понятной траектории;
- получать регулярную обратную связь;
- превращать пассивное знание в активный навык;
- видеть прогресс;
- адаптировать обучение под свой уровень и цели;
- связывать образование с карьерой и реальными задачами.
Именно поэтому мне было интересно посмотреть на SITE Geneva. Их подход строится вокруг идеи AI-native university: онлайн-образование, персонализация, карьерное сопровождение, геймификация и международная академическая сеть.
При этом для меня важно, что ценность здесь не в самом слове AI. Сегодня искусственный интеллект используют как маркетинговый термин слишком часто.
Ценность появляется тогда, когда AI помогает решить конкретную образовательную проблему: удержать фокус, подобрать материал, дать обратную связь, показать пробелы, помочь студенту перейти от пассивного знания к реальному действию.
Что я забрал для себя
Из этой лекции я вынес несколько практических выводов.
Первое: обучение должно начинаться с конкретной цели. “Хочу знать английский” или “хочу стать лучше” — слишком размыто. Нужна понятная задача на ближайший период.
Второе: важно отличать активность от прогресса. Смотреть, читать и сохранять материалы недостаточно.
Третье: знание должно переходить в воспроизведение. Если человек не может объяснить или применить материал, значит, знание ещё не стало навыком.
Четвёртое: регулярность важнее рывков. Маленькая ежедневная практика часто эффективнее редких марафонов.
Пятое: AI стоит использовать как инструмент обратной связи, а не как замену собственному мышлению.
Для меня это был полезный опыт. С одной стороны, я познакомился с SITE Geneva как с примером международного онлайн-университета, который пробует строить образование вокруг AI и персонализации. С другой — сама лекция напомнила, что технологии работают только тогда, когда за ними стоит правильная образовательная логика.
В будущем, мне кажется, выигрывать будут не те образовательные проекты, которые просто добавят AI в интерфейс. А те, кто сможет построить вокруг студента понятный цикл развития: цель, действие, обратная связь, корректировка и реальный прогресс.
Share
