W skrócie
- Źródło
- Beane (2018). Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail. Administrative Science Quarterly, 64(1), 87–123. doi:10.1177/0001839217751692
- Jak je przeprowadzono
- Dwa badania: dwa lata obserwacji w pięciu szpitalach, z porównaniem chirurgii robotycznej i tradycyjnej, oraz wywiady w 13 czołowych szpitalach klinicznych. Studium przypadku. Dokładne przyjrzenie się jednej lub kilku organizacjom, na podstawie wywiadów i obserwacji.
- Kto brał udział
- Chirurdzy w trakcie szkolenia i chirurdzy w pięciu szpitalach oraz wywiady w 13 szpitalach klinicznych.
- Gdzie
- Szpitale w Stanach Zjednoczonych.
“The radically different practice of robotic surgery greatly limited trainees’ role in the work, making approved methods ineffective.” [Zupełnie inna praktyka chirurgii robotycznej mocno ograniczyła rolę szkolących się w pracy, przez co zatwierdzone metody przestały działać.]
Co wykazało badanie
- Zwykły sposób nauki, czyli przejmowanie coraz większej części prawdziwej pracy pod nadzorem, dobrze działał w chirurgii tradycyjnej.
- Przy robocie udział szkolących się w pracy gwałtownie się zmniejszył, a zatwierdzone metody szkolenia przestały działać.
- Mniejszość szkolących się mimo to osiągnęła biegłość. Wcześnie się specjalizowali, ćwiczyli na własną rękę i operowali z mniejszym nadzorem, niż wymagały zasady. Autor nazywa to “shadow learning” [„uczeniem się w cieniu”].
- W efekcie było mniej biegłych specjalistów, niż potrzebował zawód.
Kiedy wynik się sprawdza
Ten mechanizm nie zależy od chirurgii. Działa wszędzie tam, gdzie nowa technologia zmniejsza udział młodszego pracownika w prawdziwej pracy, przez co traci on praktykę.
Późniejsze badanie zmierzyło utratę umiejętności u doświadczonych lekarzy, a nie szkolących się, w ciągu trzech miesięcy od wprowadzenia AI. Zobacz umiejętności endoskopistów po pracy z AI.
Ograniczenia
- Badanie dotyczy robotów chirurgicznych, a nie oprogramowania AI. Przeniesienie go na pracę biurową to uzasadnione porównanie, a nie sprawdzony wynik.
- Opisuje, jak szkolący się sobie radzili. Nie sprawdza, co zamiast tego powinien zrobić pracodawca.
Praktyki, które korzystają z tego badania
To badanie wspiera:
- Co jakiś czas sprawdzaj, co pracownicy potrafią zrobić bez AI Na próbce przypadków niech ludzie wykonają pracę bez AI, a wynik porównaj z ich zwykłą pracą. Zacznij od osób, które sprawdzają wyniki AI, i od osób, które wciąż uczą się zawodu, a narzędzia dla uczących się ustaw tak, by dawały wskazówki, a nie odpowiedzi. Zrób później · Nakład pracy: średni (tygodnie, kilka osób)
- Zachowaj zadania, na których uczą się początkujący Zanim zautomatyzujesz rutynową pracę, sprawdź, czy to na niej młodsi pracownicy uczą się zawodu. Jeśli tak, zostaw im jej część albo zapewnij naukę w inny sposób. Zrób później · Nakład pracy: średni (tygodnie, kilka osób)
To badanie ogranicza albo podważa: