Presentation laddar. Vänta.

Presentation laddar. Vänta.

Www.iffs.se Anders Ekholm vVD. Framtidens lärande Kan vi förutsäga framtiden? Kan vi säga något meningsfullt?

Liknande presentationer


En presentation över ämnet: "Www.iffs.se Anders Ekholm vVD. Framtidens lärande Kan vi förutsäga framtiden? Kan vi säga något meningsfullt?"— Presentationens avskrift:

1 Anders Ekholm vVD

2 Framtidens lärande Kan vi förutsäga framtiden? Kan vi säga något meningsfullt?

3 Vad driver utvecklingen? Demografi Värderingar Teknik

4 Demografisk försörjningskvot ”hur många personer – förutom sig själv – måste varje person i arbetsför ålder försörja” Arbetsför ålder: Ca 20 % försämring av försörjningskvoten mellan

5 Antal döda i olika åldrar, Sverige Källa: Human Mortality Database. University of California, Berkeley (USA), and Max Planck Institute for Demographic Research (Germany), SCB. Ålder Antal

6 Antal döda i olika åldrar, Sverige Antal Ålder Källa: Human Mortality Database. University of California, Berkeley (USA), and Max Planck Institute for Demographic Research (Germany), SCB.

7 Antal döda i olika åldrar, Sverige Antal Ålder Källa: Human Mortality Database. University of California, Berkeley (USA), and Max Planck Institute for Demographic Research (Germany), SCB.

8 Kostnad för hälso- och sjukvård och äldreomsorg, total kostnad och kostnad per person fördelat per åldersgrupp Källa: HEK 2006, Finansdepartementet 2006.

9 ADL och/eller DEMENS (65 +) Sesim år 2010

10 Vi kommer leva längre - men blir det sjuka eller friska år? Utökad sjuklighet Adderar sjuka år Uppskjuten Adderar friska år Komprimerad Adderar fler friska år, tiden i sjukdom förkortas Vad består de extra 2.5 åren av? Tre scenarier:

11 Befolkningens komposition Komprimerad sjuklighetLancet

12 Befolkningens komposition Komprimerad sjuklighetLancet

13 Befolkningens komposition Komprimerad sjuklighetLancet

14 Livet 1845

15 Livet 2010

16 Resultat Till 2050 väntas kostnaderna för: Äldreomsorg öka med 70% Hälso- och sjukvård öka med 30% med ökad ambition/teknologinivå 80%

17 Vägval Finansieringsmodeller, Besparingar eller Effektivisering ?

18 Personalbrist inom äldreomsorg år 2030 per län Brist år 2030 Riket ca Bristen är mest springande: Gotland Norrbotten, Dalarna och Västerbotten

19 Kommer vi att jobba mer eller mindre?

20 Värderingar

21 World Values survey

22 Källa: World Value Survey

23

24

25

26 Teknik

27 Big data De som är bäst på data är de som kommer att bli bäst på verksamhet, om de även kan implementera Integritetsdiskussion Maskininteraktion Användarinteraktion Internet 2.0, Semantic web, från textmassa till information

28

29 Gamification Malaria hunter 21 spel ger 99% precision, 1 min kurs; 16 spel = 99 % Foldit, optimera proteinveckningar. Arbetsförmedling, matchning

30 Internet of things Koppla ihop alla saker med alla fenomen Embedded programmerare (Raspberry Pi per capita) Dataanalytiker Människa – maskin gränssnitt

31 Varför behöver vi hjälp av beslutsfattande maskiner? Gregor Mendels arbete om genetik 1865 uppmärksammades inte förrän runt 1900 Semmelweis om handhygien BMJ 17 år för att implementera ”det rätta” Pubmed 17 milj artiklar ökar med per år

32 Vi fattar inte rationella beslut, Därför är det svårt att förbättra verksamheter Begränsad rationalitet Inkonsistenta tidspreferanser Imperfekt information Vi kan inte värdera vår kvalitet, vem är den sämste i rummet? Vi (många) är default emot förändringar, jmf bussar i London

33 Vi kan inte rätt värdera vår produktionskvalitet 97 % av college professorer anser sig till höra den bästa halvan 75 % av svenska akademiker samma Dito svenska förare Dvs vi inser inte att vi, patienter, elever eller profession, behöver hjälp, därför måste jämförelserna och stöden diskret byggas in i vardagen.

34 IBM Watson -Algoritmbaserad vård Världens bästa jepardy-spelare Efter 2011 har watson ”suttit” på en Cancerklinik för att ge beslutstöd Förstår naturligt tal (i skrift) Läser igenom några hundratusen forskningspapper Alla kliniska riktlinjer osv Jämför med andra historiska patienter

35 Om vi lägger samman dessa utvecklingar Dataanalytiker Data är den nya oljan Big data Design Omsorg Sjukvård IT Kultur Upplevelser Inredning Mat Personlig tränare Statistiker det sexigaste framtidsjobbet enligt Hal Varian, chefsekonom på GOOGLE

36 Driver mot att fler blir anställda Inom det som traditionellt varit offentlig sektor IT Hushållstjänster Arbeta mindre? Leder till finansieringsproblem för offentlig sektor? Piketty global förmögenhetsskatt Arbetarägda företag Sälja våra data?

37 The second machine age De tänkande maskinerna Robotik Kombinationer Tex Självkörande bilar Säg aldrig aldrig Av Erik Brynjolvsson & Andrew McAfee

38 Hur känsliga är yrken för datorisering/robotisering? Oxford Martin Programme on the Impacts of Future Technology, The future of employment: how susceptible are jobs to computerization? 47 procent av alla yrken i USA kommer att försvinna inom ett par decennier 52 procent i Sverige Av Carl Benedikt Frey och Michael A. Osborne

39

40

41

42

43 Morgondagens problem har vi haft länge

44 Dålig kvalitet och produktivitet 3000 personer dör i förtid i vården skadas 10 procent får infektion efter operation Väntetiderna har varit konstanta 10 procent av grundskoleeleverna klarar inte grundkrav eller blir drop outs Detta har hållit i sig i decennier Patienter-Brukare-elever faller mellan stolar och organisationer IT-systemen sämst av alla branscher Samtidigt blir vi bättre i punktproduktivitet, mätt som tex femårsöverlevnad i olika diagnoser, framförallt hjärt-kärl.

45 Ingen av de dagliga politiska diskussionerna löser dessa problem Privat – offentligt Statligt – kommunalt Mer – mindre resurser Fler – färre landsting/kommuner Större - mindre klasser Senare – tidigare betyg Valfrihet Alla dessa har liten eller ingen påverkan på kvalitet och produktivitet, (förutom under vissa speciella förutsättningar) Konkurrens verkar ha viss påverkan, kan dock kanske gå via storlek – liten storlek är bättre än stor

46 Mikrosystem All vård, skola, omsorg produceras i mötet mellan patient, elev, brukare - systemet (i vid bemärkelse) och professionerna Alla reformer eller åtgärder som inte förändrar detta möte kommer inte heller förändra resultat, kvalitet eller effektivitet.

47 Varför kan vi inte förutspå framtiden? Vi vet hur världen fungerar!

48 Komplicerade system

49 Komplexa självorganiserade system

50 Dave Snowden’s Cynefin framework

51 Kunskapsutveckling sedan 1960 Grafik: Anna Spa ̊ ng, Dagens Samha ̈ lle

52 Vi måste/kommer umgås mer med maskiner/teknik Flipped classroom MOOC Programmering Gränssnittsdesign Embedded utvecklare IoT Internet of things Sensorutvecklare Big data Beslutstöd IT pedagoger Mechatronik Robotik

53 Nya yrkesgrupper I vård skola omsorg Logistiker Mättekniker Analytiker Gränssnittsdesigner Embedded programmerare Databas arkitekter Ruttoptimerare Processdesigner Industristatistiker Robottekniker

54 Vi måste umgås mer med människor Vård Omsorg Handledare Coacher Personlig tränare Kock Livsstilscoach Kultur

55 Digital ranking Näringsliv 1 Offentlig sektor 18 Vill man jobba i offentlig sektor? Analogångest. Ska man gå i skolan?

56 Knowledge Doubling Curve Buckminster Fuller created the “Knowledge Doubling Curve”; he noticed that until 1900 human knowledge doubled approximately every century. By the end of World War II knowledge was doubling every 25 years. Today things are not as simple as different types of knowledge have different rates of growth. For example, nanotechnology knowledge is doubling every two years and clinical knowledge every 18 months. But on average human knowledge is doubling every 13 months. According to IBM, the build out of the “internet of things” will lead to the doubling of knowledge every 12 hours.IBM

57 Korta ungdomsutbildningarna! Kreativitet – upp till års ålder Halveringstiden på utbildningar Dubbleringstiden på kunskap Men om det var den senaste kunskapen som är viktigast på en arbetsplats skulle vi inte ha särskilt hög ungdomsarbetslöshet…..

58 Öppna databaser Numerous scientists have pointed out the irony that right at the historical moment when we have the technologies to permit worldwide availability and distributed process of scientific data, broadening collaboration and accelerating the pace and depth of discovery…..we are busy locking up that data and preventing the use of correspondingly advanced technologies on knowledge [3] John Wilbanks, VP Science, Creative Commons

59 Singularity 2045 Ray Kurtzweil, futurist, uppfinnare och GOOGLE:s utvecklingschef $ köper en dator med samma prestanda som en hjärna $ köper en dator med samma prestande som 1000 människor $ köper en dator en miljard snabbare än alla människor tillsammans

60 Vad kan ni göra? Inse att det inte finns någon bästa metod eller organisation, som kan implementeras – utom i undantagsfall. Förändrings- och datadrivet förbättringsarbete – Ständigt lärande Lead users kan vägleda Profileringssystem och matchning Gamification för att göra fingranulerade modeller av människor och yrken/arbetsplatser Försök förstå vad utbildning egentligen är Provresultat förklarar 17 % av lönen, att överhuvudtaget gå i skola resten Automatisera alla saker som kan automatiseras – internprocesser och pedagogik Lära er – och andra – hur man jobbar i team med de tänkande maskinerna

61 Tack!

62


Ladda ner ppt "Www.iffs.se Anders Ekholm vVD. Framtidens lärande Kan vi förutsäga framtiden? Kan vi säga något meningsfullt?"

Liknande presentationer


Google-annonser