Первый текст с эмодзи:
💼 Корпоративные советы директоров всё чаще устанавливают зарплаты CEO по схожим шаблонам —такой подход может снижать эффективность компаний.
📊 Новое исследование Университета Вирджинии показало, что компенсации топ-менеджеров в публичных компаниях стали на 24% однообразнее с 2006 года. Учёные использовали индекс, анализирующий структуру выплат: зарплаты, бонусы, акции и стимулы.
📍 Компании теперь копируют одни и те же модели вне зависимости от размера, стратегии или отрасли. Работа, опубликованная в [Journal of Accounting and Economics](https://www.sciencedirect.com/science/article/pii/S0165410124000387?via=ihub), связывает эту тенденцию с требованиями инвесторов и правилами раскрытия данных — это ослабляет связь между доходами CEO и результатами компании.
🎯 «Советы директоров сталкиваются с давлением стандартизации, — говорит автор исследования Фелипе Кабезон. — Но это лишает гибкости и снижает стоимость для акционеров».
🔍 Учёный проанализировал данные 2700+ компаний с 2006 по 2019 год, чтобы выяснить: устанавливают ли советы зарплаты для мотивации или просто избегают критики?
📉 Раньше компании индивидуализировали выплаты: стартапы фокусировались на бонусах за результат, другие — на долгосрочных опционах. Сейчас такой подход исчезает.
💡 Институциональные инвесторы и консультанты продвигают шаблонные схемы. «Крупные акционеры голосуют за выплаты, но полагаются на стандарты консультантов», — отмечает Кабезон.
🔗 Более строгие правила раскрытия данных ускоряют тренд. Советы чаще копируют конкурентов, а не адаптируют выплаты под свои цели.
⚠️ Стандартизация связана с падением ключевых показателей, включая индекс Тобина (Tobin’s Q), который отражает ценность для акционеров.
🚨 «Даже небольшие отклонения от норм вызывают подозрения», — говорит исследователь. После критики многие компании возвращаются к шаблонам, теряя гибкость.
📌 Выводы важны для регуляторов и инвесторов:
- Советам стоит пересмотреть шаблонные схемы.
- Инвесторам — оценивать, поддерживают ли выплаты стратегию компании.
🔬 Компании с ежегодным голосованием по зарплатам (правило Say-on-Pay) на 10% чаще используют стандартные планы, чем те, где голосуют раз в три года.
🎤 «Шаблоны выглядят надёжно, но стирают важные различия», — резюмирует Кабезон.
—
Второй текст с эмодзи:
🤖 86% студентов регулярно используют генеративный ИИ (например, ChatGPT) для учёбы — как превратить его из «помощника для ленивых» в образовательный инструмент?
🎓 ИИ без устали объясняет сложные темы, адаптирует ответы и экономит время. Неудивительно, что студенты EPFL (79%) и преподаватели (61.5%) активно внедряют технологии.
💡 «ИИ может стать основой для персонализации обучения, — говорит профессор Таня Кезер. — Например, давать обратную связь или создавать индивидуальные задания».
🧠 Ола Свенссон, преподаватель алгоритмов в EPFL, использует чат-бота, который заставляет студентов объяснять материал вместо пассивного изучения:
«Так они лучше усваивают концепции — это видно по скорости и точности ответов».
🛠️ Центр цифрового образования EPFL разрабатывает модель для ассистентов преподавателей: «ИИ не заменит людей, но поможет давать более качественные объяснения», — говорит Патрик Джерман.
🔍 Технология RAG (Retrieval-Augmented Generation) улучшает ИИ, подключая научные статьи и учебные материалы. Но ключевая роль остаётся за экспертами-людьми.
⚠️ Проблема: студенты автоматически доверяют ИИ. На экзаменах те, кто полагался на ChatGPT, повторяли его ошибки, даже если знали о рисках.
📉 «ИИ ускоряет выполнение заданий, но мешает глубокому обучению, — объясняет Франческо Мондада из LEARN Center. — Нужно оценивать не только ответы, но и процесс — например, через проекты с поэтапной проверкой».
🚀 В EPFL создают тренинги для учителей и студентов, чтобы научить критически работать с ИИ:
- Как проверять данные.
- Когда использовать, а когда полагаться на свои знания.
💬 «Обучение требует усилий — это нельзя автоматизировать. Но ИИ может стать поддержкой, если им правильно управлять», — подчёркивают эксперты.