چگونه از روندهای یادگیری الکترونیکی برای تقویت استراتژی یادگیری خود استفاده کنید

در این زمان از سال، شما به دنبال روندهایی هستید که می توانند بهبود ارائه آموزش شما را افزایش دهند.

در این مقاله، روندهای یادگیری الکترونیکی را به اشتراک می‌گذاریم که می‌توانید از آنها برای افزایش، اندازه‌گیری و به حداکثر رساندن تأثیر و بازده بر استراتژی‌های یادگیری خود استفاده کنید.

۵ دلیل اصلی که چرا تیم های L&D به روندها نگاه می کنند در اینجا فهرست شده اند.

• فراگیران را درگیر نگه دارید.
• اطمینان حاصل کنید که کسب دانش اتفاق می افتد.
• به کارگیری آموخته های کسب شده در کار را تسهیل کنید.
• افزایش عملکرد و ROI مورد نظر رخ می دهد.
• ROI مثبت در هزینه های آموزشی ایجاد شده است.

در این مقاله، من این نیاز را به عنوان موضوعی برای به اشتراک گذاشتن روندهای یادگیری الکترونیکی در نظر می‌گیرم و آنها را به صورت زیر دسته‌بندی کرده‌ام.

بخش ۱ من روندهایی را فهرست می کنم که به یادگیرندگان کمک می کند تا یاد بگیرند و به طور قابل توجهی، این یادگیری را برای نشان دادن عملکرد بهتر یا تغییر رفتار مورد نیاز به کار می برند.

بخش ۲ من گرایش‌هایی را فهرست می‌کنم که استراتژی‌های یادگیری را با سابقه اثبات شده در ارائه ضریب مشارکت بهتر و تأثیر آموزشی بالاتر نشان می‌دهند.

بخش ۳ من این را با فهرستی از روندهایی که سازمان ها باید روی آنها سرمایه گذاری کنند تا تأثیر آموزش خود را اندازه گیری، تقویت و به حداکثر برسانند، دنبال می کنم.

بخش ۴ من روندهایی را به پایان می برم که به وضوح به عنوان پیشتازان سرمایه گذاری در آینده نزدیک ظاهر می شوند.

با این رویکرد، من مطمئن هستم که روندهای آموزش الکترونیکی در این مقاله ارزش فوق العاده ای در تقویت استراتژی های یادگیری شما در سال جدید ارائه می دهد.

روندهای یادگیری الکترونیکی – بخش ۱

روندهایی که به یادگیرندگان کمک می کند تا این یادگیری را برای نشان دادن عملکرد بهتر یا تغییر رفتار به کار گیرند.

آموزش موبایلی

• دیجیتالی کردن ILT (به صورت ترکیبی یا کاملا آنلاین)
• ابزارهای پشتیبانی عملکرد
• یادگیری غیر رسمی
• یادگیری اجتماعی
• یادگیری خودراهبری

روندهای یادگیری الکترونیکی- بخش ۲

استراتژی های یادگیری با سابقه اثبات شده ارائه ضریب مشارکت بهتر و تأثیر آموزشی بالاتر.

• یادگیری خرد
• بازی گونه سازی
• آموزش مبتنی بر ویدیو (فیلم ها و ویدیوهای تعاملی)
• برنامه های موبایل برای یادگیری
• شخصی سازی
• مدیریت و محتوای تولید شده توسط کاربر

روندهای یادگیری الکترونیکی – بخش ۳

روندهایی که سازمان ها باید برای اندازه گیری، تقویت و به حداکثر رساندن تأثیر آموزش خود روی آنها سرمایه گذاری کنند.

• بسترهای تعامل یادگیری – LXP
• تجزیه و تحلیل یادگیرنده
• کلان داده-گزارش و تجزیه و تحلیل

روندهای یادگیری الکترونیکی – بخش ۴

سایر روندهای قابل توجه که باید مراقب آنها باشید – آینده اینجاست!

• ARVR و MR برای یادگیری همه جانبه
• هوش مصنوعی (AI) در یادگیری

روند شماره ۱: استفاده از آموزش موبایلی

طی ۴ تا ۵ سال گذشته، پذیرش آموزش موبایلی در حال افزایش بوده است. این به دلیل انعطاف‌پذیری است که برای فراگیران فراهم می‌کند (یادگیری در حال حرکت، پشتیبانی از چند دستگاه – از جمله تلفن‌های هوشمند، تبلت‌ها یا لپ‌تاپ‌هارومیزی‌ها، و دسترسی در هر زمان و هر مکان).

از دیدگاه یک سازمان، این به وضوح رویکردی است که با فراگیران بهتر هم گام می شود، تعامل بالاتری را ارائه می دهد، نرخ تکمیل بهتری را ارائه می دهد و می تواند برای حمایت از آموزش های رسمی و غیررسمی استفاده شود.

چیزی که من در حال تغییر می‌بینم، بلوغ راه‌حل‌های آموزش موبایلی است که منجر به دوشاخه شدن به طرح‌های سازگار با موبایل یا طراحی‌های سازگار با موبایل و طراحی‌های اول یا کاملاً پاسخگو برای موبایل می‌شود.

دومی با روشی که انتظار می رود از یادگیری استفاده شود (به ویژه در تلفن های هوشمند) بهتر همسو می شود و تعاملات یادگیری را برای آنها بهینه می کند.

علاوه بر این، آموزش موبایلی برای ارائه تقریباً کل طیف نیازهای آموزشی شرکت استفاده خواهد شد.

این برنامه دارای فرمت های تاثیرگذاری بالا از جمله فیلم ها، ریزآموزش ها و برنامه هایی برای یادگیری خواهد بود.

روند شماره ۲: دیجیتالی کردن ILT (به صورت ترکیبی یا کاملا آنلاین)

در حالی که حالت ILT رو به پایان نیست، به زودی شروع به محدود شدن به برنامه های خاص می کندبه زودی شاهد افزایش بیشتر دیجیتالی شدن ILT (به صورت ترکیبی یا کاملا آنلاین) خواهیم بود.

حتی تحویل اصلی ILT توسط منابع آنلاین از جمله مطالب و ارزیابی های قبل و بعد از کارگاه پشتیبانی می شود.

محرک ها شامل فشار از سوی یادگیرندگان به کاهش بودجه آموزشی و دوره های کوتاه تر برای آموزش کارکنان است.

ارزیابی من این است که، درصد بیشتری از برنامه‌ها را به فرمت کاملاً آنلاینی خواهیم دید که می‌توانند در دستگاه مورد نظر دانش پذیر (از گوشی‌های هوشمند/تبلت گرفته تا لپ‌تاپ/رومیزی) مصرف شوند.

روند شماره ۳: ابزارهای پشتیبانی عملکرد

ابزارهای پشتیبانی عملکرد یا PST ها کمک های آموزشی یا کمک های شغلی هستند که برای رفع نیازهای یادگیری خاص طراحی شده اند.

آنها در گردش کار خود در دسترس دانش پذیران هستند و از این رو می توان به راحتی بدون نیاز به ورود به LMS به آنها دسترسی پیدا کرد و از آنها استفاده کرد.

PST ها که برای حمایت از آموزش رسمی (با تمرکز بر کسب دانش) طراحی شده اند، می توانند کاربرد یادگیری را تسهیل کنند و در نتیجه تاثیر آموزش و مهارت یادگیرنده را بهبود بخشند.

آنها می توانند برای پشتیبانی از ILT و همچنین آموزش آنلاین مورد استفاده قرار گیرند و به طور موثر به عنوان معیاری برای جبران “منحنی فراموشی” عمل می کنند.

ما  شاهد پذیرش بیشتر PST ها با افزایش یادگیری موبایلی، ریزآموزش و یادگیری مبتنی بر ویدیو خواهیم بود.

روند شماره ۴: یادگیری غیررسمی

این واقعیت که یادگیری از طریق کانال های متعدد (و نه فقط آموزش رسمی) اتفاق می افتد یک امر ثابت است.

شاید بسیاری از ما با مدل ۷۰-۲۰-۱۰ برای یادگیری و توسعه آشنا باشیم. طبق این مدل،

۷۰ درصد از یادگیری به صورت تجربی است (یعنی در حین کار اتفاق می افتد).

۲۰ درصد از طریق یادگیری اجتماعی یا مشارکتی (یعنی یادگیری با یا از دیگران) است.

۱۰ درصد از طریق برنامه های آموزشی رسمی است.

در حالی که ممکن است ما در مورد درصدهایی که در اینجا نشان داده شده است بحث کنیم، این مدل نیاز سازمان ها را برای ایجاد یک سیستم پشتیبانی و فرصت هایی برای ترویج یادگیری غیررسمی در محل کارشان تایید می کند.

استفاده از معیارهایی مانند ابزارهای پشتیبانی عملکرد یا PST و همچنین پلتفرم‌هایی برای ارتقای یادگیری اجتماعی افزایش چشمگیری خواهد داشت.

روند شماره ۵: یادگیری اجتماعی

در سال های اولیه ما، یادگیری ما صرفاً از دیگران است و نباید تعجب آور باشد که این موضوع برای یادگیری در محل کار نیز صادق است.

در طول ۳ تا ۵ سال گذشته، تیم های تحقیق و توسعه ارزشی را در پذیرش و ترویج یادگیری اجتماعی دیده اند.

با گزینه های پلتفرم ها، نسل بعدی LMS و پلتفرم های تجربه یادگیری، یادگیری اجتماعی در نهایت برای رشد آماده می شود.

روند شماره ۶: یادگیری خودگردان

به طور کلی، یادگیری خودراهبر رویکردی است که مسئولیت یادگیری را به جای معلم به عهده یادگیرنده قرار می دهد.

به عنوان یک توسعه، در زمینه آموزش شرکتی، به توانمندسازی یادگیرندگان برای انتخاب نحوه یادگیری آنها اشاره می کند.

بر خلاف برنامه‌های آموزشی که از طریق LMS انجام می‌شوند، یادگیری خودراهبری تماماً در جهت دادن این کنترل به یادگیرندگان است.

آنها می توانند تصمیم بگیرند که چه چیزی را می خواهند یاد بگیرند، چگونه می خواهند یاد بگیرند، چه زمانی می خواهند یاد بگیرند، در چه بازه زمانی می خواهند یاد بگیرند و غیره.

همانطور که متوجه خواهید شد، این رویکرد کنترل را برای فراگیران فراهم می کند و به آنها این امکان را می دهد که مسیر یادگیری خود را تعیین کنند.

در کنار یادگیری اجتماعی و یادگیری غیررسمی، سازمان‌ها ارزش ارتقای یادگیری خودراهبر را تشخیص می‌دهند که می‌تواند به آنها در ایجاد یادگیری به عنوان یک پیوستار کمک کند. این روند همچنان ادامه خواهد داشت.

روند شماره ۷: آموزش خرد

بحث در مورد ارزش و تأثیر آموزش کلان (یا آموزش الکترونیکی سنتی) و یادگیری خرد (کوتاه‌های یادگیری کوتاه و کوچک با طول ۲ تا ۷ دقیقه که هر کدام برای رسیدن به یک نتیجه خاص طراحی شده‌اند) ادامه دارد.

با این حال، واقعیت این است که استفاده از آموزش مبتنی بر یادگیری خرد در ۲ سال گذشته انقلابی در ارائه آموزش ایجاد کرده است و من می بینم که این روند شتاب بیشتری می گیرد.

امروزه می‌توانید آموزش‌های مبتنی بر یادگیری خرد را برای ارائه آموزش رسمی و آموزش غیررسمی و پشتیبانی از ILT انتخاب کنید.

انعطاف پذیری آن برای ارائه به عنوان یک قطعه کوتاه و منفرد برای رسیدن به یک نتیجه خاص به یک مسیر یادگیری که می تواند دارای مجموعه ای از قطعات یادگیری باشد، آن را به یک انتخاب قدرتمند برای آموزش شرکتی تبدیل می کند.

روند شماره ۸: گیمیفیکیشن

تا چند سال پیش، تاثیر آموزش مبتنی بر گیمیفیکیشن یک علامت سوال بزرگ با خود همراه داشت.

در حالی که گیمیفیکیشن یادگیری مبتنی بر سرگرمی را برای کاربران فراهم می کند، آیا واقعاً به آنها کمک می کند تا به یک نتیجه یادگیری خاص دست یابند؟

استفاده از گیمیفیکیشن برای یادگیری جدی در ۲ سال گذشته رو به افزایش بوده است و شاهد افزایش این روند  هستیم.

استفاده از گیمیفیکیشن، از جمله رویکرد مبتنی بر بازی، یا گیمیفیکیشن جزئی، شاهد افزایش کاربرد در بین نیازهای آموزشی مختلف شرکت خواهد بود.

با کاهش هزینه‌های توسعه و بازه زمانی کوتاه‌تر برای توسعه، تیم‌های تحقیق و توسعه ارزش بیشتری را در این سرمایه‌گذاری مشاهده خواهند کرد.

روند شماره ۹: یادگیری مبتنی بر ویدیو (ویدئوها و ویدیوهای تعاملی)

یادگیری مبتنی بر ویدیو به سرعت در حال تبدیل شدن به یک قطعه استاندارد آموزش آنلاین است.

این شامل استفاده از آن در قالب‌های آموزش الکترونیکی سنتی تا استفاده گسترده آن در آموزش‌های مبتنی بر یادگیری خرد می‌شود.

به همان اندازه جالب، پذیرش گسترده‌تر ویدیوهای تعاملی است که بر انفعال ویدیوهای سنتی غلبه می‌کند و از طریق تعاملات و ارزیابی‌ها، تعامل یادگیرنده را چند برابر می‌کند.

یکی دیگر از کاربردهای یادگیری مبتنی بر ویدیو از طریق مدیریت ویدیوهای حوزه عمومی خواهد بود.

روند شماره ۱۰: برنامه های موبایل برای یادگیری

پذیرش گسترده یادگیری تلفن همراه و آواتار به روز شده آن از طراحی اولیه تلفن همراه یا پاسخگو منجر به این واقعیت مهم می شود که تجربیات یادگیری در تلفن های هوشمند باید برای دستگاه ها بهینه شود.

تعاملات باید از روشی که ما از این دستگاه ها استفاده می کنیم تقلید کند.

در خطوط مشابه، مشابه برنامه هایی که دانش پذیران استفاده می کنند، اپلیکیشن های موبایل برای یادگیری می توانند استراتژی بسیار موثری برای آموزش آنلاین ارائه دهند. آموزش را می توان به راحتی شخصی سازی و به روز کرد.

هزینه و زمان طولانی‌تر برای توسعه اپلیکیشن‌های موبایل برای یادگیری منجر به پذیرش محدود آن شده است.

من این را یک رویکرد بسیار قدرتمند می دانم. من می بینم که نقش مهمی در قالب های آموزشی دارد.

روند شماره ۱۱: شخصی سازی

فراگیران امروزی حوصله یا دامنه توجه لازم را برای گذراندن یادگیری هایی ندارند که عمومی است و با آنچه آنها به دنبال آن هستند مطابقت ندارد.

اینجاست که شخصی سازی یادگیری در آن جای می گیرد و یک مسیر یادگیری سفارشی را برای فراگیران فراهم می کند.

شما می توانید یادگیری را بر اساس نقش یادگیرنده، مهارت، حوزه مورد علاقه و غیره شخصی سازی کنید.

رویکرد آموزشی مبتنی بر یادگیری خرد، جزئیات مورد نیاز را برای ترسیم مسیرهای یادگیری بسیار شخصی سازی شده برای پروفایل های مختلف یادگیرنده فراهم می کند. این رویکرد که از طریق دستگاه‌های تلفن همراه ارائه می‌شود، می‌تواند مسیر یادگیری بسیار مرتبط و شخصی‌شده را برای هر یادگیرنده فراهم کند.

روند شماره ۱۲: مدیریت و محتوای تولید شده توسط کاربر

در حالی که ممکن است ما برای انتخاب داده ها و اطلاعاتی که به راحتی در اینترنت قابل دسترسی هستند دچار مشکل شویم، برچسب گذاری آن ها و شناسایی اطلاعات مربوطه فرآیندی زمان بر است.

تنظیم محتوا به این مناطق دردناک می‌پردازد و منابع یادگیری مرتبط را در اختیار کاربران قرار می‌دهد.

دانش پذیران این انعطاف را دارند که مسیر یادگیری توصیه شده را انتخاب کنند یا نسخه خود را پیکربندی کنند.

علاوه بر این، این تمرین همچنین با تشویق محتوای تولید شده توسط کاربر برای به روز نگه داشتن پایگاه دانش و مرتبط، مشارکت کاربران را ارتقا می دهد.

این همه چیز نیست. مدیریت محتوا سازمان ها را قادر می سازد تا از منابع موجود در حوزه عمومی استفاده کنند و نیازی به ایجاد مجدد آنها ندارند.

این روند در حال افزایش بوده است و من شاهد کشش مشابهی هستم. این نیز از تکنیک های نوظهور مانند هوش مصنوعی برای یادگیری، یادگیری ماشین و غیره بهره می برد تا مسیرهای یادگیری مرتبط تری را برای کاربران ایجاد کند.

روند شماره ۱۳: بسترهای تعامل یادگیری – LXP

پلتفرم‌های تعامل یادگیری (LXP) یک تجربه یادگیری بسیار شخصی‌سازی شده را از طریق مسیرهای یادگیری به کاربران ارائه می‌دهند. علاوه بر این، آنها دارای یادگیری اجتماعی یا مشارکتی، یادگیری فراگیر، مدیریت محتوا و تسهیل محتوای تولید شده توسط کاربر هستند.

برخلاف LMS، LXP ها به یادگیرندگان این امکان را می دهند که مسیر یادگیری خود را از مجموعه ای از دارایی های یادگیری با فرمت های متنوع تعریف کنند.

آنها علاوه بر تسهیل یادگیری خودراهبر، مشارکت یادگیرنده را از طریق محتوای تولید شده توسط کاربر تشویق می کنند.

آنها آموزش اجتماعی را نشان می دهند و برای شرکت کنندگان فعال به رسمیت شناخته می شوند.

آنها ارزیابی هایی را همراه با نشان ها و گواهینامه ها انجام می دهند.

آنها سرگرم کننده، جذاب تر و مرتبط تر برای فراگیران هستند و به یادگیرندگان کمک می کنند تا به نتایج یادگیری خاصی برسند.

در کوتاه مدت، آنها با LMS همزیستی خواهند داشت. بسیاری از پخش کننده های LMS موجود در حال حاضر گزینه LXP را به عنوان یک افزونه ارائه می دهند.

سپس، شرکت‌کنندگان جدیدی وجود دارند که توصیه‌های مبتنی بر هوش مصنوعی و جنبه‌هایی مانند «مسیرهای شغلی» را ارائه می‌کنند که به خوبی با دانش پذیرات طنین‌انداز می‌شود.

روند شماره ۱۴: تجزیه و تحلیل یادگیرنده

ما همچنان شاهد استفاده از تجزیه و تحلیل یادگیرنده برای بررسی رفتار یادگیرنده و اقدامات اضافی برای افزایش تعامل، انگیزه و تسهیل کاربرد یادگیری اکتسابی خواهیم بود.

پذیرش گسترده‌تر Tin Can API نشانه‌های مربوطه را در این تلاش فراهم می‌کند. علاوه بر این، استفاده از هوش مصنوعی (AI) در یادگیری، استفاده از این تجزیه و تحلیل را برای ایجاد تجربیات یادگیری مرتبط‌تر و شخصی‌شده‌تر تسهیل می‌کند.

من می بینم که این روند به زودی شاهد کشش بیشتر خواهد بود و منجر به یادگیری طرح هایی می شود که برای یادگیرندگان جذاب است و ارزش و بازگشت سرمایه مورد نیازی را که کسب و کارها به دنبال آن هستند ایجاد می کند.

روند شماره ۱۵: گزارش دهی بزرگ و تجزیه و تحلیل

Big Data به داده های حجیمی اشاره دارد که از منابع مختلف (معمولا LMS، LCMS، پورتال های یادگیری، و نظرسنجی ها/نظرسنجی ها یا ارزیابی ها در زمینه آموزش الکترونیکی) جمع آوری می شوند.

با توجه به حجم، پیچیدگی و پویایی آن، ابزاری وجود ندارد که بتواند آن را مدیریت و تحلیل کند.

گزارش‌دهی و تحلیل داده‌های بزرگ به روشی برای ارائه داده‌ها در قالب‌هایی اشاره دارد که قابل عمل هستند.

هنگامی که به درستی پردازش شود، می‌تواند بینش فوق‌العاده‌ای در مورد نحوه یادگیری یادگیرندگان، تأثیر آموزش بر مهارت‌ها یا تغییر رفتار، و تأثیر بر تجارت و در نهایت تعیین بازگشت سرمایه به ما بدهد.

من شاهد افزایش گزارش‌دهی و تجزیه و تحلیل داده‌های بزرگ هستم که منجر به بهینه‌سازی بیشتر ارائه آموزش می‌شود.

این تجزیه و تحلیل می تواند برای درک رفتار یادگیرنده، روشی که آنها می خواهند یاد بگیرند، مسیرهای یادگیری انتخاب شده و نحوه به روز رسانی ارائه آموزش موجود استفاده شود.

سپس می توان از این نشانه ها برای ایجاد مسیرهای یادگیری شخصی و مؤثرتر استفاده کرد که فراگیران را قادر به یادگیری، تمرین، دریافت بازخورد و اصلاح و غیره می کند.

روند شماره ۱۶: AR/VR و MR برای یادگیری همه جانبه

جستجوی تیم‌های L&D برای ارزیابی استراتژی‌های یادگیری همه جانبه، یک تلاش مداوم است.

واقعیت افزوده (AR)، واقعیت مجازی (VR) و واقعیت ترکیبی (MR) به عنوان رویکردهای فوق‌العاده‌ای برای ارائه تجربیات یادگیری بسیار فراگیر برای چند سال اخیر شناخته شده‌اند.

قیمت بالا و زمان قابل توجه برای توسعه آنها دو عاملی بوده است که استفاده گسترده از آنها را محدود کرده است. همچنین موارد استفاده که سرمایه گذاری و بازگشت سرمایه را توجیه می کند محدود است.

با ورود ارائه دهندگان ابزارهای تالیف اصلی مانند Adobe و Trivantis به راه حل های VR، قیمت ها کاهش یافته است.

رویکرد طراحی آنها همچنین نوشتن این تجربیات یادگیری را در مدت زمان کوتاهی آسان تر می کند.

من شاهد جذب بیشتر راه حل های VR هستم زیرا این راه حل ها مقرون به صرفه تر می شوند و می توانند برای تکمیل آموزش رسمی ارائه شوند.

به نظر من، به زودی شاهد پذیرش گسترده‌تری از آموزش مبتنی بر واقعیت افزوده، از جمله برنامه‌های موبایلی که ویژگی‌های واقعیت مجازی را تعبیه می‌کنند، خواهیم بود.

موارد استفاده گسترش خواهد یافت و شامل آموزش مهارت های نرم و همچنین یادگیری برای ایجاد تغییر رفتار می شود.

روند شماره ۱۷: هوش مصنوعی (AI) در یادگیری

استفاده از هوش مصنوعی (AI) در یادگیری یکی از روندهایی است که باید مراقب آن باشید.

هوش مصنوعی می تواند با تجزیه و تحلیل داده هایی که جمع آوری می کند، ایجاد مسیرهای یادگیری بسیار سفارشی شده را تسهیل کند.

سپس می توان از این داده ها برای درک علاقه، مهارت یادگیرنده استفاده کرد و دارایی های یادگیری بیشتر را توصیه کرد که ممکن است از آنها آگاه نباشند.

به طور بالقوه، یادگیری شخصی نه تنها یادگیرنده را بهتر درگیر می کند، بلکه به تیم های تحقیق و توسعه کمک می کند تا تأثیر مورد نظر خود را به دست آورند.

امیدوارم این مقاله به ابهام‌زدایی از ارزش و تأثیر هر گرایش آموزش الکترونیکی که فهرست کرده‌ام کمک کند و زمینه‌ای را فراهم کند که چرا باید از آنها استفاده کنید.