چگونه یک استراتژی یادگیری مبتنی بر داده ایجاد کنیم

داده های فراگیر می تواند به شما کمک کند دوره ای را ایجاد کنید که با نیازهای سازمان شما مطابقت بیشتری داشته باشد.

شما یک دوره آنلاین ایجاد کرده اید، اما آیا این کار همان است که شما به آن نیاز دارید؟ این یکی از بزرگترین چالش های یادگیری آنلاین است. با تماس چهره به چهره با یادگیرندگان، می توان فهمید که آیا دروس شما قابل فهم است یا خیر. خوشبختانه، جایی وجود دارد که یک استراتژی یادگیری داده محور می تواند به شما کمک کند.
“استراتژی یادگیری” می تواند برای بسیاری از افراد معنای زیادی داشته باشد، بسته به اینکه شما یک مربی باشید یا یک دانش پذیر، یک مربی مستقل یا کسی که یک دوره آموزشی را برای یک شرکت بزرگ طراحی می کند. علاقه مندیم راه هایی را که شما به عنوان یک مربی می توانید برای کمک به دانش پذیران خود در دوره آنلاین خود استفاده کنید، کشف کنیم. به عبارت دیگر، یک استراتژی یادگیری “استراتژی برای کمک به دانش پذیران در یادگیری” است.

اهداف قابل اندازه گیری را شناسایی کنید.

اگر تازه کار خود را شروع کرده اید، هدف شما احتمالاً بسیار ساده است: به دانش پذیران خود بیاموزید. اما بگذارید بگوییم شما مدتی تدریس می کنید، و متوجه می شوید که با وجود تمام تلاش های شما، فراگیران شما، همانطور که انتظار دارید تمام اهدافتان تحقق پیدا نمی کند. وقت آن است که برخی از اهداف قابل اندازه گیری بیشتر را که با هدف کلی کمک به یادگیری دانش پذیران شما در ارتباط است، شناسایی کنید.

اهداف شما ممکن است شامل موارد زیر باشد:

• نرخ اتمام دوره خود را بهبود ببخشید.
• رضایت فراگیران را از دوره خود بهبود ببخشید.
• نمرات ارزیابی دانش پذیر را بهبود ببخشید.

توجه کنید که چگونه هر یک از این موارد خاص و قابل اندازه گیری است. اما فقط به این دلیل که یک هدف قابلیت اندازه گیری دارد، به این معنی نیست که شما باید ابزار لازم را برای انجام این کار داشته باشید.

2. تصمیم بگیرید که برای دستیابی به این اهداف چه داده هایی را باید جمع کنید.

با در نظر گرفتن یک هدف قابل اندازه گیری، وقت آن است که تصمیم بگیرید چگونه می خواهید داده های مورد نیاز برای تنظیم استراتژی خود را جمع آوری کنید. با استفاده از اهداف فوق، باید بتوانید موارد زیر را با استفاده از روش های مختلف جمع آوری اطلاعات اندازه گیری کنید:

نرخ تکمیل دوره:
چه زمانی فراگیران شما از این دوره خارج می شوند؟ در LMS خود به دنبال معیارهای فراگیر باشید.
آنها چه دلایلی را برای ترک تحصیل بیان می کنند؟ پس از سپری شدن دوره خاصی بدون ورود به سیستم، از ایمیل خودکار برای درگیر کردن فراگیران استفاده کنید و از آنها بپرسید چه اتفاقی افتاده است.

رضایت فراگیر:
دانش پذیران چقدر دروس شما را ارزیابی می کنند؟ به دنبال بررسی آنلاین باشید یا مستقیماً از طریق یک ایمیل خودکار سوال کنید.
نقاط قوت و ضعف دوره شما چیست؟ هنگامی که فراگیران یک دوره را گذراندند یا پس از یک دوره عدم تعامل، یک نظرسنجی ایمیل خودکار اجرا کنید.
فراگیران در دوره شما بیشتر می خواهند چه ویژگی را ببینند؟ یک نظرسنجی منظم اجرا کنید و یک بخش بازخورد در وب سایت خود قرار دهید.

نمرات ارزیابی دانش پذیر:
یادگیرندگان در طول دوره چگونه در آزمون نمره می گیرند؟ در LMS خود به دنبال ابزارهای اندازه گیری باشید.
شما از چه نوع سوالات تستی استفاده می کنید، و تأثیر آنها بر نتایج آزمون چگونه است؟ در LMS خود به دنبال ابزارهای اندازه گیری باشید.
برخی از موانع معمول برای یادگیری شما چیست؟ در LMS خود به دنبال ابزارهای اندازه گیری باشید و مستقیماً از طریق نظرسنجی ایمیل خودکار از فراگیران خود سوال کنید.

3. داده های خود را جمع آوری کنید و با توجه به نتایج خود اندازه گیری کنید.

به طور کلی، داده هایی که می توانید در مورد دوره خود جمع آوری کنید به دو شکل ساختار یافته و غیر ساختاری ارائه می شود.

داده های ساختاری شامل بسیاری از معیارهایی است که می توانید از طریق LMS خود پیگیری کنید، مواردی مانند میزان اتمام، زمانی که فراگیران برای یک درس می گذرانند و نتایج آزمون آنها. داده ها در حال حاضر قالب بندی شده و مقایسه آنها در بین دانش پذیران آسان است.

داده های بدون ساختار همان چیزی است که شما ممکن است از طریق بازخورد دانش پذیران، فعالیت های انجمن یا نظرات شبکه های اجتماعی دریافت کنید. این ها منابع غنی از اطلاعات هستند، اما برای بررسی آسان به صورت آماری یا نمودار طبقه بندی نشده اند. در عوض، مجبورید آنها را بخوانید و برای خودتان تجزیه و تحلیل کنید.

در بسیاری از موارد، شما از قبل مکانیزم هایی برای جمع آوری این داده ها در اختیار خواهید داشت. اما اگر بخشی از داده ها وجود ندارد، باید روش دیگری برای جمع آوری آنها پیدا کنید. به عنوان مثال، اگر می دانید دانش پذیران شما از یک دوره خارج می شوند، یک نظرسنجی ارسال کنید تا بپرسید چرا روشی برای جمع آوری اطلاعات مناسب تر است. با این حال تفسیر نتایج به عهده شما خواهد بود.

۴- بر اساس داده های خود اقدام کنید.

شما می توانید تمام داده های جهان را جمع آوری کنید اما اگر هرگز از آنها استفاده نکنید، فایده ای نخواهد داشت. هنگامی که شروع به دریافت پاسخ واضح از داده های خود در مورد اینکه چرا دوره شما به همان روش مورد نظر شما پیش نمی رود کردید، وقت آن است که برای نحوه حل این مسئله برنامه ریزی کنید.

بر اساس یافته های خود و اهداف خود ممکن است:
با افزودن مطالب تکمیلی بیشتر، ارائه دوره های تدریس خصوصی یا ایجاد یک برنامه راهنمایی، میزان تکمیل دوره خود را بهبود ببخشید.
با افزودن عناصر گیمیفیکیشن و تلاش برای ایجاد یک انجمن پویا و حمایتی، رضایت فراگیران را از دوره خود بیشتر کنید.
با ارائه تست های کوتاه و مکرر که می توانند هر چند بار قبل از امتحان نهایی آنها را تکرار کنند، نمرات ارزیابی دانش پذیر را بهبود ببخشید.
تمرکز بر روی داده ها می تواند تجربه بهتری را به فراگیران شما ارائه دهد.

برای برخی از ما، تأکید بر داده های بزرگ ممکن است سرد و بیگانه به نظر برسد. ما در مورد بررسی داده های داخلی، هم از طریق بازخورد یادگیرنده و هم از داده هایی که می توانید از LMS خود جمع آوری کنید، صحبت می کنیم و استفاده از این روش به گونه ای است که نتایج را برای همه بهبود می بخشد.

یک استراتژی یادگیری مبتنی بر داده، نظرات و تعصبات شخصی را از جدول خارج می کند و با تمرکز بر رفتار کاربر و تنظیمات ترجیحی، تمرکز خود را بر روی بهترین موارد برای فراگیران و سازمان شما می گذارد.

از همه مهمتر، داده همان چیزی است که به شما اجازه می دهد تا بدانید کاری که انجام می دهید موثر است. اگر فراگیران شما یاد نمی گیرند، پس دوره شما وظیفه خود را انجام نمی دهد. زیبایی داده ها در این است که می توانند به شما نشان دهند که در کجا اشتباه می کنید تا بتوانید در مورد آن کاری انجام دهید.