Michael J. Noble

Branża szkoleniowa, 2022

Ludzie są zachwyceni doskonałością, czy to w sporcie, muzyce, matematyce czy biznesie. Jednak, jak twierdzi Michael J. Noble, ekspert w dziedzinie adaptacyjnego uczenia się, większość ludzi osiąga doskonałość dzięki ciężkiej pracy i instrukcjom. Jednocześnie, jak zauważa, niewielu twierdzi, że uczenie się w korporacjach zapewnia doskonałość na najwyższym poziomie. Nawet najnowsze postępy w cyfrowym uczeniu się skutkują jedynie większym, bardziej sprawiedliwym dostępem. Nauka tego rodzaju rzadko ma charakter transformacyjny. Natomiast adaptacyjne uczenie się, wspomagane przez sztuczną inteligencję, jest dostosowane do konkretnych potrzeb poszczególnych osób – i zmienia zasady gry.

Artykuł przetłumaczony algorytmicznie z języka angielskiego (przepraszamy za niedoskonałości) jako materiał na nasze wyjazdy integracyjne.

Korzyści

• Adaptacyjne uczenie się wykorzystuje technologię sztucznej inteligencji, aby dostosować naukę do potrzeb poszczególnych osób.
• Adaptacyjne uczenie się różni się od e-learningu w istotny sposób.
• Dzięki adaptacyjnemu uczeniu się, uczenie się i analiza danych kształtują projekt.
• Przyszłe generacje adaptacyjnego uczenia się będą jeszcze bardziej ambitne na każdym poziomie.

Podsumowanie

• Adaptacyjne uczenie się wykorzystuje technologię sztucznej inteligencji, aby dostosować naukę do indywidualnych potrzeb.
• Uczenie się, niezależnie od tego, czy prowadzi do mistrzostwa czy kompetencji, wymaga poświęcenia, ciężkiej pracy w czasie i najprawdopodobniej jakiejś formy nauczyciela lub nauczyciela. W ciągu ostatnich dwóch dekad cyfrowa nauka poczyniła znaczne postępy, ale niewielu wierzy, że takie postępy prowadzą do wyjątkowego mistrzostwa – po prostu zapewniają szerszy dostęp do szerszego grona osób. Biznesowi lub korporacyjni specjaliści ds. nauczania dążą do zapewnienia treści edukacyjnych, które są przynajmniej w pewnym stopniu angażujące i zapewniają wysoki wskaźnik pomyślnego ukończenia kursu, ale standardy te rzadko prowadzą do czegoś więcej niż tylko użytecznej wiedzy. Ostatecznie, większość cyfrowych szkoleń nie różni się zbytnio od tradycyjnych zajęć stacjonarnych.

• „Transformacja wymaga czegoś innego, czegoś więcej niż minimalnie przygotowanych pracowników wiedzy. Wymaga mistrzostwa i wyższego poziomu wydajności eksperckiej”.
• Adaptacyjne uczenie się nie uwzględnia koncepcji „stylów uczenia się” i reaguje na wyniki ucznia w czasie rzeczywistym, zamiast personalizować treści w ustalony sposób, taki jak wyświetlanie lub ukrywanie informacji na podstawie stanowiska pracy ucznia. Adaptacyjne uczenie się obejmuje zarówno badania naukowe, jak i sztuczną inteligencję (AI) w procesie uczenia się. Sztuczna inteligencja analizuje dane osób i dostosowuje naukę do ich konkretnych potrzeb. Może działać jak osobisty nauczyciel, ale może to robić na masową skalę. Może między innymi koordynować potrzeby edukacyjne z dostępnymi kursami, organizować ścieżki nauki w oparciu o to, jak dobrze ktoś radzi sobie na danym etapie, a także regulować protokoły uczenia się i nawyki, aby zoptymalizować sukces.

• Adaptacyjne uczenie się różni się od e-learningu w istotny sposób.
• Ogólnie rzecz biorąc, e-learning zapewnia uczniom uniwersalny model uczenia się. Jest on oparty na gotowych treściach i przebiega liniowo. Uczniowie muszą po prostu klikać informacje, poświęcając minimalną uwagę, aby móc przejść jakąkolwiek ocenę podsumowującą treść na koniec kursu.

• „[Kiedy uczniowie] po raz pierwszy spotykają się z rozwiązaniem adaptacyjnym, mogą czuć się, jakby byli testowani. Mogą obawiać się porażki”.
• Osoby przyzwyczajone do e-learningu często uważają, że przejście na adaptacyjne uczenie się stanowi wyzwanie: Adaptacyjne uczenie się wymaga większego zaangażowania. Wskazuje – a następnie natychmiast działa w celu wyeliminowania – luk w nauce w trakcie procesu uczenia się. Uczniowie muszą zobaczyć, w jaki sposób podejście adaptacyjne daje im więcej w zakresie opanowania i zapamiętywania materiału niż tradycyjne uczenie się, w przeciwnym razie mogą stać się sfrustrowani wymaganym dodatkowym wysiłkiem.

• W przypadku adaptacyjnego uczenia się, uczenie się i analiza danych kształtują projekt.
• Sztuczna inteligencja nie stworzyła adaptacyjnego uczenia się, ale umożliwiła wdrożenie adaptacyjnego modelu uczenia się na dużą skalę.

• „Dzięki adaptacyjnemu uczeniu się, możliwość ukierunkowania na poszczególnych uczniów wspiera to, co najlepsze w nauce uczenia się. Powinno nam to również pomóc w ocenie i pomiarze skuteczności”.
• Ilość danych zebranych w procesie adaptacyjnego uczenia się za pomocą sztucznej inteligencji jest niezwykła, a same dane mogą kształtować projekt. Na przykład, zamiast wycofywać przestarzały kurs, specjaliści ds. badań i rozwoju mogą korzystać z analizy uczenia się i treści, aby stale aktualizować kurs, aby zaspokoić potrzeby ludzi.

• Przyszłe generacje adaptacyjnego podejścia do uczenia się będą jeszcze bardziej ambitne na każdym poziomie.
• Przyszłe iteracje adaptacyjnego uczenia się będą jeszcze bardziej ekspansywne i ambitne niż obecne. Będą na przykład w stanie uwzględnić wnioski ze wszystkich danych zebranych za pomocą sztucznej inteligencji. Przyszłe podejścia do adaptacyjnego uczenia się będą miały zastosowanie do zupełnie nowych wymagań dotyczących wiedzy i umiejętności. Nieuchronnie przyczynią się do realizacji celów biznesowych. Ale przyczynią się również do szerszego dążenia ludzkości do uczenia się.

O autorze

• Michael J. Noble, PhD, jest prezesem (Americas) Area9 Lyceum.