学习分析组件:数据-分析-行动

我说，“学习分析”。大多数培训经理会说，“Learning Analytics怎么样?”他们听说过，但知道的还不够多。唉!尽管它在教育领域非常流行，但大多数企业L&D的人仍然没有意识到它。考虑到组织对数据、分析和量化信息的依赖程度，这很奇怪。好吧，在他们的辩护中，关于学习分析及其工作原理的信息是稀缺的。

学习分析的3个支柱

数据
分析
行动

不管外面有什么信息都是技术含量高到让人麻木的没有一个L&D专业人员愿意去接触它。这是概述。

“学习分析是测量、收集、分析和报告关于学习者及其背景的数据，目的是理解和优化学习以及它发生的环境。”- - -太阳能

学习分析的3个要素

数据、分析和行动——这是学习分析中共同工作的三个元素。

“数据”代表了从学习者和他们参与的学习活动中收集到的所有信息。“分析”包括将所有收集到的数据放在一起，并测量培训对组织生产力和进展的有效性。最后，“行动”是你根据数据分析做出的决定和改变。

数据

在当今世界，数据的价值不容低估。我们生成250亿亿个字节每天都有。从你的音乐应用程序中的建议播放列表，到你的动态消息，再到你是否获得了银行的贷款批准——一切都是由已经或正在录制和报告的数据决定的。

考虑到在线培训的相关数据，你会发现LMS可以捕捉到足够多的信息让你的组织开始学习分析之旅。你也可以从人力资源信息系统汇集数据，调查和民意调查，主管的评价和用户(学习者)生成的社会学习内容t。

但是这些数据应该关注什么呢?个人学习者，学习经验，还是整个培训计划?答案是——三个都有。这些是可以在每一个标题下提出的问题，基于输入从分水岭．

学习者

这个组的每个人都完成了所有的强制训练计划了吗?
这个人/这个群体有什么技能?
差距在哪里?
谁需要开发?

学习经验

有多少知识被使用了?
是否存在没有被使用的“废弃学习”?
什么时候使用，使用多长时间?
学习者搜索最多的资源或话题是什么?

学习计划

组织绩效是否因培训而改善?
这种学习方法为公司节省了钱吗?
哪种学习方法更有效?

分析

在你收集了关于学习者、他们的培训经验和培训计划的数据之后，下一步是分析它并获得可行的见解．根据您的组织实践，这可能是一个双重问题。

许多企业拥有数据，但缺乏分析数据的资源、工具和策略。
大多数不嫌麻烦分析数据的组织，只关注课程完成率和通过率。

第一个问题很容易解决，不过解决办法取决于你的资金投资。如果你是一家中小型企业，你可以雇佣分析师，他们可以把数据放在一起，并根据他们的发现编写报告。对于大型企业来说，仅靠分析师还不足以处理数据。现在有一些分析工具可以使处理大块数据变得容易得多。

第二个问题由于各种原因有点复杂。分析学习者在培训期间的活动是不够的衡量培训的有效性．你需要分析他们在培训前和培训后的表现，这就是团队经理和利益相关者的输入和见解至关重要的地方。

但是L&D之外的大多数利益相关者并不太重视这些细节。他们大多依赖L&D团队为员工提供培训，几乎没有受到他们的干扰。因此，为了克服这个障碍，你需要与所有利益相关者沟通，让他们意识到培训评估的好处，并寻求资源(人力和技术)，这将使实施学习分析成为可能。

行动

除非你采取行动，否则你所有的分析和计算都将化为乌有。如果你不愿意或不能采取行动，那么你的预测是好是坏都没有意义。如果不根据所提交的报告进行更改，那么学习分析是不完整的。

例如，如果分析指出一个失败的学习过程或低质量的培训内容，你的行动计划是什么?在这种情况下，您将需要重新评估内容以及教学设计策略，并修改它们，以适应培训需求。

下载这本电子书，成为指导性设计策略的大师。

获得理想行动的最佳策略是采用适用于各个培训级别的培训评估模型。的柯克帕特里克模型是一个被广泛接受的模型，如果遵循得当，可以提供真正有用的可操作的见解。

让我们以一个销售团队的产品培训为例。正在进行的培训项目遵循混合学习策略。

在这个假设的场景中，下面是Kirkpatrick模型的工作方式。

	数据	分析	行动
反应	在反馈表中，学习者的评分为7/10	虽然学习者对整体课程感到满意，但他们觉得表演支持视频太长了。	性能支持需要提供即时信息。所以冗长的模块需要被分割成微型学习。
学习	LMS的调查结果显示，学习者花的时间超过了预期完成挑战的时间，而且有时会跳过挑战。	挑战中提出的问题与培训中提供的信息不一致。	将评估与学习目标相结合。
行为	主管们观察到，接受过实际培训的学员比其他人表现得更好。	产品动画虽然能提供信息，但不能提供实际经验。	让学员接受基本的产品培训，然后再进行实际操作培训。
结果	销售团队在本财季产生的整体收入比上一季度增加了20%。	目前的培训能够提高员工的绩效，但他们仍然需要改进以达到他们的目标。	继续使用混合学习策略，并在培训中修复故障和需求。