机器学习(ML)是技术领域的一个流行词,最近它也进入了电子学习领域。机器学习使计算机或机器能够做出决定数据驱动的,消除了执行任务时显式编程的需要。机器学习利用的算法是根据它们将要追踪的新数据,随着时间的推移而改进。
将机器学习纳入电子学习的5个优势
- 使用个性化的学习途径技能员工
- 通过学习者剖析目标电子学习交付
- 通过聊天机器人提供虚拟指令
- 通过预测学习者的参与度来提高电子学习效率
- 提高电子教学课程质量
如果我告诉你,你已经体验了机器学习的好处,却没有意识到它在工作?例如,如果你尝试过网上外卖平台UberEATS在美国,你有没有想过这款应用是如何预测外卖的估计时间或显示你附近受欢迎的餐厅列表的?这就是机器学习的力量。
米开朗基罗是优步的机器学习平台,它可以预测准备和送餐所需的时间。甚至在收到订单之前,在食品配送过程的每个阶段都要这样做。另一个例子是由Spotify使用基于你过去听过的音乐的机器学习算法。
机器学习和人工智能一样吗?
不是真的!人工智能是一个宽泛的概念,它使计算机能够像人类一样利用其自然智能进行思考。另一方面,机器学习是一种应用人工智能子集计算机可以接触数据,并可以使用一套统计工具自行学习或解释数据。
机器学习在E-learning中的应用
就像在其他领域一样,机器学习也被应用于在线培训。以下是在电子学习中使用机器学习的5个好处。
1.为有技能的员工提供个性化的学习途径
在工作场所不断学习对企业的成功至关重要,尤其是因为技能的半衰期正在下降。例如,你10年前学到的东西已经过时了,你5年前学到的东西只有不到一半适用于今天。因此,有必要不断提高员工的技能,使他们能够满足行业当前的需求。
但是你如何预测你的员工已经知道和不知道什么呢?每个人可能处于不同的学习水平,可能喜欢不同的学习风格。一个自适应学习程序,利用机器学习算法可以证明是有用的。在这种在线培训中,学习者需要回答一组结构化的问题。根据他们的回答,他们已经熟悉的内容将从课程中删除,并向他们展示他们需要知道的内容。因此,每位学员都将走上个性化的学习道路,以帮助他们满足当前的培训需求。
2.为有针对性的电子学习提供学习者分析
剖析是通过对数据应用机器学习算法来完成的。举个简单的例子,你可能在购物时注意到产品推荐,或者在浏览网页时注意到广告。这是基于从你以前的购物经历或搜索历史中收集的数据。
以完全相同的方式,学习者分析是基于他们以前的学习历史和收集的关于学习者的数据来完成的。它可以是学习者在组织中的角色、工作职责、兴趣领域、职业发展计划,等等。根据学习者或学习者组的共同兴趣,将他们分类到特定的profile下。
机器学习算法根据收集的信息形成一个模式,并使用它来提供有针对性的电子学习。这确实有助于建立一个学习文化在组织内。毕竟,当你看到自己感兴趣的内容时,你会想要学习,不是吗?
3.利用聊天机器人作为虚拟导师
聊天机器人指的是利用机器学习和人工智能与人类互动的软件。聊天机器人可以作为电子教学课程的虚拟导师。它们可以用来回答学习者可能会有的问题。他们代替指导员并提供指导学习体验。
在线学习中的聊天机器人可以与亚马逊的Alexa或苹果的Siri相媲美,但它们并不局限于回答问题。他们也能够分配项目给学习者,检查项目工作,并可以跟踪学习者的进度在课程中。他们可以提供有意义的反馈,并激励学习者完成电子学习课程。
机器学习和人工智能驱动的聊天机器人可以用来在电子学习课程中提供交互式学习体验。聊天机器人可以在多个平台上工作,从网站到手机。这就像有一个指导员在你按下按钮时帮助你一样。
4.预测学习者参与提高电子学习效率
你刚刚推出的电子学习课程效率如何?学习者觉得它吸引人吗?通常情况下,我们会假设游戏具有吸引力,或者基于我们所获得的反馈。但你不知道学习者是否在课程中遇到了困难,或者他们中的一些人是否觉得课程不够吸引人。你收集的反馈可能会有不同的结果,因为它考虑了大多数人的意见。
在电子学习中使用机器学习可以让你跟踪学习者如何与屏幕上呈现的内容互动。以下是一些机器学习可以提供答案的问题:
- 学习者是否花了更长的时间来理解特定幻灯片的内容?
- 他们是否花了更长的时间来回答形成性评估中的问题?
- 他们是否因为熟悉内容而快速浏览了某些幻灯片?
当跟踪这些信息时,具有机器学习能力的LMS可以自动将学习者引导到能够帮助他们获得有关该主题的更多信息的内容。在学习者已经熟悉内容的情况下,它可以呈现促进深度学习的内容。通过这样做,学习者参与增加,电子学习课程变得比正常情况下更有效率。
5.提高电子学习评估质量并提高留存率
电子教学的评估通常是以多项选择题(mcq)。这是因为mcq评分更容易。但随着电子学习中机器学习的引入,问题可以以多种格式呈现。它可以是一篇文章或一个长的答案,而不是MCQ,在MCQ中,学习者可以通过猜测来打分。当然,这需要使用复杂的机器学习算法。
软件工具,如聪明的论文评估员(IEA)可以评估文章的深度,语言的流利程度,文章主题和内容的相关性,等等。人们注意到,国际能源机构的得分与专家在这一问题上给出的得分几乎相似。此外,IEA和人类指导员给出的反馈并不冲突(V. V. Ramalingam等人2018年J. Phys。: Conf. Ser. 1000 012030,检索自https://iopscience.iop.org/)。
机器学习也可以用来强化电子学习课程的内容。定期做一个简单的测试来检查学习者的理解,可以提高内容的留存率。
机器学习在电子学习中的应用仍在发展中。目前机器学习有一些缺点,它的能力可能需要一段时间充分探索。例如,预测不一定总是正确的。如果一个学习者之前没有做得很好网络学习评价,这并不意味着他/她会在当前的课程表现不佳。课程内容确实对学习接受能力有影响。此外,与机器学习相关的成本很高。
毫无疑问,机器学习可以增强电子学习,但它真的是必需的吗?在我看来,对于电子教学或任何形式的培训来说,要想有效,更重要的是通过杠杆来关注好的教学设计成人学习的原则并包括参与互动活动,从而使花在培训上的时间对员工来说是值得的。如果你在你的电子学习课程中探索过机器学习,请通过评论部分分享你的想法。