Šest lidí začíná kurz o postupu správy zásob. Dva to dělají už léta v jiném skladu. Dva systém používají, ale nikdy nový proces vracení zboží. Dva nikdy neviděli záznam o zásobách. Kurz začíná hlavním úkolem, protože to je přesně to, co práce potřebuje, a na konci první lekce se místnost rozdělí: někteří se nudí, někteří jsou ztraceni a nikdo neví, která skupina je která.
Toto je ilustrativní scénář, nikoli zdokumentovaný případ zákazníka. Jde o to, co se stane, když studenti vstoupí do kurzu s různým chápáním stejného postupu a systém s nimi zachází jako s jednou skupinou.
Tato příručka je určena pro návrháře výuky a manažery školení. Srozumitelně vysvětluje zvládnutí učiva a poté ukazuje, jak ho adaptivní učení může podpořit v rámci školení na pracovišti: diagnostikuje mezery v předpokladech, zaměřuje přípravu na ně, kontroluje zvládnutí před hlavním úkolem a testuje, zda příprava pomohla.
Co je to mistrovské učení?
Mastery learning je přístup, ve kterém musí studenti dosáhnout definované úrovně porozumění jedné lekce, než přejdou k další. Benjamin Bloom tuto myšlenku nastínil v roce 1968 v publikaci „Learning for Mastery“ s argumentem, že většina studentů zvládne to, co se od nich očekává, pokud je výuka správné kvality a je přizpůsobena jejich potřebám (Bloom, 1968, Učení pro mistrovství, prostřednictvím ERIC). Pochází ze škol a většina výzkumu pochází z učeben.
V práci je praktická otázka užší. Které předpoklady musí být splněny před hlavním úkolem, jak zjistíte, kdo je má a co se stane s lidmi, kteří je nemají? A právě v tom pomáhá adaptivní učení. V této příručce to znamená, že se učební zkušenost mění s výkonem studenta: posloupností přípravy, množstvím praxe nebo podporou, kterou dostává. Neznamená to generativní umělou inteligenci.
Rychlá fakta
| Otázka | Stručná odpověď |
|---|---|
| Co je to mistrovské učení? | Studenti dosáhnou v jedné jednotce určité úrovně, než přejdou k další. |
| Kam se hodí adaptivní učení? | Ve fázi přípravy: různá podpora pro různé výchozí body. |
| Znamená adaptivní umělá inteligence? | Ne. Diagnostika, která směruje lidi k různým opakovacím kurzům, je adaptivní. |
| Co by měl test mistrovství ukázat? | Že jsou splněny předpoklady, ne že daná osoba dokáže vykonat celou práci. |
| Existuje univerzální minimální bod pro absolvování zkoušky? | Ne. Důkazy, které pro svůj úkol potřebujete, si stanovte s odborníkem. |
1. Diagnostikovat rozdíly v předpokladech
Začněte tím, že si uvedete nezbytné koncepty: fakta, pojmy a pravidla, která musí student již znát, aby pochopil hlavní úkol. V případě kurzu správy zásob to může být, co obsahuje záznam o zásobách, co znamená kód vrácení zboží a kdo může upravovat počet kusů.
Pak si pro každý koncept napište několik reprezentativních otázek a použijte je jako krátkou diagnostiku před začátkem kurzu. Eberlyho centrum Carnegie Mellona popisuje, proč je to důležité: předchozí znalosti studentů mohou učení napomáhat nebo bránit, a pokud jsou nečinné, nedostatečné, nevhodně aktivované nebo nepřesné, mohou narušovat nové učení (Eberlyho centrum, principy učeníVědět, s čím lidé přicházejí, vám umožňuje stavět na silných stránkách a řešit nedostatky.
Jedno upozornění. Diagnostika vybavování vám řekne o vybavování. Neodvozujte z ní pracovní kompetence. Osoba, která dokáže definovat kód pro vrácení zboží, splnila jeden předpoklad pro daný úkol, nikoli prokázala, že dokáže zvládnout případ vrácení zboží. Praktická příručka IES o organizaci výuky a studijních seznamů pomocí testů k identifikaci mezer je doporučením a důkazy pro ni hodnotí jako minimální. Byla napsána pro studenty, proto ji berte jako rozumný designový zvyk, který si můžete vyzkoušet a změřit ve svém vlastním prostředí, nikoli jako osvědčenou metodu pro pracovní sílu.Praktický průvodce IES).
2. Rozhodněte se, co lze personalizovat
Adaptivní učení zní větší, než by mělo být. Pro zvládnutí základních úkolů si můžete přizpůsobit tři věci:
- Sekvence. Studenti, kteří vykazují mezery, začínají s opakováním daného konceptu. Studenti, kteří jej nevynechávají.
- Množství praxe. Někdo, kdo zvládne správně tři ze tří položek, potřebuje méně opakování než někdo, kdo zvládne správně jednu ze tří.
- Podpora. Jeden student dostane rozpracovaný příklad. Další dostane krátké vysvětlení s výzvou k opakování. Třetí je vyzván k rozhovoru s instruktorem.
Co byste si neměli personalizovat, je standard. Hlavní úkol má stále jednu definici – „připravenost“. Adaptace mění trasu, nikoli cíl.
Neztotožňujte adaptaci s generativní umělou inteligencí. Pravidlo typu „pokud v kódech vrácení chybí dvě položky, dostanete toto opakování a pak opakování“ je adaptivní a nepotřebuje žádný model. Pokud platforma inzeruje adaptaci řízenou umělou inteligencí, ověřte si, co dělá, v porovnání s vaším vlastním pracovním postupem, než se na ni spolehnete.
3. Zpětná vazba k návrhu a možnosti praxe
Pro každý koncept předpokladu definujte malou smyčku: diagnostický výsledek, cílenou aktivitu a zprávu se zpětnou vazbou.
| Diagnostický výsledek | Cílená aktivita | Příklad zpětné vazby | Co spouští další krok |
|---|---|---|---|
| Chybí položky s kódem pro vrácení zboží | Krátké vysvětlení se dvěma zpracovanými příklady a poté tři nové položky | „Kód R2 jste považovali za poškozenou položku. R2 znamená vráceno neotevřené. Podívejte se na příklad na další obrazovce a vyzkoušejte tyto.“ | Druhé neúspěchy spustí hovor s instruktorem |
| Prochází, vrací kódy, úpravy počtu chyb | Interaktivní případ, kdy studenti rozhodují, kdo může upravit počet a proč | „Úprava je nad tvým limitem. Která role ji schvaluje?“ | Chybný způsob uvažování, a to i při správné odpovědi, je označen pro rozbor. |
| Projde všechno | Přeskočí na hlavní úkol | „Předpoklady potvrzeny. Dále: váš první případ.“ | Nevyplněno |
Všimněte si dvou možností designu. Zpětná vazba vysvětluje důvod, nejen odpověď. A spouštěče pro další pokus nebo pro lidskou pomoc jsou nastaveny předem, takže student, který se zasekl, nečeká, až si toho někdo všimne.
Interaktivní formáty fungují dobře ve sloupci aktivit. Každý student se zaváže k odpovědi a důvodu a lektor vidí, které mylné představy jsou běžné. AhaSlides podporuje adaptivní učení, interaktivní učení a přecházení mezi živým a vlastním tempem výuky. Zkontrolujte všechny konkrétní diagnostické, autorské, bodovací nebo reportovací funkce, na které se chcete spolehnout, oproti svému vlastnímu pracovnímu postupu a zacházejte s funkcemi umělé inteligence, simulace a integrace jako s externími nebo nepotvrzenými, dokud je neuvidíte fungovat.
4. Před postupem zkontrolujte zvládnutí
Definujte důkazy, které potřebujete, než student zahájí hlavní úkol. Snažte se, aby byly specifické pro daný úkol, například: „správně interpretuje všechny návratové kódy ve třech nových případech a jmenuje, kdo schválí úpravu počtu“.
Dvě varování.
Vyhněte se univerzálnímu propouštění. „80 procent k pokroku“ působí úhledně a neříká nic o tom, kterých 20 procent bylo vynecháno. Pokud je vynechaná položka tou, která způsobuje chybu v bezpečnosti nebo dodržování předpisů, student nezvládl daný předpoklad. Uveďte důkazy podle konceptu a kritické položky označte odděleně.
Uveďte na šeku poctivě, co ukazuje. Kontrola předpokladů potvrzuje, že koncepty jsou na místě. Neprokazuje, že student je schopen úkol splnit. To platí pro hlavní procvičování úkolu a následné hodnocení. Náš průvodce přiřazování vzdělávacích aktivit k Bloomově taxonomii ukazuje, jak sladit cíl, aktivitu a hodnocení, aby kontrola nebyla zaměněna za místo určení.
5. Vyhodnoťte úsilí a výsledky učení
Změřte dvě věci odděleně a poté je spojte.
- Úsilí studenta při přípravě. Kolik opakovacích cvičení potřeboval každý student? Kolik pokusů? Úsilí vám vypovídá o designu stejně tak jako o studentovi: koncept, na který většina lidí potřebuje tři pokusy, má pravděpodobně slabé vysvětlení.
- Předpoklad výkonu. Dosáhli studenti standardu důkazů, který jste stanovili?
Pak otestujte souvislost, která vás zajímá: podporuje příprava výkon v následujícím pracovním úkolu? Porovnejte studenty, kteří potřebovali přípravu, s těmi, kteří ji nepotřebovali, a porovnejte výkon na novém, neznámém případě s výchozím stavem. Americká Centra pro kontrolu a prevenci nemocí oddělují hodnocení učení od hodnocení toho, jak dobře ho lidé aplikují v práci, a doporučují plánovat pro obojí (CDC, hodnocení školení: měření efektivity). Jedná se o vodítko k měření, nikoli o předpověď výsledků.
Definujte, kdo je zahrnut, jmenovatele a načasování. Pokud se výkon změní, zkontrolujte, co se ještě ve stejném období změnilo, například nový nástroj nebo jiná kombinace práce, než přípravu uznáte za dobropis. Neslibujte úsporu času ani míru úspěšnosti, kterou jste nezměřili.
Praktický příklad: kontroly předpokladů pro postup vrácení zboží
Ilustrativní příklad. Odborník, který tuto práci provádí, by měl před použitím ověřit případ a kritéria odpovědi.
Pouzdro. Žák provede diagnostiku s kódem návratové chyby. Správně odpoví na dvě z pěti položek. Obě chyby zahrnují kód R2, který si přečte jako „poškozený“.
Co se od studenta požaduje. Vysvětlete, co výsledek ukazuje, uveďte důkazy pro to a uveďte, jaké další informace nebo podporu by chtěli získat před hlavním úkolem.
Slabá odezva. „Musím víc studovat.“ Nic neuvádí a nepojmenovává žádný koncept.
Silnější odpověď. „Spletl jsem se u dvou položek R2, protože jsem si myslel, že R2 znamená poškozené zboží. Ve zpětné vazbě se píše, že to znamená vrácení neotevřeného zboží. Moje další tři odpovědi byly správné, takže mezera vypadá jako jeden kód, ne jako celý postup. Příklady R2 bych zopakoval a zkusil znovu tři nové položky. Nejsem si jistý, zda se R2 vztahuje i na částečně otevřené krabice, takže bych se před zahájením živého vrácení zeptal instruktora.“
Spusťte a zkuste to znovu. Protože student pojmenoval mezeru a zbývající otázku, systém mu umožní jeden pokus opakovat. Druhý neúspěch v otázce R2 by znamenal hovor s instruktorem. Student to znovu zkusí se třemi novými položkami a všechny tři zodpoví správně, takže pokračuje dál.
Co se designér naučí. Pokud polovina kohorty špatně interpretuje R2, vysvětlením je problém, nikoli studenti.
Rubrika, kterou si můžete přizpůsobit
Každé kritérium ohodnoťte od 0 do 2. Toto je návrh na adaptaci s praktikem v roli, nikoli ověřený standard připravenosti.
| Kritérium | Pozorovatelné důkazy |
|---|---|
| Provádění úkolů | Navrhuje cílenou přípravu předpokladů na základě diagnostických důkazů. Zaznamenává volbu a důkazy, které ji podporují. |
| Uvažování | Vysvětluje omezení, alternativy a to, co je stále nejisté, včetně toho, co kontrola neukázala. |
| Hranice | Používá schválené postupy a žádá o pomoc, když chybí informace nebo oprávnění. |
Kotvy: 0 = chybí nebo není podloženo. 1 = částečné, s relevantními opomenutími. 2 = úplné a odůvodněné podle dohodnutých kritérií. Kritické chyby definujte samostatně, například umožněte studentovi splnit bezpečnostní předpoklad v celkovém skóre. Celkové skóre nesmí zakrývat kritické selhání.
Omezení, která mohou přetrvávat
I když příprava předpokladů funguje, některé věci zůstávají:
- Špatný zdrojový materiál. Pokud je samotný postup nejasný, žádná diagnostika ho nemůže opravit.
- Čas. Studenti, kteří potřebují tři opakovací kurzy, potřebují tři termíny v týdnu. Zkontrolujte, zda to rozvrh umožňuje.
- Motivace. Student, který vnímá diagnostiku jako test, kterému se má vyhnout, se nemusí zapojit. Vysvětlete, že kontrola existuje proto, aby ukázala, kde je potřeba podpora.
- Omezení nástroje. Platforma nemusí podporovat vámi navržené směrování nebo report. Před zahájením sestavování si to ověřte.
Naplánujte pro ně samostatná řešení a sdělte to sponzorům. Učení se mistrovstvím je designový přístup, nikoli záruka výsledků.
Často kladené otázky
Jaký je rozdíl mezi mistrovským učením a adaptivním učením?
Mastery learning (mistrovské učení) je princip, že studenti by měli dosáhnout definované úrovně v jedné jednotce před dosažením další. Adaptivní učení je způsob, jak toho dosáhnout: trasa se mění v závislosti na tom, jak student podává výkon.
Potřebuje adaptivní učení umělou inteligenci?
Ne. Diagnostika s pravidly, která posílají studenty k různým opakovacím kurzům, je adaptivní. Umělá inteligence je jednou z možných implementací a jakékoli tvrzení o ní by mělo být ověřeno na funkčním příkladu.
Jak nastavím prahovou hodnotu mistrovství?
Definujte důkazy pro každý předpoklad a označte kritické položky samostatně. Vyhněte se jednomu procentu, které by mohlo propustit kritickou mezeru, a prahovou hodnotu si projděte s někým, kdo danou práci vykonává.
Kde začít
Vyberte si jeden kurz s jasným předpokladem problému. Uveďte tři předpoklady, ke každému z nich napište tři otázky a proveďte je jako diagnostický test s hrstkou studentů. Podívejte se, které koncepty rozdělují skupinu: ty stojí za cílené opakování.
Chcete-li zjistit, jak by se vám mohly hodit diagnostika s vlastním tempem, cílená příprava a živý debriefing pro váš vlastní kurz, prozkoumejte AhaSlides.
