การเรียนรู้แบบเชี่ยวชาญในที่ทำงาน: การเรียนรู้แบบปรับตัวช่วยสนับสนุนความเชี่ยวชาญในพื้นฐานได้อย่างไร

ผู้เข้าร่วมอบรมหกคนเริ่มเรียนหลักสูตรเกี่ยวกับขั้นตอนการควบคุมสินค้าคงคลัง สองคนเคยทำมาแล้วหลายปีในคลังสินค้าอื่น สองคนเคยใช้ระบบนี้แต่ไม่เคยใช้กระบวนการคืนสินค้าแบบใหม่ และอีกสองคนไม่เคยเห็นบันทึกสินค้าคงคลังมาก่อน หลักสูตรเริ่มต้นด้วยงานหลัก เพราะนั่นคือสิ่งที่งานนั้นต้องการ และเมื่อสิ้นสุดการอบรมครั้งแรก ผู้เข้าร่วมก็แบ่งออกเป็นสองกลุ่ม: บางคนเบื่อ บางคนงง และไม่มีใครบอกได้ว่ากลุ่มไหนเป็นกลุ่มไหน

นี่เป็นเพียงสถานการณ์จำลอง ไม่ใช่กรณีศึกษาจากลูกค้าที่ได้รับการบันทึกไว้ นี่คือสิ่งที่เกิดขึ้นเมื่อผู้เรียนเข้าเรียนในหลักสูตรด้วยความเข้าใจที่แตกต่างกันเกี่ยวกับขั้นตอนเดียวกัน และการออกแบบหลักสูตรกลับปฏิบัติต่อพวกเขาราวกับเป็นกลุ่มเดียวกัน

คู่มือนี้จัดทำขึ้นสำหรับนักออกแบบการเรียนการสอนและผู้จัดการฝึกอบรม โดยจะอธิบายการเรียนรู้แบบเชี่ยวชาญในภาษาที่เข้าใจง่าย จากนั้นจะแสดงให้เห็นว่าการเรียนรู้แบบปรับตัวสามารถสนับสนุนการเรียนรู้แบบเชี่ยวชาญในที่ทำงานได้อย่างไร: วินิจฉัยช่องว่างของความรู้พื้นฐาน กำหนดเป้าหมายการเตรียมความพร้อมให้ตรงกับช่องว่างเหล่านั้น ตรวจสอบความเชี่ยวชาญก่อนเริ่มงานหลัก และทดสอบว่าการเตรียมความพร้อมนั้นช่วยได้หรือไม่

การเรียนรู้แบบเชี่ยวชาญคืออะไร?

การเรียนรู้แบบมุ่งเน้นความเชี่ยวชาญ (Mastery learning) เป็นแนวทางที่ผู้เรียนต้องบรรลุระดับความเข้าใจที่กำหนดไว้ในแต่ละหน่วยการเรียนรู้ก่อนที่จะก้าวไปสู่หน่วยถัดไป เบนจามิน บลูม ได้นำเสนอแนวคิดนี้ในปี 1968 ในหนังสือ "Learning for Mastery" โดยให้เหตุผลว่านักเรียนส่วนใหญ่สามารถเชี่ยวชาญในสิ่งที่พวกเขาคาดว่าจะเรียนรู้ได้ หากการสอนมีคุณภาพที่เหมาะสมและปรับให้เข้ากับความต้องการของพวกเขาบลูม, 1968, การเรียนรู้เพื่อความเชี่ยวชาญ, ผ่านทาง ERICข้อมูลเหล่านี้มาจากโรงเรียน และงานวิจัยส่วนใหญ่ก็มาจากห้องเรียน

ในที่ทำงาน คำถามเชิงปฏิบัติจะแคบลง คือ ต้องมีแนวคิดพื้นฐานอะไรบ้างก่อนเริ่มงานหลัก จะตรวจสอบได้อย่างไรว่าใครมีแนวคิดเหล่านั้น และจะเกิดอะไรขึ้นกับคนที่ไม่มี? นี่คือจุดที่การเรียนรู้แบบปรับตัวเข้ามาช่วย ในคู่มือนี้ หมายถึงประสบการณ์การเรียนรู้ที่เปลี่ยนแปลงไปตามประสิทธิภาพของผู้เรียน: ลำดับการเตรียมตัว ปริมาณการฝึกฝน หรือการสนับสนุนที่พวกเขาได้รับ ไม่ได้หมายถึงปัญญาประดิษฐ์แบบสร้างข้อมูลอัตโนมัติ (generative AI)

ข้อเท็จจริงด่วน

1. วินิจฉัยความแตกต่างของข้อกำหนดเบื้องต้น

เริ่มต้นด้วยการระบุแนวคิดพื้นฐานที่ผู้เรียนต้องรู้มาก่อน เพื่อให้เข้าใจเนื้อหาหลักของวิชา สำหรับวิชาควบคุมสินค้าคงคลัง แนวคิดพื้นฐานเหล่านั้นอาจได้แก่ ข้อมูลเกี่ยวกับสินค้าคงคลัง รหัสสินค้าคืนหมายถึงอะไร และใครบ้างที่สามารถปรับจำนวนสินค้าได้

จากนั้นเขียนคำถามตัวอย่างสักสองสามข้อสำหรับแต่ละแนวคิด และใช้คำถามเหล่านั้นเป็นแบบประเมินเบื้องต้นก่อนเริ่มเรียน ศูนย์ Eberly ของ Carnegie Mellon อธิบายว่าเหตุใดสิ่งนี้จึงสำคัญ: ความรู้เดิมของนักเรียนสามารถช่วยหรือขัดขวางการเรียนรู้ได้ และเมื่อความรู้เดิมนั้นไม่ใช้งาน ไม่เพียงพอ ไม่ถูกกระตุ้นอย่างไม่เหมาะสม หรือไม่ถูกต้อง ก็อาจขัดขวางการเรียนรู้ใหม่ได้ศูนย์เอเบอร์ลี หลักการเรียนรู้การรู้ว่าผู้คนมีอะไรติดตัวมาบ้าง จะช่วยให้คุณต่อยอดจุดแข็งและแก้ไขจุดอ่อนได้

ข้อควรระวังอย่างหนึ่งคือ การวินิจฉัยความสามารถในการจดจำบอกเพียงแค่ความสามารถในการจดจำเท่านั้น อย่าอนุมานความสามารถในการทำงานจากผลการวินิจฉัยนั้น บุคคลที่สามารถกำหนดรหัสการคืนสินค้าได้นั้นถือว่าผ่านคุณสมบัติเบื้องต้นข้อหนึ่งสำหรับงานนั้นแล้ว แต่ไม่ได้แสดงให้เห็นว่าพวกเขาสามารถจัดการกับกรณีการคืนสินค้าได้ คู่มือปฏิบัติของ IES เกี่ยวกับการจัดระเบียบรายการการสอนและการศึกษาโดยใช้การทดสอบเพื่อระบุช่องว่างเป็นเพียงข้อแนะนำ และให้คะแนนหลักฐานสนับสนุนว่ามีน้อยมาก คู่มือนี้เขียนขึ้นสำหรับนักเรียน ดังนั้นควรพิจารณาว่าเป็นนิสัยการออกแบบที่เหมาะสมที่จะลองวัดผลในสภาพแวดล้อมของคุณเอง ไม่ใช่วิธีการที่ได้รับการพิสูจน์แล้วในกำลังคน (คู่มือฝึกฝน IES).

2. ตัดสินใจว่าจะปรับแต่งอะไรได้บ้าง

การเรียนรู้แบบปรับตัวได้นั้นฟังดูซับซ้อนเกินความจำเป็น สำหรับการเรียนรู้เนื้อหาพื้นฐาน คุณสามารถปรับแต่งได้ 3 อย่างดังนี้:

• ลำดับเหตุการณ์ ผู้เรียนที่พบว่ามีความรู้พื้นฐานไม่เพียงพอ จะเริ่มจากการทบทวนเนื้อหาในส่วนนั้นก่อน ส่วนผู้เรียนที่ไม่มีปัญหาจะไม่ข้ามส่วนนั้นไป
• ปริมาณการฝึกฝน คนที่ตอบคำถามได้ถูกต้องทั้งสามข้อ จะต้องการการทบทวนน้อยกว่าคนที่ตอบคำถามได้ถูกต้องเพียงหนึ่งข้อจากสามข้อ
• การสนับสนุน ผู้เรียนคนหนึ่งได้รับตัวอย่างที่แสดงวิธีทำ อีกคนหนึ่งได้รับคำอธิบายสั้น ๆ พร้อมคำแนะนำให้ลองทำใหม่ ส่วนอีกคนหนึ่งถูกเลือกให้ไปพูดคุยกับผู้สอน

สิ่งที่คุณไม่ควรปรับแต่งคือมาตรฐาน งานหลักยังคงมีนิยามของคำว่า "พร้อม" เพียงหนึ่งเดียว การปรับเปลี่ยนจะเปลี่ยนเส้นทาง ไม่ใช่จุดหมายปลายทาง

อย่าเข้าใจผิดว่าการปรับตัวนั้นเหมือนกับ AI ที่สร้างขึ้นเอง กฎอย่างเช่น "ถ้าคุณใส่รหัสสินค้าคืนผิดสองรายการ คุณจะได้รับการแจ้งเตือนให้กรอกข้อมูลใหม่ จากนั้นจึงลองใหม่อีกครั้ง" ก็เป็นการปรับตัวแล้ว และไม่จำเป็นต้องใช้โมเดล หากแพลตฟอร์มใดโฆษณาว่ามีการปรับตัวด้วย AI โปรดตรวจสอบว่ามันทำงานอย่างไรกับขั้นตอนการทำงานของคุณเองก่อนที่จะนำไปใช้

3. ข้อเสนอแนะด้านการออกแบบและตัวเลือกในการฝึกปฏิบัติ

สำหรับแนวคิดพื้นฐานแต่ละข้อ ให้กำหนดวงจรย่อยดังนี้: ผลการวินิจฉัย กิจกรรมเป้าหมาย และข้อความตอบกลับ

สังเกตสองส่วนที่สำคัญในการออกแบบ คือ คำติชมจะอธิบายเหตุผล ไม่ใช่แค่คำตอบ และมีการตั้งค่าตัวกระตุ้นให้ลองใหม่หรือขอความช่วยเหลือจากมนุษย์ไว้ล่วงหน้า เพื่อให้ผู้เรียนที่ติดขัดไม่ต้องรอให้ใครมาสังเกตเห็น

รูปแบบการเรียนรู้แบบโต้ตอบนั้นเหมาะสมกับคอลัมน์กิจกรรม ผู้เรียนแต่ละคนจะให้คำตอบและเหตุผล และผู้สอนจะเห็นว่าความเข้าใจผิดใดบ้างที่พบบ่อย AhaSlides รองรับการเรียนรู้แบบปรับตัว การเรียนรู้แบบโต้ตอบ และการสลับระหว่างการเรียนรู้แบบสดและการเรียนรู้ด้วยตนเอง ตรวจสอบฟังก์ชันการวินิจฉัย การสร้างเนื้อหา การให้คะแนน หรือการรายงานเฉพาะใดๆ ที่คุณวางแผนจะใช้กับขั้นตอนการทำงานของคุณเอง และถือว่าคุณสมบัติ AI การจำลอง และการบูรณาการเป็นสิ่งภายนอกหรือยังไม่ได้รับการยืนยันจนกว่าคุณจะได้เห็นการทำงานจริง

4. ตรวจสอบความเชี่ยวชาญก่อนก้าวไปสู่ขั้นต่อไป

กำหนดหลักฐานที่จำเป็นก่อนที่ผู้เรียนจะเริ่มงานหลัก ให้ระบุรายละเอียดเฉพาะเจาะจงกับงาน เช่น "สามารถตีความรหัสการส่งคืนทั้งหมดในสามกรณีใหม่ได้อย่างถูกต้อง และระบุชื่อผู้ที่อนุมัติการปรับจำนวน"

คำเตือนสองครั้ง

หลีกเลี่ยงการกำหนดเกณฑ์ผ่านแบบตายตัว การระบุว่า "มีความก้าวหน้า 80 เปอร์เซ็นต์" ฟังดูเรียบร้อยดี แต่ไม่ได้บอกว่า 20 เปอร์เซ็นต์ที่ขาดหายไปนั้นคืออะไร หากสิ่งที่ขาดหายไปนั้นเป็นสาเหตุให้เกิดข้อผิดพลาดด้านความปลอดภัยหรือการปฏิบัติตามกฎระเบียบ แสดงว่าผู้เรียนยังไม่เชี่ยวชาญในข้อกำหนดเบื้องต้น ควรจัดเรียงหลักฐานตามแนวคิด และทำเครื่องหมายรายการที่สำคัญแยกต่างหาก

ตรวจสอบให้แน่ใจว่าเช็คแสดงข้อมูลที่ถูกต้องและตรงตามความเป็นจริง การตรวจสอบความรู้พื้นฐานเป็นการยืนยันว่าผู้เรียนเข้าใจแนวคิดเบื้องต้นแล้ว แต่ไม่ได้แสดงว่าผู้เรียนสามารถทำภารกิจนั้นได้ ความสามารถในการทำภารกิจนั้นต้องอาศัยการฝึกปฏิบัติจริงและการประเมินผลที่จะตามมา ดูคำแนะนำของเราได้ที่นี่ การจับคู่กิจกรรมการเรียนรู้กับอนุกรมวิธานของบลูม แสดงวิธีการจัดวางวัตถุประสงค์ กิจกรรม และการประเมินให้สอดคล้องกัน เพื่อไม่ให้การตรวจสอบถูกเข้าใจผิดว่าเป็นเป้าหมายสุดท้าย

5. ประเมินความพยายามและผลลัพธ์การเรียนรู้

วัดสองสิ่งแยกกัน จากนั้นจึงเชื่อมต่อเข้าด้วยกัน

• ความพยายามของผู้เรียนในการเตรียมตัว ผู้เรียนแต่ละคนต้องทบทวนกี่ครั้ง? พยายามกี่ครั้ง? ความพยายามบอกอะไรได้หลายอย่างเกี่ยวกับการออกแบบ รวมถึงตัวผู้เรียนด้วย: แนวคิดที่คนส่วนใหญ่ต้องลองถึงสามครั้ง มักจะมีคำอธิบายที่ไม่แข็งแรงพอ
• เงื่อนไขเบื้องต้นที่ต้องปฏิบัติตาม ผู้เรียนบรรลุมาตรฐานหลักฐานที่คุณกำหนดไว้หรือไม่?

จากนั้นทดสอบความเชื่อมโยงที่คุณสนใจ: การเตรียมตัวช่วยสนับสนุนประสิทธิภาพในการทำงานที่ตามมาหรือไม่? เปรียบเทียบผู้เรียนที่ต้องการการเตรียมตัวกับผู้ที่ไม่ต้องการ และเปรียบเทียบประสิทธิภาพในกรณีใหม่ที่ไม่เคยเห็นมาก่อนกับเกณฑ์พื้นฐาน ศูนย์ควบคุมและป้องกันโรคแห่งสหรัฐอเมริกาแยกการประเมินการเรียนรู้จากการประเมินว่าผู้คนนำไปใช้ในการทำงานได้ดีเพียงใด และแนะนำให้วางแผนสำหรับทั้งสองอย่าง (ศูนย์ควบคุมและป้องกันโรค (CDC) ประเมินการฝึกอบรม: การวัดประสิทธิผลนี่เป็นเพียงแนวทางในการวัดผล ไม่ใช่การคาดการณ์ผลลัพธ์

ระบุให้ชัดเจนว่าใครบ้างที่รวมอยู่ในกลุ่มตัวอย่าง ตัวหาร และช่วงเวลา หากประสิทธิภาพเปลี่ยนแปลง ให้ตรวจสอบว่ามีอะไรเปลี่ยนแปลงไปบ้างในช่วงเวลาเดียวกัน เช่น เครื่องมือใหม่ หรือลักษณะงานที่แตกต่างกัน ก่อนที่จะให้เครดิตกับการเตรียมการ อย่าสัญญาว่าจะประหยัดเวลาหรือมีอัตราการสอบผ่านสูงขึ้นหากคุณยังไม่ได้วัดผล

ตัวอย่างการใช้งาน: การตรวจสอบเงื่อนไขเบื้องต้นสำหรับขั้นตอนการคืนสินค้า

เป็นเพียงตัวอย่าง ผู้ปฏิบัติงานที่ทำการวิจัยนี้ควรตรวจสอบความถูกต้องของกรณีศึกษาและเกณฑ์การตอบคำถามก่อนนำไปใช้

กรณี. ผู้เรียนทำแบบทดสอบวินิจฉัยรหัสสินค้าคืน พวกเขาตอบถูก 2 ใน 5 ข้อ ทั้งสองข้อที่ตอบผิดเกี่ยวข้องกับรหัส R2 ซึ่งพวกเขาอ่านว่า "เสียหาย"

สิ่งที่ผู้เรียนถูกขอให้ทำ อธิบายผลลัพธ์ที่ได้ อ้างอิงหลักฐาน และระบุว่าพวกเขาต้องการข้อมูลหรือการสนับสนุนเพิ่มเติมอะไรบ้างก่อนเริ่มงานหลัก

การตอบสนองที่อ่อนแอ "ฉันต้องเรียนเพิ่มเติม" ข้อความนี้ไม่ได้อ้างอิงถึงสิ่งใดและไม่ได้ระบุชื่อแนวคิดใดๆ

การตอบสนองที่รุนแรงขึ้น "ฉันตอบคำถามเกี่ยวกับรหัส R2 สองข้อผิด เพราะคิดว่า R2 หมายถึงสินค้าชำรุด แต่คำอธิบายบอกว่าหมายถึงสินค้าที่ส่งคืนโดยยังไม่ได้เปิดใช้ คำตอบอีกสามข้อของฉันถูกต้องหมด ดังนั้นดูเหมือนว่าข้อผิดพลาดจะอยู่ที่รหัสเดียว ไม่ใช่ขั้นตอนทั้งหมด ฉันจะลองทำตัวอย่าง R2 ใหม่และลองตอบคำถามสามข้อใหม่ ฉันไม่แน่ใจว่า R2 ใช้กับกล่องที่เปิดบางส่วนด้วยหรือไม่ ดังนั้นฉันจะถามอาจารย์ผู้สอนก่อนที่จะจัดการกับการคืนสินค้าจริง"

เริ่มการทำงานและลองใหม่อีกครั้ง เนื่องจากผู้เรียนระบุช่องว่างและคำถามที่เหลือ ระบบจึงอนุญาตให้พวกเขาลองใหม่ได้หนึ่งครั้ง หากผิดซ้ำอีกครั้งในการลองครั้งที่ 2 ระบบจะนัดหมายให้ผู้เรียนพูดคุยกับผู้สอน ผู้เรียนลองใหม่ด้วยคำถามใหม่สามข้อและตอบถูกทั้งสามข้อ จึงสามารถผ่านไปยังข้อถัดไปได้

สิ่งที่นักออกแบบได้เรียนรู้ หากนักเรียนครึ่งหนึ่งอ่าน R2 ผิด ปัญหาอยู่ที่คำอธิบาย ไม่ใช่ที่ตัวผู้เรียน

เกณฑ์การประเมินที่คุณสามารถปรับเปลี่ยนได้

ให้คะแนนแต่ละเกณฑ์ตั้งแต่ 0 ถึง 2 นี่เป็นเพียงข้อเสนอแนะเพื่อนำไปปรับใช้กับผู้ปฏิบัติงานในบทบาทดังกล่าว ไม่ใช่มาตรฐานความพร้อมที่ได้รับการตรวจสอบแล้ว

เบรก: 0 = ขาดหายไปหรือไม่ได้รับการสนับสนุน 1 = บางส่วน โดยมีข้อบกพร่องที่สำคัญ 2 = สมบูรณ์และมีเหตุผลตามเกณฑ์ที่ตกลงกันไว้ กำหนดข้อผิดพลาดที่สำคัญแยกต่างหาก เช่น การปล่อยให้ผู้เรียนผ่านข้อกำหนดเบื้องต้นที่สำคัญด้านความปลอดภัยโดยพิจารณาจากคะแนนรวม คะแนนรวมต้องไม่ปกปิดความล้มเหลวที่สำคัญ

ข้อจำกัดที่อาจยังคงอยู่

แม้ว่าการเตรียมการเบื้องต้นจะประสบความสำเร็จ แต่บางสิ่งก็ยังคงอยู่:

• แหล่งข้อมูลไม่น่าเชื่อถือ หากขั้นตอนนั้นไม่ชัดเจน การวินิจฉัยใดๆ ก็ไม่สามารถแก้ไขได้
• เวลา. ผู้เรียนที่ต้องการทบทวนความรู้ 3 ครั้ง ต้องจัดสรรเวลา 3 ช่วงในสัปดาห์ ตรวจสอบว่าตารางเรียนเอื้ออำนวยหรือไม่
• แรงจูงใจ ผู้เรียนที่มองว่าแบบทดสอบวินิจฉัยเป็นบททดสอบที่ควรหลีกเลี่ยง อาจไม่ให้ความสนใจ อธิบายว่าแบบทดสอบนี้มีไว้เพื่อแสดงให้เห็นว่าผู้เรียนต้องการความช่วยเหลือในด้านใดบ้าง
• ข้อจำกัดของเครื่องมือ แพลตฟอร์มอาจไม่รองรับการกำหนดเส้นทางหรือรายงานที่คุณออกแบบไว้ โปรดตรวจสอบให้แน่ใจก่อนดำเนินการสร้าง

วางแผนแก้ไขปัญหาเหล่านี้แยกต่างหาก และแจ้งให้ผู้สนับสนุนทราบ การเรียนรู้แบบเชี่ยวชาญเป็นแนวทางการออกแบบ ไม่ใช่การรับประกันผลลัพธ์

คำถามที่พบบ่อย

การเรียนรู้แบบเชี่ยวชาญและการเรียนรู้แบบปรับตัวแตกต่างกันอย่างไร?

การเรียนรู้แบบมุ่งเน้นความเชี่ยวชาญ คือหลักการที่ผู้เรียนควรบรรลุระดับที่กำหนดไว้ในแต่ละหน่วยการเรียนรู้ก่อนที่จะไปยังหน่วยถัดไป การเรียนรู้แบบปรับตัวได้เป็นวิธีการหนึ่งในการนำหลักการนี้ไปใช้ โดยเส้นทางการเรียนรู้จะเปลี่ยนแปลงไปตามผลการเรียนรู้ของผู้เรียน

การเรียนรู้แบบปรับตัวจำเป็นต้องใช้ AI หรือไม่?

ไม่ การวินิจฉัยโดยใช้กฎที่ส่งผู้เรียนไปยังหลักสูตรทบทวนที่แตกต่างกันนั้นเป็นแบบปรับตัวได้ ปัญญาประดิษฐ์เป็นหนึ่งในวิธีการนำไปใช้ที่เป็นไปได้ และข้อกล่าวอ้างใดๆ เกี่ยวกับเรื่องนี้ควรได้รับการตรวจสอบกับตัวอย่างที่ใช้งานได้จริง

ฉันจะกำหนดเกณฑ์ความเชี่ยวชาญได้อย่างไร?

กำหนดหลักฐานสำหรับแนวคิดพื้นฐานแต่ละข้อและทำเครื่องหมายรายการที่สำคัญแยกต่างหาก หลีกเลี่ยงการใช้เปอร์เซ็นต์เดียวที่อาจทำให้เกิดช่องว่างที่สำคัญ และทบทวนเกณฑ์ดังกล่าวกับผู้ที่ทำงานด้านนี้จริง

จะเริ่มที่ไหนดี

เลือกวิชาเรียนหนึ่งวิชาที่มีโจทย์พื้นฐานที่ชัดเจน ระบุแนวคิดพื้นฐานสามข้อ เขียนคำถามสามข้อสำหรับแต่ละข้อ และทดสอบความรู้กับผู้เรียนกลุ่มเล็กๆ ดูว่าแนวคิดใดที่ทำให้กลุ่มผู้เรียนมีความเห็นแตกต่างกัน นั่นคือแนวคิดที่ควรทบทวนเพิ่มเติมอย่างเจาะจง

หากต้องการเรียนรู้ว่าการวินิจฉัยตนเองแบบเรียนรู้ด้วยตนเอง การเตรียมตัวอย่างตรงเป้าหมาย และการสรุปผลแบบสดๆ สามารถผสานรวมกันในหลักสูตรของคุณได้อย่างไร โปรดศึกษา AhaSlides