Коллектив авторов.

Корпоративное обучение для цифрового мира



скачать книгу бесплатно

Редакторы-составители:

Катькало В. С., Волкова Д. Л.


Авторский коллектив:

Александрова Т. А., Баранов И. Н., Баснер А. В., Бушин А. И., Васильев Е. А., Волков Д. Л., Габов Р. А., Дейкало К. Ю., Катькало В. С., Носова Н. В., Рипак Х. А., Соболев Е. В., Ткачик А. К., Фокина М. И., Шаталов А. И.


Рецензенты:

Кравченко С. В., президент, Boeing в России и СНГ; старший вице-президент, Boeing

Ужакина Ю. Б., генеральный директор, Корпоративная Академия Росатома


© АНО ДПО «Корпоративный университет Сбербанка», 2018

* * *

Обращение к читателям

Валерий Катькало. Ректор, Корпоративный университет Сбербанка


Дмитрий Волков. Директор по развитию образовательных технологий, Корпоративный университет Сбербанка


Уважаемые коллеги!

Перед вами второе издание словаря-справочника «Корпоративное обучение для цифрового мира». Книга такого жанра по тематике корпоративного обучения была подготовлена и выпущена Корпоративным университетом Сбербанка в 2017 году на русском языке впервые и, по мнению ведущих международных экспертов, с которыми мы обсуждали концепцию этого словаря, является новой и для мировой профильной литературы. Мы рады, что первое издание словаря сразу стало востребованным в российских корпоративных университетах, а также в отечественной высшей и средней школе, где сегодня цифровая трансформация образования не менее актуальна.

Пионерный характер настоящего издания не случаен.

С одной стороны, несмотря на бурный рост в последние 20 лет популяции корпоративных университетов по всему миру, в том числе в России, их глобальные и региональные ассоциации молоды и логично делают акцент на развитии форматов обмена опытом их участников и в меньшей степени – других инструментов институционализации профессионального сообщества.

С другой стороны, быстро набирающая темп новая технологическая революция в иных терминах – «четвертая промышленная революция» требует сегодня пересмотра базовых парадигм образования и радикальной трансформации моделей и механизмов работы корпоративных университетов.

Целью этого словаря-справочника является формирование единого понятийного поля современных технологий корпоративного обучения и сжатый обзор передовых подходов и методов. В его второе издание мы добавили восемь новых словарных статей (их стало в целом 54), а также уточнили и дополнили ряд изначально сделанных статей и переработали все три приложения.

Теперь в словаре раскрывается более 270 базовых терминов, описывающих особенности корпоративного обучения для успеха в цифровом мире. Хотя сегодня эти понятия уже стали привычными, большинство из них еще совсем недавно, в ряде случаев буквально несколько лет назад, казались экзотикой.

Столь интенсивная динамика нынешних изменений профессионального языка в образовании отражает беспрецедентное ускорение обновления данной сферы под влиянием цифровых технологий.

Очевидно, что инновации в образовании становятся в XXI веке определяющим фактором конкурентоспособности корпоративных университетов. Предлагаемая книга также призвана помочь систематизировать концептуальные и практические знания и стимулировать новаторские мысли и действия тех, кто вовлечен в разработку и реализацию образовательных решений для развития у сотрудников их компаний тех компетенций, которые обеспечат им адекватность новому времени и новой экономике.

Для соответствия требованиям цифрового мира корпоративные университеты должны, по сути, «изобрести себя заново»: быстро перейти от привычного фокуса на управление процессом обучения (портфелем программ) к управлению образовательным опытом своей целевой аудитории, которой ныне доступны самые различные каналы получения знаний и навыков и для которой уже естественны ожидания персонализированного, адаптивного и 24/7 формата взаимодействия с ними систем корпоративного обучения. Поэтому мы широко трактуем понятие «технологии» и обсуждаем с его помощью не только инновационные методы образования, возможные благодаря развитию интернета, мобильной связи и технологий виртуальной и дополненной реальности, но и инновационные управленческие технологии повышения эффективности корпоративного обучения.

При подготовке этого словаря-справочника мы широко использовали материалы аналитических отчетов и конференций ведущих глобальных ассоциаций в сфере корпоративного обучения, в том числе ассоциаций корпоративных университетов, активным членом которых является КУ Сбербанка (в ряде случаев он представлен и в их органах управления). Учитывая, что пока, к сожалению, участие в работе таких основных форумов лучших практик корпоративного обучения принимают лишь несколько КУ из России, мы посчитали важным включить в настоящее издание информацию об этих глобальных ассоциациях и их системах профессиональных аккредитаций и сертификаций. Во втором издании мы доработали и расширили эти информационные материалы, а также добавили приложение про основные профессиональные журналы о корпоративном обучении и корпоративных университетах.

Еще одной существенной основой этой книги стали опыт и результаты 12 сессий постоянного и открытого методического семинара EduTech, который мы проводим в КУ Сбербанка с сентября 2016 года (в каждой сессии очно и дистанционно участвует около 400 экспертов из Группы Сбербанка и других ведущих российских и иностранных компаний, а также ведущих российских университетов и бизнес-школ) и материалы которого регулярно публикуются в одноименном бюллетене. Кроме того, мы позволили себе поделиться в качестве примеров и собственными методологическими и технологическими разработками и практикой их внедрения в систему обучения руководителей Сбербанка.

Важную роль, по нашему мнению, в реализации замысла предлагаемой вашему вниманию работы стало привлечение в число ее авторов не только экспертов со значительным международным опытом в управленческом образовании, но и десяти более молодых коллег поколений Y и Z из команды нашего КУ, безудержно креативных в применении цифровых технологий в его программах и проектах. Мы также хотели бы выразить признательность нашим партнерам из мира EduTech-компаний М. Ю. Гирину, Д. В. Истомину, М. А. Приходько, М. А. Скрябину, Ю. В. Воскресенскому, А. А. Бедрик за помощь в подготовке этой книги. Разумеется, о качестве получившейся книги судить вам, дорогие читатели.

Словарь-справочник, с которым вы сейчас начнете знакомиться, ожидаемо структурирован в алфавитном порядке, но вы уже вскоре обнаружите, что пока не все буквы алфавита снабжены словарными статьями.

Этот факт не только отражает начальный этап складывания нового семейства образовательных технологий, релевантных вызовам конкуренции в цифровую эпоху, но и может рассматриваться как своего рода приглашение прислать нам ваши комментарии и предложения по дальнейшему дополнению и доработке данного словаря-справочника. Заранее благодарим вас за конструктивные отклики!

Разумеется, словарь-справочник такой тематики и целевой аудитории должен быть не только в бумажном, но и в электронном формате. Мы планируем запустить в первом квартале 2018 года электронную версию настоящего словаря, о доступе к которой сообщим на сайте КУ Сбербанка (http://sberbank-university.ru).

Желаем вам увлекательного и практически полезного изучения мира современных технологий корпоративного обучения!

Словарные статьи

А
Адаптивное обучение

Адаптивное обучение (adaptive learning) – динамическое, основанное на анализе данных выстраивание индивидуальной траектории обучения, учитывающее подготовленность, способности, цели, мотивацию и другие характеристики слушателя.

Внедрение адаптивного обучения позволяет достигать необходимых результатов обучения в более короткие сроки за счет рекомендации наиболее релевантного и оптимального по трудности контента для каждого слушателя.

Основной принцип адаптивного обучения заключается в том, что слушатели, начиная обучение с разным уровнем опыта, знаний, умений и навыков, путем освоения индивидуальных траекторий достигают единых результатов обучения, определенных образовательной программой.

Элементы систем адаптивного обучения

Реализация адаптивного обучения возможна на электронных образовательных платформах, обладающих рядом базовых для адаптивного обучения систем и элементов.

Например, наиболее известная в мире платформа адаптивного обучения Knewton состоит из следующих основных систем.

Система сбора данных

Собирает и обрабатывает огромные объемы данных о знаниях и умениях слушателя

• Адаптивная онтология, в которой отображаются связи между отдельными концепциями, которые затем интегрирует в требуемые таксономии, цели и алгоритмы взаимодействия слушателей

• Средства модельных расчетов, которые обрабатывают данные в реальном времени и параллельно анализируют их для дальнейшего использования

Система выводов

Трансформация данных и генерация выводов на основе всех собранных данных

• Психометрические инструменты, которые оценивают знания и умения слушателя, параметры контента, эффективность обучения и т. д. С каждым новым уровнем информация о студенте становится в разы точней

• Инструменты стратегии обучения, которые оценивают чувствительность студентов к изменениям в преподавании, оценивании, темпе обучения и др.

• Инструменты обратной связи, которые объединяют все данные и передают обратно в систему сбора данных

Система персонализации

Использует мощь данных всей системы, чтобы найти оптимальную стратегию для каждого слушателя в изучении каждой концепции, которую он изучает

• Инструменты рекомендаций, которые дают слушателям ранжированные предложения о том, что слушатель должен делать дальше, балансируя цели обучения, сильные и слабые стороны слушателя, его вовлеченность и др.

• Инструменты предиктивной аналитики, которые предсказывают такие метрики, как степень и вероятность достижения целей, установленных преподавателем (например, какова вероятность того, что слушатель пройдет будущий тест на 70 % выполнения), ожидаемую оценку, уровень знаний и умений и др.

• Инструменты единой истории обучения: личный кабинет слушателя, позволяющий связать воедино опыт обучения, полученный на различных программах с использованием различных форматов обучения

Беррес Фредерик Скиннер (Burrhus Frederic Skinner) (1904–1990) – американский психолог, изобретатель, писатель, профессор Гарвардского университета. Основал школу экспериментальной исследовательской психологии. Разработал философскую концепцию, которая впоследствии была названа радикальным бихевиоризмом. Свои идеи по созданию идеального человеческого общества описал в утопическом романе Walden Two (1948), а анализ поведения самого человека представил в работе «Вербальное поведение» (Verbal Behavior)(1957)[1]1
  Skinner, B. (1957). Verbal Behavior. Acton, MA: Copley Publishing Group.


[Закрыть]
. В 2002 году назван наиболее влиятельным психологом XX века[2]2
  Haggbloom, S., Warnick, R., Warnick, J., Jones, V.; Yarbrough, G., Russell, T., Borecky, C., McGahhey, R., et al. (2002). The 100 most eminent psychologists of the 20th century. Review of General Psychology. 6 (2), pp. 139–152.


[Закрыть]


Игровой дизайн, модель ALGAE

В связи с растущим интересом к массовым открытым онлайн-курсам (МООК) и проникновением в них технологий VR и AR стал актуален игровой дизайн.

Модель ALGAE (Adaptive Learning GAme dEsign) (адаптивный обучающий геймдизайн) была создана для поддержки развития адаптивного обучения через дизайн образовательных игр, усиливающих развитие способностей и оценку знаний.


Реализация ALGAE на примере многопользовательской образовательной ролевой игры «Водопад Слиппери Рок»

• Хотя внутри игры существует множество героев (или антигероев), протагонистом является игрок. Для того чтобы он не терял интереса к игре, с каждым следующим заданием конфликт должен усиливаться до самого финала

• Сюжетный конфликт в игре показан в форме задач, квестов и загадок, решая которые, игрок погружается в историю, сражается и побеждает

Обучающая машина Скиннера


Обучающая машина Скиннера

В ходе экспериментов с голубями психологу пришла мысль о создании механического приспособления, напоминающего коробку, которое «скармливало» бы студентам вопросы. В 1954 году такая конструкция была сделана. Правильные ответы вознаграждались новым академическим материалом, неправильные – приводили к повторению старого вопроса, что мотивировало студента быстро адаптироваться и учиться отвечать правильно

[3]3
  * Bloom, B. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring. Educational Researcher, 13 (6), pp. 4–16.


[Закрыть]



• Чтобы преуспеть, игроки вынуждены совершать повторные попытки, несмотря на прошлые неудачи. Дополнительное испытание для мотивации участников создается осознанием факта, что за успехами и неудачами наблюдают другие игроки. Если у сражения есть конечная цель и возможность закончить его победой, игроки будут пробовать новые тактики, чтобы приспособиться к меняющимся требованиям командной игры

• В образовании изменение условий выигрыша и ведения игры можно счесть несправедливым, но в играх участники ищут возможности превратить проблемы или уязвимости геймдизайна в стратегические преимущества

• Для оценки действий, поведения, способностей и знаний, показываемых учащимся в ходе игры, используется оценочная структура Джорджа Миллера (George Miller)



Реализация адаптивности в образовательных компаниях[4]4
  Щербакова О. Наша цель – общая адаптивность // EduTech. Информационно-аналитический бюллетень КУ Сбербанка. 2016. № 3. С. 6–7.


[Закрыть]


Индивидуальные образовательные траектории при адаптивном обучении на примере программы «Риск-менеджмент» Школы рисков КУ Сбербанка


Адаптивное тестирование

Адаптивное тестирование (adaptive testing) – технология тестирования слушателей, где каждый следующий вопрос подбирается автоматически, исходя из данных ответов на предыдущие вопросы и определенного заранее уровня сложности.

Главным отличием адаптивного тестирования от классических тестов является динамическое (в реальном времени), а не статическое определение списка вопросов, которые будут заданы тестируемому.

Траектория, по которой обучаемый проходит тесты, индивидуальна. Выбор очередного вопроса определяется персональными особенностями каждого отдельного слушателя, а не общими правилами.

Ближайшая аналогия – устный экзамен, где преподаватель последовательно задает вопросы, выясняя уровень знаний слушателя.

Преимущества адаптивного тестирования

Точность

Возможность оценить уровень подготовленности каждого испытуемого с минимальной ошибкой измерения


Качество

Измеряется именно уровень знаний испытуемого, а не просто оценивается их средний уровень


Достоверность

Влияние дополнительных факторов (потеря интереса, отвлечение, утомление, беспокойство) на результаты теста уменьшается, поскольку тестируемые не тратят время и силы на задания, не соответствующие их уровню подготовки (слишком легкие или слишком трудные)


Вовлеченность

Участники тестирования более мотивированы и спокойны (участникам предлагаются задания, с которыми они в состоянии справиться и которые им интересны, а значит, они более нацелены на успешное окончание и уверены в своих силах)

Адаптивное тестирование наиболее эффективно использовать при решении следующих задач:

• самопроверка слушателей

• быстрое и точное измерение результатов корпоративного обучения

• прогнозирование результатов обучения через предварительное тестирование

• предварительное тестирование с целью выявления «белых пятен» и корректировки программы курса

• предварительное тестирование с целью разделения учащихся на группы по уровням подготовки

Методические аспекты разработки и проведения адаптивного тестирования[5]5
  Методические рекомендации по разработке и проведению адаптивного тестирования. Корпоративный Университет Сбербанка. 2016


[Закрыть]

Разработка вопросов теста

Банк вопросов

Все вопросы, из которых будет составлен индивидуальный список вопросов для каждого участника тестирования.

Минимальный размер банка вопросов рекомендуется определять по следующей формуле:


банк вопросов = 15 ? количество тем (тематических блоков теста).


Например, если вопросы теста разделены на 3–5 тем, то рекомендуемый размер банка вопросов – 45–75 вопросов.

Число вопросов в индивидуальном тесте

Число вопросов в индивидуальном тесте определяется общим числом вопросов, задаваемых участнику тестирования. Оптимальное число вопросов теста рекомендуется рассчитывать по формуле:


общее число вопросов = 5 ? количество тем (тематических блоков теста).


Т. о. в итоговом тесте участнику по каждой теме задается не менее 5 вопросов.

Например, если вопросы теста разделены на 4 темы, то рекомендуемая длительность теста – 20 вопросов. В противном случае адаптивному алгоритму может не хватить вопросов для достаточно достоверного определения уровня знания темы.

Типы вопросов

• С выбором одного правильного варианта ответа

• С выбором нескольких правильных вариантов ответа (multi choice)

• На соответствие/ упорядочивание

• С вводом текстового ответа (где ответ – это число, слово, недвусмысленная фраза (словосочетание), возможные для автоматической проверки)


Вариабельность ответов тестов:

• Для автоматической проверки ответов на тесты каждый вопрос должен иметь по крайней мере один вариант правильного ответа. Если вопрос содержит ровно один вариант ответа и этот вариант ответа правильный, то такой вопрос определяется как вопрос с открытым ответом

• Правильных ответов в вопросе может быть любое количество более одного.

– Если вопрос содержит более одного варианта ответа и ровно один правильный, то такой вопрос определяется как вопрос с выбором одного варианта ответа.

– Если вопрос содержит более одного правильного варианта ответа, то такой вопрос определяется как вопрос с выбором нескольких вариантов ответа

• Все варианты ответа также могут быть одновременно правильными. Т. е. вопрос может вообще не содержать ни одного неправильного варианта ответа


Уровни сложности

Вопросы в банке вопросов ранжируются по единым для всех тем уровням сложности. Количество уровней – не менее 3, оптимально – от 5 до 10. Наличие большого числа уровней сложности (например, 10) позволит более точно распределить вопросы по шкале сложности после начала тестирования и обеспечить более высокую точность итоговой оценки уровня знаний.

Внутри каждой темы (тематического блока) рекомендуется иметь вопросы разного уровня сложности, т. к. это прямо влияет на вариативность теста и адаптивные возможности технологии.

Внутри каждой темы лучше распределить вопросы группами не менее трех вопросов на каждом уровне. Чем больше вопросов на одном уровне сложности, тем больше вариативность теста, что важно для повторного прохождения или тестирования людей, которые могут помогать друг другу.

Варианты распределения

Равномерное распределение

Рекомендуется иметь не менее 10 вопросов каждого уровня сложности


«Пирамида»

Допускается коррекция количества вопросов в форме «пирамиды», когда более сложных вопросов несколько меньше, чем простых (т. к. до сложных доходят гораздо реже).

В этом случае рекомендуется следующее соотношение: не менее 6 вопросов высших уровней сложности (9–10), не менее 8 вопросов средних уровней сложности (7–8) и не менее 10 вопросов низших уровней сложности (1–6)


Автоматическое распределение

Возможно автоматическое распределение вопросов по уровням сложности. Для этого проводится первичное тестирование (на выборке участников), и степень сложности вопросов определяется в соответствии с ответами участников. Вопросы, набравшие большинство правильных ответов, считаются самыми простыми, а вопросы с наименьшим числом правильных ответов – самыми сложными

Траектории тестирования

Траектории тестирования позволяют определить наиболее вероятные пути прохождения тестирования в разных контекстах.

Например, в контексте перехода между уровнями сложности они помогают определить вопросы, в наибольшей степени влияющие на процесс тестирования (тестируемые «скорее справятся» на шаге N с вопросом уровня сложности X или, наоборот, испытают трудности с вопросом этого уровня сложности).


Результаты адаптивного тестирования и их трактовка


Данные результаты полезны в первую очередь для улучшения качества материалов и при построении индивидуальной траектории обучения. Заказчик может персонализировать учебную программу для каждой группы слушателей – на основе тех пробелов в знаниях, которые были обнаружены в ходе тестирования. Слушатели могут непосредственно в процессе тестирования провести самопроверку и восполнить выявленные пробелы (постепенно – от простого к сложному).

Коррекция адаптивного теста на основании аналитики

• Частотный анализ результатов

Позволяет внести корректировку в распределение вопросов по уровням сложности в сбалансированной модели на основе анализа распределения ответов участников (определить аномально сложные или простые вопросы на уровнях сложности и получить рекомендацию, в какой уровень сложности стоит перенести данные вопросы)

• Прогноз результатов обучения

Статистический анализ результатов адаптивного теста проводится исходя из количества попыток пройти тест и среднего результата, достигнутого за время всех попыток


Инструменты разработчика адаптивных тестов



скачать книгу бесплатно

страницы: 1 2 3 4 5

Поделиться ссылкой на выделенное