Personalisiertes Lernen und wie moderne Technologie das Lernen optimiert

Personalisiertes Lernen und wie moderne Technologie das Lernen optimiert

Definieren wir zunächst den Begriff „personalisiertes Lernen". Dieser Begriff bezieht sich auf eine Reihe von Methoden und Techniken zur Anpassung von Lernprozessen an den Lernstil, die Persönlichkeit, die individuellen Bedürfnisse, den Hintergrund und die Vorbildung einer Einzelperson. Personalized learning lässt sich auf Deutsch am besten mit individualisiertem Lernen übersetzen.

Vorkenntnisse bilden bei jedem Menschen die Grundlage des Lernens. Untersuchungen zeigen, dass sich die Lernergebnisse signifikant verbessern, wenn sich das Lernen auf Vorkenntnisse stützt. In ihrem Bestseller „Mindful Learning: 101 Proven Strategies for Student and Teacher Success" zeigen Linda und Bruce Campbell auf, welche bedeutende Rolle die Vorkenntnisse der Lernenden spielen. Wenn nun also bekannt ist, über welches Wissen eine Person bereits verfügt, kann darauf aufgebaut und daran angeknüpft werden, um das Lernen effektiver zu gestalten.

Sehen Sie sich folgendes Beispiel an. Mein Sohn hat mir vor Kurzem folgende Frage zum Schalthebel in meinem Auto mit Handschaltung gestellt: „Was ist das und wozu brauchst du das?" Ich habe kurz nachgedacht und es ihm dann erklärt, indem ich auf die Gangschaltung seines Fahrrads Bezug genommen habe, mit der er die Geschwindigkeit bzw. den Kraftaufwand ändern kann. Da ich über die Vorkenntnisse meines Sohnes Bescheid wusste, konnte ich die neuen Informationen damit in Verbindung bringen und ihm das neue Konzept einfach erklären.

Was wäre passiert, wenn ich es ihm aus rein mechanischer Sicht oder anhand von Zeichnungen mit Motor, Getriebe usw. erklärt hätte? Er hätte vermutlich das Interesse verloren und nach einer halben Minute resigniert, da er diesbezüglich über kein Basiswissen verfügt, auf das man aufbauen kann. Das Ergebnis wäre gewesen, dass er nichts gelernt hätte.

Zusammengefasst bedeutet das: Wenn die Vorkenntnisse einer Person bekannt sind und ein neues Konzept damit in Verbindung gebracht werden kann, werden hinsichtlich Verständnis und Lernerfolg sehr viel bessere Ergebnisse erzielt.

Individualisiertes Lernen in einem Unternehmen

Stellen wir uns eine ähnliche Situation in einem Unternehmen vor. Wir haben einen neuen Mitarbeiter, der den Umgang mit dem neuen Werkzeug, die neue Technologie oder das neue Verfahren erlernen muss. Wenn die Informationen mit den bisherigen Erfahrungen einer Person verknüpft werden, beschleunigt dies den Lernprozess und führt dazu, dass die Leistung des Mitarbeiters gesteigert wird. Dieser Mitarbeiter ist wie mein Sohn im vorigen Beispiel. In meinem Beispiel war ich allerdings derjenige, der um den Wissensstand und die Erfahrungen meines Sohns Bescheid wusste, deshalb konnte ich eine Verbindung zwischen dem Bekannten und dem noch Unbekannten herstellen, damit er das Unbekannte einfacher versteht. Gibt es im Umfeld des Mitarbeiters jemanden, der diese „Elternrolle" übernehmen kann, seine Sprache spricht und über die Vorkenntnisse des Mitarbeiters Bescheid weiß? Ich wette, in den meisten Fällen gibt es so eine Person nicht. Wie können Lernprozesse im Unternehmen so verbessert werden, dass der Mitarbeiter nicht das Interesse verliert und resigniert, weil das neue Konzept zu komplex ist, um es auf Anhieb zu verstehen, und in keiner Weise mit seinen bisherigen Erfahrungen in Verbindung steht?

Die Problematik traditioneller Methoden

Mentoring

Individualisiertes Lernen: Die Problematik traditioneller Methoden - Mentoring

Eine Möglichkeit, die „Elternrolle" in einem Unternehmen zu übernehmen, ist Mentoring. Ein erfahrenerer Mitarbeiter wird einem weniger erfahrenen Kollegen als Berater zur Seite gestellt. Durch sein Wissen und seine eigenen Erfahrungen kann der Mentor die Probleme und Schwierigkeiten seines Schützlings verstehen und den Lernprozess und das Verständnis fördern. Dieses Modell funktioniert wunderbar, aber die Grenzen liegen in der Skalierbarkeit.

Unternehmensinternes Intranet

Individualisiertes Lernen: Die Problematik traditioneller Methoden - Unternehmensinternes Intranet

Statt dem Mitarbeiter jemanden zur Seite zu stellen, der seinen Lern- und Verstehensprozess begleitet, liegt die Verantwortung beim Mitarbeiter selbst, Antworten auf seine Fragen zu erhalten. Wenn der Mitarbeiter etwas über neue Werkzeuge, Technologien oder Verfahren im Unternehmen lernen muss, kann er das unternehmensinterne Intranet, Wiki oder sonstige Informationsquellen des Unternehmens konsultieren. Es handelt sich dabei um keinen schlechten Ansatz, da der Mitarbeiter beim Suchen und Anwenden der gefundenen Informationen unter Umständen auch etwas über ähnliche Dinge lernt. Dennoch ist diese Methode nicht optimal, da der Mitarbeiter sehr viele Informationen durchsuchen muss, die nicht immer relevant sind. Und wenn er eine Antwort gefunden hat, dann ist diese nicht immer passend, wenn sie nicht auf sein Vorwissen aufbaut.

Die Lösung

Sie fragen sich vielleicht: „Was nun? Gibt es eine bessere Möglichkeit, einem Mitarbeiter dabei zu helfen, nicht nur die entsprechenden Informationen zu finden, sondern auch sicherzustellen, dass die Antworten auf seine bisherigen Erfahrungen aufbauen?"

Meiner Ansicht nach bedarf es hier einer Kombination aus anspruchsvoller Suche und Personalisierungsmodulen.

Eine Suchmaschine schränkt zunächst die möglichen Informationsquellen (wie Dokumente, Webseiten etc.) ein und ein Personalisierungsmodul listet die für den Mitarbeiter relevantesten Informationen ganz oben, abhängig von seinen Vorkenntnissen.

Eine Suchmaschine, wie Google zum Beispiel, ist etwas, das wir jeden Tag nutzen. Im Unternehmensumfeld könnte für jedes Informationssystem eine separate Suchmaschine oder eine Art weiterentwickelte Suchmaschine, die viele verschiedene Back-End-Systeme durchsucht und Ergebnisse kombiniert, eingesetzt werden. Aber wie können diese Ergebnisse noch mehr personalisiert bzw. auf die Vorkenntnisse des Mitarbeiters bezogen werden? Oder konkret gefragt: Woher wissen wir, welche Vorkenntnisse ein Mitarbeiter hat?

Wie kann die Erfahrung eines Mitarbeiters digitalisiert und für eine Maschine verständlich gemacht werden?

●      Der erste Schritt in diese Richtung ist die Erstellung einer Liste für jeden Mitarbeiter, welche Qualifikationen er bereits besitzt und auf welchem Wissensstand er sich befindet. Dies kann zum Beispiel durch Textanalytik seines Lebenslaufs oder durch Ausfüllen eines einfachen Formulars, das in Reihen (Qualifikationen) und Spalten (Wissensstand) gegliedert ist, durch den Mitarbeiter selbst erfolgen. Diese Informationen geben zwar bereits einige Hinweise, sind allerdings nicht sehr detailliert. Außerdem handelt es sich dabei um eine ziemlich statische Sichtweise, die das Weiterlernen und die Erfahrungen nach der Auflistung dieser Qualifikationen nicht berücksichtigt.

●      Besser ist es, wenn die Personalabteilung neben der Kompetenzmatrix, die im vorigen Schritt erstellt wird, auch Informationen zu besuchten Schulungen, abgeschlossenen Zertifikaten und weiteren formalen Lernergebnissen sammelt. Für den Mitarbeiter könnte das die Relevanz der gefundenen Informationen signifikant verbessern, wenn das System seinen Wissensstand kennt, der entsprechend aktualisiert wird, wenn der Mitarbeiter an formalen Lerneinheiten teilgenommen hat. Folglich werden Neueinsteigern zum Beispiel keine Informationen angezeigt, die Expertenwissen voraussetzen – und umgekehrt.

Dies reicht allerdings nicht aus, um sicherzustellen, dass die Suchergebnisse auch tatsächlich relevant und personalisiert sind. Das Personalisierungsmodul benötigt weitaus mehr granulare Daten zum Wissensstand des Mitarbeiters, welche Lernmethoden er bevorzugt, was leicht und was schwierig für ihn ist, welche Informationsarten am besten für ihn geeignet sind etc.

Wie können diese Informationen digitalisiert und analysiert werden?

●      Die letzte und fortschrittlichste Option ist eine Kombination aus den beschriebenen Ansätzen mit einer Datensammlung zu allen Lernaktivitäten, die in Echtzeit erfolgen. Ich spreche von der Verwendung von Experience API (xAPI) und Learning Record Store (LRS). xAPI ermöglicht das Sammeln von detaillierten Daten zum Lernprozess des Mitarbeiters an vielen Orten.

Wenn das unternehmensinterne Intranet xAPI-kompatibel ist, können über geöffnete Seiten und heruntergeladene Dokumente Informationen gesammelt werden. Die Handlungen eines Mitarbeiters in einer Fabrik, die mit mehreren Sensoren protokolliert werden, können als xAPI-Statements gesammelt werden. Wenn ein Unternehmen Simulationen oder Virtuelle/Erweiterte Realität (VR/AR) zu Schulungszwecken nutzt, können die Handlungen und Vorgänge während der Simulation protokolliert und als xAPI-Statements gespeichert werden. Wenn ein Unternehmen ein Learning Experience System wie Valamis zu Schulungszwecken verwendet, werden alle Handlungen des Benutzers automatisch mit xAPI protokolliert.

Wie kann der Lernprozess noch personalisierter und effektiver gestaltet werden?

Wenn das Personalisierungsmodul Zugriff auf alle Daten über den Mitarbeiter hat, könnte das System begründetere Annahmen zur Relevanz bestimmter Informationen für den Mitarbeiter treffen. Durch die Analyse der Lernhistorie kann sich herauskristallisieren, welches Lernformat am besten für eine Person geeignet ist: ist es zum Beispiel effektiver, einen Artikel zu lesen oder einen Audiobeitrag anzuhören; bevorzugt der Lernende lange Lerneinheiten, in denen viel Stoff präsentiert wird, oder sollte die Lerneinheit kürzer und praxisbezogener sein; sind die Lernbedürfnisse abhängig von der Tageszeit oder dem Wochentag etc.

Noch treffendere Ergebnisse können erzielt werden, wenn die Kenntnisse und Erfahrungen eines Mitarbeiters mit den Erfahrungen und Gemeinsamkeiten anderer Mitarbeiter in Bezug auf Funktionen, Qualifikationen oder Lernaktivitäten verglichen werden. Auf der Grundlage dieser Gemeinsamkeiten kann die Relevanz der dem Mitarbeiter zur Verfügung gestellten Informationen verbessert werden. Diese Methode eignet sich auch gut für neue Mitarbeiter, die im Unternehmen noch keine Vorgeschichte haben. Zunächst wird aufgrund von Gemeinsamkeiten wie Funktion und Abteilung sowie der nicht vorhandenen Lerngeschichte relevantes Einführungsmaterial zur Verfügung gestellt. Durch die Analyse der Lernhistorie früherer Neueinsteiger schlägt das System dem Lernenden weitere Informationen und zusätzliches Material vor, das sich bereits für andere Neue als wichtig herausgestellt hat.

Das ist natürlich erst der Anfang. Der Kreis muss geschlossen werden, um das System zu optimieren, und das Lernen muss mit dem Personalisierungsmodul verknüpft werden, damit die Relevanz der Ergebnisse mit der Zeit besser wird. Lernaktivitäten analysieren, prüfen, welche der vorgeschlagenen Ergebnisse die Mitarbeiter auswählen, sie befragen, ob sie mit den verfügbaren Ergebnissen zufrieden sind, detaillierte Suchen prüfen – all dies führt zur Optimierung und kontinuierlichen Anpassung des Empfehlungsmoduls mithilfe maschinellen Lernens.

Zusammenfassung

Das Lernen personalisierter zu gestalten hat immense Auswirkungen auf die Lernergebnisse. Wenn neue Konzepte mit den Vorkenntnissen einer Person verknüpft werden, führt dies zu einem besseren Verständnis und effektiverem Lernen.

Das personalisierte Lernen im Unternehmensumfeld erfordert technologische Lösungen, die kosteneffizient und skalierbar sind. Technologien, wie eine Kombination von Experience API (xAPI) und Learning Record Store (LRS), ermöglichen das Sammeln von granularen Daten in digitaler Form hinsichtlich der Erfahrungen von Mitarbeitern. Diese Informationen können schließlich dazu verwendet werden, durch eine Kombination aus anspruchsvoller Suche und Personalisierungsmodulen künftige Lernaktivitäten personalisierter zu gestalten.

Natürlich ist keine dieser technologischen Lösungen perfekt. Wenn jedoch die Lücke zwischen Lernaktivität und Lösung geschlossen wird, wird sich die Qualität der Antworten, die Lernende erhalten, stetig verbessern. Die Mitarbeiter müssen nicht selbst herausfinden, welche Informationen sie benötigen, sondern sie profitieren von einer wirklich personalisierten Lernerfahrung.

Dmitry Kudinov
Chief technology officer

Vor: Learning Experience – der Game Changer auf dem Gebiet des Lernens