目錄
數位科技融入到企業學習,呈現的效果不在只是學習過程的數位化,還包含內容製作、學習演練、學習成果等,運用ai來全面提升學習者的學習成效。
對學習設計者來說,不僅要理解學習科技的應用趨勢,還包含人類大腦在學習過程中,以什麼樣的學習模式與行為,能把學習體驗達到最佳化。
2022年太毅國際年度論壇,榮幸邀請到umu優幕科技董事長 李東朔,與我們分享「智能科技賦能學習體驗」主題。從如何用學習科學的角度,探討學習設計的重點原理,以及在ai學習科技的技術下,怎麼幫助學習者加速學習效率。
【第一節】組織管理:如何用「數位轉型」議題來驅動「學習轉型」
什麼是「數位化學習轉型」的關鍵議題?
企業「數位轉型(digital transformation)」,再來聚焦到企業「數位學習」的轉型。這次將為大家分享,我們如何運用ai來提升學習的「effectiveness效果」、「efficiency效率」與「experience體驗」。
企業在數位化轉型的過程中,多少都會有各種迷思,其中最重要的問題在於,「數位轉型」對每間企業來講,究竟意味著什麼?
所以在探討數位化學習前,我們要先從企業在數位化轉型的過程中,是為了要真正解決哪些關鍵議題,才是我們在數位學習轉型上,真正要關注的議題。
我覺得主要包含三個關鍵議題:
- 帶來收入的增加
- 帶來更加符合規定的業務
- 帶來成本的降低
數位化不等於資訊化,更聚焦在如何為企業帶來效能提升
這三項議題中,也是企業數位轉型的主要動力,你會發現這些原因,已經不同於前一代的it轉型。
過去it轉型,指得是資訊化,網路化,也指得是行動化(mobilize)。透過網路連接更多的設備與使用場景,然而,這些過程只是商業模式的改變。
在我看來,達到收入提升、業務符合規範,以及成本降低,這才是企業真正的「數位轉型」。因為只有業務結果的改變,才是真正的轉變。
管理者議題:驅動數位轉型的領導力方向
這是一種從蛹變成蝴蝶的演變。雖然蝴蝶非常漂亮,但是蝴蝶的美,在早期很難被察覺。
蝴蝶演變過程,猶如數位轉的進程。對於企業而言,如何確保企業在數位轉型上,達到數位轉型的結果,團隊內部就需要有兩項領導力:
第一,思想領導力→業務型態(商業模式)
第二,技術領導力→業務結果
思想領導力,是對未來的洞察。技術領導力,則是業務結果的展現。
藉由這兩項領導力的開發,讓我們對學習科技、未來組織型態有各自的思考與假設,才能夠對未來的數位化業務型態(商業模式),有一份設計的藍圖。
所以同時具備這兩項領導力,才能讓我們孕育出數位轉型的環境。
學習領域的數位轉型:賦能學習生態,從共演、共生到共創
在我看來,數位轉型是對整個行業創造更大連結,例如:跟上游廠商的合作關係,再到下游的客戶與使用者,我們透過網絡連結起來。
對學習發展領域來說,透過連結,讓大家連結在一個平台上面,不只是彼此連結,更是形成更大的價值網絡,這為整個「業務創新」跟「業務效率」大幅提升,還有機會突破現有的行業模式。
每個參與在其中的培訓師、培訓機構,與企業學習單位,一直到員工,都能夠被生態系統給賦能。
所以面對數位轉型,我們不只在企業內部創新,更重要的是「連接」,連結企業和企業,打造一座共同演化、共同生存以及共同創造的生態體系。
數位學習生態下umu如何賦能學習生態
對於如何打造一座連結的生態體,我們umu就是聚焦在企業數位學習的轉型。前面提到,數位轉型需要兩種領導力,這也是umu的雙螺旋系統,一個螺旋是「技術領導力」,一個螺旋是「思想領導力」。
對umu來說,學習科學就是「思想領導力」;ai就是「技術領導力」。
- 思想領導力:基於學習科學的學習設計
所謂「思想領導力」,就是關注學習科學,從學習是怎麼發生?如何提升學習效果,以及對什麼樣的學習無效?
過去企業在缺乏外部講師及缺乏企業內部培訓師,會更關注在學習科學對培訓的影響,我們會希望幫助更多人成為教師,幫他們分享。
但是現在,我們更關注在學習結果。「學習結果」是大家在學習結束後,能否帶來學習改變。
當關注的結果改變,對於學習設計的焦點與學習指標也會跟著改變。例如:學習科學會指引我們在設計課程、學習專案上,指引我們關注每位學習者的學習結果,以及整套學習體驗的感受。
這裡我們借助「學習科學」,什麼方式最適合人類大腦的學習法來提升學習效能。
- 技術領導力:個性化的學習匹配
ai是技術的領導力,去提供每一位學習者更加個性化的學習過程,並且在過程中實現三個e的學習成效,分別是:effectiveness,效果;efficiency,效率;experience,體驗。
當我們具備「思想領導力」和「技術領導力」的dna後,才能夠賦能與推動企業內的學習來做數位化轉型。
【第二節】設計原理:如何規劃學習流程,3套學習原理的設計思維
借助「學習科學」來提升學習效能
ai是一種高型態的智慧化。如果我們把ai跟學習科學結合起來,就會創造出非常大的學習效果。
首先,我們需要先了解,人類學習的行為模式與特徵,我們透過「學習科學(learning science)」的3原理:
- 原理1,雙通道原理
- 原理2,容量有限原理
- 原理3,主動加工原理
如果大家掌握這3個原理,對企業在推行學習專案與學習設計的過程,會大幅提升學習效果(effectiveness)、效率(efficiency)與體驗(experience)。
學習科學,原理1:雙通道原理
人們在學習過程中,主要會運用到「視覺」與「聽覺」這2種輸入通道。
每當學習新知識的時候,都使用這2種通道來輸入資訊,學習效果會遠比單通道的輸入還要好,這就叫「雙通道原理」。
【學習專案設計】當我們在設計學習專案,如果學習內容對學習者是新知識,如何運用多媒體的雙通道原來,來多元化提供新知識點。
學習科學,原理2:容量有限原理
容量有限原理。指得是人類大腦的「工作記憶(working memory,wm)」是有限的。
當我們運用感官,把知識點輸入到腦海,會把這些記憶,暫時存放在「工作記憶(working memory)或稱短期記憶」中,之後經過連結、鞏固的處理,才會存放到「長期記憶(long-term memory)」。
只有把學習到的知識,存放在長期記憶,才代表你擁有這份知識。
然而,從「工作記憶」轉換到「長期記憶」的過程中,腦科學家發現,人類的工作記憶是有限的。
- 人類大腦的記憶單元
1956年,美國心理學家喬治·a·米勒發表一篇論文提到,人類大腦的短期記憶容量為七個記憶單元。也就是一個人在同一時間內,能夠認知的資訊量,為七個記憶點。
後來他的理論進一步得到發展,稱之「5±2」,這就意味著,多數人在工作記憶的單元為3到7個。再往後發現,人們在日常處理訊息的工作記憶,是3±2。也就是1到3,或是1到5個工作記憶。
- 依據容量有限的設計應用
容量有限原理,也就是一個人腦記憶體的限制。當一個人接收資訊時,突然超過「工作記憶」量,就會產生左耳進,右耳出。
我們在設計學習課程時,需要去關注,學習者的學習體驗,有哪些環節會出現工作記憶的超載。
因為一旦出現認知超載,學習效果就會大打折扣。因為超負荷的知識點,沒有機會轉化為長期記憶,也就沒辦法提升學習成效。
學習科學,原理3:主動加工原理
為了解決「容量有限」,學習科學就提出第3個重要原理:主動加工原理。
「主動加工」就是你在知識輸入後,經由你的大腦轉化成你的知識點。
相對於「被動學習」的接收內容,對知識轉譯的「主動學習」,反而會強化我們的印象,才有機會轉化成長期記憶。
- 建構式學習constructivism
設計學習專案,從單純的被動學習,走向主動學習後,我們會鼓勵大家去邊聽,邊筆記。但是,如果要更進一步強化學習效果,就需要設計一套建構式學習。
學習者會經歷一系列的認知思考,從而引發學習者積極參與到學習中。
如同蓋大樓一樣,先從地基開始,讓架構先出來,這就是典型的「建構式學習(constructivism learning)模式。對學習環節的設計,則是把握思考、討論與認知形成的過程,引發學習者的自主動力。
- 互動式學習 interactive learning
除了建構式學習外,還有一種最好的教學法,藉由彼此互動來產生學習成果,我們稱為「互動式學習(interactive learning)」。
這並不是指老師不用教導,而是運用「有效問題」來引導學習者發問。利用問題來引導深度思考,以及小組之間的交流討論,最終到形成共識。
如果說被動式跟主動式的學習,甚至是建構式學習,都是對老師的內容跟觀點來學習。
到了互動式學習,才由學習者與老師,形成一種相互交流的網絡。大家彼此討論,彼此分享,形成個人的認知。這種學習效果,遠比被動式學習的學習成效來的好。
以學習科學來創造有效學習
從前面我們提到,學習對應四個階段,被動式、主動式、建構式、互動式。站在學習者的角度來思考,每個學習環節能否有學習互動的機制,不論是線上還是線下,藉由交流來激發學習者的思考與討論。
以上我們理解「學習科學(learning science)」的3個原理:雙通道原理、容量有限原理、主動加工原理。
幫助我們遵循腦科學的觀點,設計出更符合人類大腦的學習體驗。
盡可能讓學習者有手動、眼動、腦動,心動,我覺得這些都動起來,才真正是互動式學習,才是真正的有效學習。
【第三節】技術運用:學習技術,導入ai學習技術的應用成果
運用ai學習科技的學習價值鏈
面對前面提到「互動式學習」能夠創造最高的學習效果,於是我們umu透過ai科技的幫助,來提供符合相應的學習模式。
過去幾年中,umu在ai學習科技的應用,已經有非常多的突破,並創造出一套,從一個點到一個線,再到一整套學習價值鏈。
最主要體現在四個學習環節:教、學、練、測。
- 教:ai賦能內容生產
- 學:ai個性化推薦
- 練:ai智能訓練反饋
- 測:ai智能化測評
學習者在學習體驗中,從教、學、練、測這四個方面,都可用ai來提升自己的學習成果,對學員來說更是個性化、即時性的學習體驗。
教:ai賦能內容生產
我們對企業製作學習影片做了一份統計。如果企業要設計影片課程,以一段10分鐘的課程,至少要花12倍的時間,也就是平均要2個小時的製作時間。
如果再加上影片的拍攝、剪輯,12倍的時間都還算少。因為拍攝課程影片不只要有綠幕、燈光、攝影機,收音等器材,還要再加上背景設置,上字幕,及結合簡報頁面,這些都是典型的拍攝過程。
但是,我們想像一下,如果業務部門的夥伴,全都跑去拍攝影片,去製作成影片課程,再來分享給新加入的員工。對業務夥伴來說,這反而成為一件很難的事情。
換言之,我們應該讓高績效的夥伴,把他們的時間、精力,專注在內容生產,也就是提升內容質量。
用我的話說,製作「良好結構」的內容,而不是製作「劣質結構」的內容。
如果用有良好結構的內容,即便畫面粗糙都沒問題;相反的,如果是劣質結構的內容,你製作的再精美,只要內容質量不好,後面的努力都是白費的。
- 技術導入
我們透過 umu ai 讓內容生產者有更好的製作內容工具。你只要用一張自己的照片,加上你要講的內容,umu 的 ai 會立即為你生產出影片課程。
整個過程,既不需要化妝,也不輸需要拍攝,也不需要剪輯。由ai來生產高質量的影片。你只需要一張照片,一段文字,ai幫你做影片。
學:ai個性化推薦
「自由逛學」是每個人的學習入口各自不同,實現千人千面的個性化推薦。
學習者透過ai個性化推薦學習內容,擁有「自由逛學」的學習環境。每位學習者,看到的學習界面,都是針對個人工作上與相關的內容,
練:ai智能化反饋
全球對傳統培訓的特點是,「教學」有餘,但是「練習」不足。教導很多,但是練習機會很少,這也是培訓過程的一大障礙。
前面提到「學習科學(learning science)」的容量有限原理,以及主動加工原理告訴我們,如果我們不能讓學習者去實踐、互動,學習到的內容很有限。
所以我們基於如何「有效練習」來促進學習轉化,對一個人在學習過程,分析出兩個主要的階段:
- 第一階段:認知形成
- 第二階段:行為改變
在學校裡面認知形成就能考100分,但是在企業裡,「知道」不等於「做到」。
舉例來說,我們腦海中知道這項新產品的各種資訊,也知道話術要這樣講,但是,嘴巴的肌肉記憶卻講不清楚。
- 第一階段:認知形成
我們umu透過ai的方式,幫助大家從「知道」跨越到「做到」。
認知形成的設計,是利用開放式問題來分析。由ai對學習者的內容進行評分,不僅是提供認知形成的練習,更實現即時反饋的學習效果。舉例來說,ai會提供一份內容,學習者在根據以下內容,思考哪些能夠緩解失眠?
其中內容講到,可以喝牛奶、洗熱水澡來緩解。學習者對這段落回答後,ai針對學習者的回答,分析內容與正確內容的匹配度,直接讓學習者知道話術有哪裡好,哪裡需要精進。
我們並不是依據關鍵詞的匹配來做得分,而是透過知識圖譜,你只要回答相似的意思,就可以得到分數。
我們只需要設置得分點的部分,例如,把得分點寫上,洗熱水澡、喝牛奶等。你會看到,紅色區域得分低,綠色區域滿分回答者。這對於我們在訓練銷售、訓練電話服務或是內部同事,都可以用題庫來隨機出題訓練,學習者能夠立即得到反饋。
- 第二階段:行為改變
今年我們推出一項重要能力,ushow ai。借助能力圖譜的功能,為大家提供一套非常領先的識別系統,從語音識別、內容識別,到語意理解。
一開始我們先從了解用戶辭典,依據不同用戶的字詞來設計識別內容,以此來確保ai能識別出學習者的內容。
設計圖譜內容需要1到2周的時間來訓練ai。包含產品知識與簡報重點,以及相關說明書。接著請十幾位銷售錄製一些模擬影片,再來標註這些影片,哪些講得好,哪些講得不好。
實際演練下,ai會先把聲音轉文字,從中識別出每句話有多少知識點,並且輸入到系統的座標圖譜。這個座標軸,縱向從上往下是講話的話術,橫向的座標軸是講話的知識點。
透過座標圖譜可以看到,有哪些知識點被覆蓋,有哪些沒有,以及全面檢視知識的邏輯性與準確度。
效果學習:連結人與人知識與分享的學習歷程
透過umu在學習效果(effectiveness)、效率(efficiency)與體驗(experience)的完整連結,構成umu的「效果學習方法論」。我們從2019年提出這套方法論,到今年美國atd大會上,學習大師都在談論「效果學習(performance learning)」。
從理論到學習框架,umu結合ai科技來實現效果學習。不只讓製作課程更有效率,更是對學習者提供學習熱情,與學習效率的提升。
以上我們從效果、效率與體驗的連接,幫助大家實現一整套「效果學習」設計。這同時也是umu的使命,我們希望連接人與人的知識,加速知識流動,讓每個人都能流入分享與收穫。