elearning machine learning

Millorar l'elearning amb Machine Learning és possible

Article

El Machine Learning, posats a simplificar, és l'aplicació de models estadístics de predicció que a partir de moltes observacions ràpides treuen unes conclusions més o menys precises. A partir d'aquestes observacions s'executen accions automàtiques, sense intervenció humana pel mig.

El Machine Learning no és una cosa nova en matemàtiques. El que ho fa nou és l'accés a la tecnologia i la disponibilitat de moltes dades. Això fa viables càlculs que abans eren inviables.

El Machine Learning té multitud d'aplicacions que no són precisament a la indústria de l'aprenentatge, però jo parlaré justament d'això, de l'aplicació a la indústria de l'aprenentatge.

 

Un exemple gairebé evident: automatitzar respostes a preguntes recurrents és possible
elearning machine learning

Per exemple, suposem que tinc una plataforma d'elearning (o sigui, un LMS). Hi ha molta gent matriculada en un programa i els alumnes fan preguntes al fòrum al tutor o bé a la seva pròpia bústia de consultes. El sistema podria arribar a interpretar que preguntes similars arriben a una determinada resposta. O de forma més simple, detectar quan una pregunta ha de respondre's “manualment” o automàticament.

Òbviament, perquè un sistema associï que una pregunta semblant porta a la mateixa resposta hauria d'entrenar-se i supervisar-se. Una manera de fer-ho és prendre a un tutor de referència i que compari la resposta que donaria el sistema amb la que donaria ell. Partint del supòsit d'infal·libilitat del tutor, quan el 99% de les respostes coincidissin amb les que donaria ell, podríem considerar que el sistema és eficaç.

 

I on és l'estalvi per al negoci?

Diguem-ho clar. Estalviar-se el tutor, en la seva modalitat de tutoria reactiva. De manera que o bé el marge comercial serà més alt a igualtat de preu del producte educatiu  o bé es pot vendre més barat mantenint marge.

 

I què fem amb els tutors?

Ara, els tutors seran entrenadors de sistemes d'aprenentatge automàtic en elearning, i hi haurà rendibilitat si el procés d'entrenament és curt, els cursos molt recurrents, amb volum d'alumnes considerable i la tecnologia d'aprenentatge automàtic assequible.

 

No et creus que l'IA pot substituir els tutors? Doncs els chatbots en educació són una realitat

Recentment es presentaven els resultats d'una tutoria realitzada amb Whatson, el super sistema ideat per IBM, en el qual s'asseverava que els alumnes no es van adonar que el tutor era “no humà” i que a més ho van puntuar molt bé. No se li pot treure mèrit a Whatson, ni als talents d'IBM que ho van fer possible, però és realment útil, això?

La veritat és que més del 50% de les preguntes que es fan en un programa formatiu recurrent són sempre les mateixes (m'atreviria a dir que “he perdut la contrasenya” continua sent l'estrella). Això és una cosa que els tutors o en el seu cas els dinamitzadors coneixen perfectament. És per això que als fòrums generals se solen “penjar” les FAQ. El que passa és que la llista de FAQ es fa llarga de llegir i a més “fa pal” fer servir el cercador (que a més en les de codi lliure moltes vegades ni funciona). En la mesura que et sigui més fàcil preguntar-li a Siri que si demà és festiu a Madrid que buscar-ho a google, i Siri encerti, el tutor reactiu automàtic té sentit en la formació, sigui com a chatbot o com a servei en un call center.

Per cert, Hubtype és una solució molt més assequible que Whatson amb un munt de casos off the shelf per a un que podria interessar-te.

 

D’acord, això va de substituir tutors. Llavors la IA és per a aplicacions de poc valor afegit, no?

Fals! La IA i el Big Data en tecnologia educativa són el canvi de paradigma.

elearning machine learning

Compte! No ens quedem en el simple de les tutories reactives, aquestes de si tinc un dubte, et pregunto. Això és una mica més profund.

A la meva manera de veure, l'impacte és més ampli i poso 5 exemples que s'entenen fàcilment:

 

1. Curació de continguts individualitzada:

A partir de les cerques que faig tant a google com a portals educatius o temàtics especialitzats o a la meva plataforma col·laborativa corporativa, puc arribar a tenir una curació de continguts a la carta. N’hi haurà prou amb que el sistema aprengui de mi, a partir de que els continguts que em mostri siguin rellevants per a mi, ell ho sàpiga en funció de si els llegeixo o no o si li dic al sistema que són rellevants o no.  

Avui dia la curació de continguts té sentit per a grans col·lectius, però difícilment és “pagable” a títol individual per a cada empleat. Això ho faria possible. Fa anys que Flipboard funciona raonablement bé, el model és aplicable dins d'un LMS corporatiu.

elearning machine learning
2. Proposar-te microaprenentatge en el teu “temps mort”:

Quantes vegades has vist un curs super interessant a UDEMY que no fas perquè no trobes el temps o el moment per a fer-lo? Els dispositius mòbils i fixos saben perfectament si estàs parlant per telèfon, si estàs de camí al treball i si estàs fent alguna cosa amb Excel, fumant a la porta de l'oficina o mirant Netflix.

N'hi ha prou amb suggerir en aquests moments que dediquis el temps a un microaprendizaje de valor o un programa més llarg ocupant determinats espais. La teva plataforma d'elearning connectada a Hubs de contingut i MOOCS pot ajudar-te sempre que sigui mobile.

elearning machine learning
3. Anticipar necessitats de formació des dels interessos dels teus iguals:

Les persones tendim a pensar que som úniques, però en realitat no ho som tant. Per això triomfen els virals i els vídeos de gatets. En els entorns corporatius el nostre mateix rol pot estar repetit per desenes i fins i tot centenars de persones, n’hi ha prou amb veure la xarxa comercial d'un banc, d'assegurances o d'automoció.

Quan un venedor d'automòbil comença a buscar informació sobre un determinat tipus de vehicle de la competència, és previsible que estigui preparant treballar-se les objeccions a un client indecís. Quan ho fan més de 50, hi ha una alerta de formació urgent, les vendes estan en perill.

elearning machine learning

Aixecar l'alerta al learning community manager de manera automàtica i suggerir-li continguts d'interès per a divulgar o “beneir”, prèvia divulgació automàtica, és de gran valor. Per descomptat, recomanar formacions que fan els teus iguals és una pista interessant, però això és anar molt més allà.

 

4. Identificar continguts de valor dins i fora dels teus sistemes

Per descomptat, els LMS no poden continuar sent només la llibreria de coneixement formal i informal homologat i controlat de l'empresa. Si volem que els continguts rellevants o els aprenentatges de valor flueixin als empleats cal combinar diverses fonts de contingut i fer-les convergir. Però perquè el contingut sigui rellevant per a un, han de fluir dades i en certa manera compartir-se per a obtenir-ne unes altres a canvi.

Si sé que un empleat busca molta formació en portals especialitzats, aliena al meu catàleg de competències, és possible que  tingui una manca en el meu catàleg de competències.

elearning machine learning

Si tinc en un cas mèdic amb determinades radiografies o TAC i va determinar l'existència d'una estranya patologia, puc voler veure immediatament informació de tractaments per a aquesta patologia i cursos específics. És més, vull veure altres casos amb el mateix patró identificat i que no es van diagnosticar amb aquesta patologia. Suport de machine learning en el diagnòstic i big data en la cerca de casos i documentació similar.

 

5. Identificar patrons de conducta en els sistemes que ajuden a retenir el talent

Compartir dades dins amb altres sistemes és important: si un model detecta que aquells que regularment fan formació de sobte cancel·len formacions en línia o no les completen marxen de l'empresa abans de dos mesos, hauria de saltar una alerta per a intentar retenir-los?.

elearning machine learning

Òbviament, amb la informació del LMS no en tinc prou per a treure una conclusió, necessito una analítica de dades d'altres sistemes de RH per a establir patrons, però dóna peu a una trucada del meu mentor o de RH, veritat?

Això és un punt important, tant si anticipem els alumnes que poden suspendre, com si detectem el contingut de major interès, com preveiem la possible fugida d'un empleat l'important és l'acció que realitzem sobre la base de l'algorisme de IA: millorar la impartició, fer més seguiment de determinats alumnes, millorar les condicions de l'empleat...

La IA sense gestió no serveix per a res!.

I abans d'acabar volia recordar-te una cosa fonamental que els pedagogs ens recorden moltes vegades als gestors d'empresa:

 

Un moment! La IA no fa que aprenguis el que no vols aprendre. Sense motivació no hi ha aprenentatge.

Sí, que Siri o el training chatbot et suggereixin coses o et responguin tot el dia als teus dubtes està bé. Però com deia Darth Vader, no cal obnubilar-se amb els terrors tecnològics que construïm. No hi ha res comparable al poder de la força. Si entenem la força com “l'aprenentatge”, ningú aprèn el que no vol aprendre.

elearning machine learning

Si jo no vull trucar al client, encara que tingui l'argumentari de vendes per a rebatre el model competidor, si jo vull tocar la bateria en comptes de fer aquest curs de blockchain d’UDEMY, o si definitivament me n’aniré de l'empresa perquè n’estic fart… ni Whatson, ni SIRI, ni SKYNET seran més forts que la meva motivació personal.

I per cert, també hi ha algorismes per a saber l'estat de motivació del personal que analitzen des de les paraules que es fan servir als mails, als xats, missatgeria instantània, etc.

Tot està per fer i tot és possible amb l'AI!

Carles Roca

Carles és Senior Account Manager a SEIDOR Opentrends, liderant el sector financer, així com expert en direcció d’operacions i tecnologia de BPM, CRM, LXP&LMS. Anteriorment, ha ocupat càrrecs directius, de talent management i digital learning a empreses de consultoria, asseguradores i bancs. El seu objectiu és desenvolupar propostes de valor basades en tecnologia que ajudin a millorar l’experiència de client, a augmentar les vendes o a reduir costos de forma sostenible en el temps.