99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

數(shù)字化學習使學習到績效轉化的確定性成為可能

QVp5_ceibs_cbr ? 來源:中歐商業(yè)評論 ? 作者:中歐商業(yè)評論 ? 2021-01-14 14:16 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

站在數(shù)字化學習的實踐前沿,尤其是在疫情助推下,大部分培訓遷移到了線上。在這場數(shù)字化學習事件中,諾華制藥培訓總監(jiān)王星恒認為,數(shù)字化學習存在兩大誤區(qū),分別是“手段和目的混淆”以及“費用節(jié)省與效能衰減”,誤區(qū)背后的根本問題是學習到績效轉化的不確定性,而數(shù)字化學習使學習到績效轉化的確定性成為可能。

1. 學習的內容一定要能夠促使員工的行為轉變,達到組織行為學的要求,同時能夠推動績效的產生。

2.我們發(fā)明了“三點式”教學法,把10、20、70(從內容學習、從同儕學習、從經驗學習),全部放在線上,這樣能把所有的行為學習、行為練習、行為改變的所有數(shù)據點全部留存,為未來的分析帶來了可能。

3.同樣都是線上學習,學習之后,一組進行老師一對一的課后輔導,另一組完成自我反思問題,效果竟然是自我反思組超過老師一對一輔導組。并且我們用教育學研究方法驗證了這個結論,在統(tǒng)計檢驗上達到顯著。

明確數(shù)字化學習的目標 先分享我認為2020年最有趣的一個故事。爸爸和孩子在山間走路,爸爸指著遠方的一棵樹,跟小孩說,“我們各自走,但是我們要到達樹那里”。爸爸和小孩兩個人做了兩個不同的行為,小孩看著自己的腳下,一步接一步地走。爸爸則盯著遠方的那棵樹走了過去,縱然山路有崎嶇,有不同的環(huán)境。結果我們可以預料到,爸爸最終到達了那棵樹,而一直看著自己腳下的小孩,雖然每一步走得很精準,但方向早已偏離。 同理,數(shù)字化的方向或者數(shù)字化學習的方向究竟是在哪里?我將分享在諾華的實踐中所收獲的。 諾華制藥是一家跨國的制藥企業(yè),在全球一直位列第三或者第四名,一年大概500億美金左右的銷售額,在中國也是一個龐大的機構。

疫情來臨,線下的教育似乎如坐針氈、如履薄冰,線上教育似乎一飛升天,飛黃騰達,但真的是這樣嗎? 看上去因為疫情,80%的線下教育轉成了線上,但我們要思考,教育行業(yè)的上市公司并沒有因為疫情帶來巨大的流量而使得市值帶來巨大的發(fā)展,為什么? 類似的,淘寶購物節(jié)交易額每年都創(chuàng)新高,字節(jié)跳動的抖音也在不斷發(fā)展,他們背后的驅動力是什么? 我是醫(yī)生出身,我的答案是,靠多巴胺。購物有欣喜繼續(xù)購物,看到自己喜歡的新聞不斷地看,刷抖音不停地刷,為什么?多巴胺在不停地刺激和釋放。反觀教育,有多巴胺嗎?哪個小朋友說學完了數(shù)學以后有多巴胺的分泌,沒有。 這是一個問題,問題在哪里?我根本要講的一個點叫數(shù)據,為什么我們在其他的行業(yè)不斷地在產生多巴胺?是因為我看到的淘寶界面和你看到的淘寶界面是不一樣的,甚至大家都說連價格都不一樣。

比如我女兒在線學英文,她選擇一個level的難度之后,這個level所有小孩的課都是一樣的,然后再測試,再到下一個level。這個過程不會讓小孩產生多巴胺,反觀我們教育行業(yè),成人或在線教育,怎么能持續(xù)地產生多巴胺? 線上和線下的目的到底是什么,一定程度上、從生理學上來說可能是多巴胺,而我們企業(yè)教育的目的是什么?很簡單,學習的內容一定要能夠促使員工的行為轉變,達到組織行為學的要求,同時能夠推動績效的產生。 我想問在企業(yè)里的HR或者HRD,我們的學習能推動績效嗎?如果你回答我說“不知道”,你的回答很正常。如果你的回答告訴我,“我覺得可以”,那么告訴我推動多少,0.5%還是0.05%?如果你告訴我,“我覺得可能還不能夠”,那也是現(xiàn)實。 我們做過研究,發(fā)現(xiàn)對于有些學習來說,學習之后的效果還不如不學。 不管是線上還是線下學習,要搞清楚目的究竟是什么。

最大問題:學習績效轉化不確定 當大量的學習從線下轉成線上的時候,效能高度衰減。線上直播的教學,有多少人實際上在聽、聽完效果如何,這個其實并不知道。

如果我們真正想推動企業(yè)學習效能來改變員工的行為、推動績效,我們就要認認真真去研究這當中相關度是多少。 我們現(xiàn)在面臨的根本問題不是線上和線下的問題,而是學習績效轉化不確定性的問題。當我們把愿景、組織目標落到最后能夠使戰(zhàn)略戰(zhàn)術得到執(zhí)行,能力是當中非常重要的一環(huán),但是又是不確定的一環(huán)。 雖然我們也做學習過程評估,但那個評估是在一個非常嚴酷的環(huán)境下做的測試,在泛行業(yè),這個標準根本不實用。這個評估只能限定在一定人群范圍內,做微小或者精準的項目。 我們長期的研究認為,數(shù)字化的學習能讓績效轉化的確定性成為可能,但還并沒有成為現(xiàn)實。

數(shù)據點要能夠去驗證績效 線上學習有兩個要素,第一是場景,第二是數(shù)據。所有行業(yè)都一樣,阿里巴巴也說自己是場景和數(shù)據,得到也講的是場景和數(shù)據,字節(jié)跳動講的還是場景和數(shù)據,看來有通識性,場景實現(xiàn)了什么?數(shù)據實現(xiàn)了什么? 數(shù)字化學習有四大特征。

第一,場景窮盡化。線上學習讓我們窮盡場景成為可能。老師上課講完原理之后舉例子,讓大家練習,最后會總結說練習是局限的,回去以后要靈活應用。真正做到靈活應用其實非常難。組織行為學里有一致性理論,(編者注:所謂一致性,即如果其他人在相似的場合下都有相同的反應, 則說該行為具有一致性),我們希望把所有的場景窮盡,這樣才能夠真正做到類似場景下的一致性的能力遷移。諾華制藥在實踐中總結了大量的場景。

第二,反饋及時。要充分設計好反饋的時間節(jié)點。即便是線下培訓,也需要點評,線上更是如此。

第三,數(shù)據績效化。我們對數(shù)據的理解有偏差。比如時長這個數(shù)據,什么叫時長?你會覺得這個問題太簡單,時長就是這個視頻有多長。那么請問,回看怎么算?快進怎么算?如果你對時長的定義沒有考慮這些學習行為,那就麻煩了,你拿到的數(shù)據是稀奇古怪的。所以,數(shù)據定義本身就有大量的需要研究的空間。

第四,有了數(shù)據之后,有可能采集到數(shù)據點跟績效去對接嗎?跟行為改變去對接嗎?我問過大量的學習供應商這個問題,有多少個數(shù)據點可以提供給我,而且這些數(shù)據點被驗證過跟行為改變相關。非常少的供應商能直接回答我。數(shù)據點沒驗證過,這就麻煩了。更多的供應商甚至根本沒有埋過數(shù)據點。只有時長,沒有埋過其他數(shù)據點,這樣的證據材料就是廢物,將來不可能去做數(shù)據化績效考核分析。

基于以上種種條件的達成,我們才能談到學習定制化,定制化才能產生多巴胺。

打造數(shù)字化學習的數(shù)據閉環(huán) 我把整個環(huán)節(jié)用下面這棵樹來表示。樹根是績效模型,長出的樹枝就是我們的行為,桃子是場景。

我們有大量的老師去一線采集場景,把桃子采回來,再把桃子里面的知識點萃取出來,這是一個費時、費力、費技術的工作。人工智能的前期需要人工,之后才能智能,并且人工是巨大的。我們采集了大量的場景,然后把它根據不同的桃子組合形成課件,并且進行運營,運營過程中,要有行為改變去匹配。 在這個過程當中會產生大量的數(shù)據,這些數(shù)據要能夠連通形成閉環(huán)?,F(xiàn)在都很流行討論閉環(huán),但問題是一個環(huán)到另外一個環(huán)之間真有數(shù)據證實嗎?我們要對學與不學的區(qū)別、以及怎么學來進行嚴謹?shù)难芯?,要看統(tǒng)計學的差異,這些都值得我們持續(xù)討論。

每一級的知識點搭建,是一個大工程。比如,與客戶互動是我們最小的一個行為,會落到最小的點就是一個知識點。因為有場景,一個溝通行為就會有一個知識點,很細節(jié),但確實是很龐大的工程,需要人來做。 有知識點形成教材以后,我們發(fā)明了“三點式”教學法,把10、20、70,(從內容學習、從同儕學習、從經驗學習)全部放在線上,這樣能把行為學習、行為練習、行為改變的所有數(shù)據點全部留存,為未來的分析帶來可能。 另外,如果你發(fā)現(xiàn)我們的學習可能跟績效或行為改變相關性差,你一定反思一下,你在整個“三點式”當中的某一點的有效性可能出了問題。 激勵部分不是我們擅長的,我們找了一家公司幫我們運營,減少運營的壓力,可以保證100%讓學員學完。具體的激勵方法,有一系列除了錢以外的辦法。

數(shù)字化學習未來一定走向人工智能 既往的行為改變,甚至做測評評估的時候,我認為叫自嗨。全部靠個人的判斷,一個常見情境是,五個評委坐在下面評審一個人,評出來的差異會非常大。我們做過這樣的研究,老師之間評分的離散度非常大,大到可以推倒這個研究。我們現(xiàn)在逐漸地走向了用人工智能去評估學習行為,目前跟供應商合作有一系列成功的產品,去評估人各種各樣的學習行為。

到目前為止,我們公司的企業(yè)學習平臺上大概每天有20%左右的人會自發(fā)去學習,我們公司大概有5000人,每天他們學習的時長大約是半個小時,所以我每年可以累計下來30-50萬小時的學習數(shù)據。 我們把這些數(shù)據深入研究之后,有驚人發(fā)現(xiàn)。線上學習最后的行為改變竟然優(yōu)于面對面學習,自我反思式學習超過老師一對一輔導學習效果。并且我們用教育學研究方法驗證了這個結論,在統(tǒng)計檢驗上達到顯著。 培訓老師們也很緊張未來自己的價值在哪里。未來一定是走向人工智能,但是前期需要人工,老師們需要思考人工智能結合下的轉型。

我們公司今年已經把80%的學習內容遷移到了線上,未來還會持續(xù)在數(shù)字化道路上繼續(xù)前行,擁抱數(shù)字,發(fā)現(xiàn)數(shù)字的洞察,這是我們的必經之路,也是未來的方向。在數(shù)字化之路上,我們可以像最開頭的故事里的爸爸一樣,目標清晰地盯住那棵樹,雖然歷經曲折,但終究會走向目標,但最怕的是每個腳印都走得正確,但方向錯了。數(shù)字化之路上,希望我們都能不忘最初的目標。我期待有更多的同道加入我們數(shù)字化學習探索的道路。

原文標題:王星恒:數(shù)字化學習使學習到績效轉化的確定性成為可能

文章出處:【微信公眾號:中歐商業(yè)評論】歡迎添加關注!文章轉載請注明出處。

責任編輯:haq

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 數(shù)字化
    +關注

    關注

    8

    文章

    9513

    瀏覽量

    63565

原文標題:王星恒:數(shù)字化學習使學習到績效轉化的確定性成為可能

文章出處:【微信號:ceibs-cbr,微信公眾號:中歐商業(yè)評論】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    NVIDIA Isaac Lab可用環(huán)境與強化學習腳本使用指南

    Lab 是一個適用于機器人學習的開源模塊化框架,其模塊化高保真仿真適用于各種訓練環(huán)境,Isaac Lab 同時支持模仿學習(模仿人類)和強化學習(在嘗試和錯誤中進行學習),為所有機器
    的頭像 發(fā)表于 07-14 15:29 ?540次閱讀
    NVIDIA Isaac Lab可用環(huán)境與強<b class='flag-5'>化學習</b>腳本使用指南

    全網最全學習Zephyr開發(fā)教程資料匯總-從基礎文檔視頻到上手實操示例

    ,確保系統(tǒng)響應的確定性延遲,并且內存占用極小。豐富的通信機制、深度集成的電源管理模式等,也進一步提升了其在嵌入式領域的競爭力。然而,要深入掌握 Zephyr 開發(fā)并非一蹴而就之事。為了方便大家順利踏上
    發(fā)表于 07-04 11:13

    康謀分享 | 基于多傳感器數(shù)據的自動駕駛仿真確定性驗證

    自動駕駛仿真測試中,游戲引擎的底層架構可能會帶來非確定性的問題,侵蝕測試可信度。如何通過專業(yè)仿真平臺,在多傳感器配置與極端天氣場景中實現(xiàn)測試數(shù)據零差異?確定性驗證方案已成為自動駕駛研發(fā)
    的頭像 發(fā)表于 07-02 13:17 ?3462次閱讀
    康謀分享 | 基于多傳感器數(shù)據的自動駕駛仿真<b class='flag-5'>確定性</b>驗證

    應用分享 | 精準生成和時序控制!AWG在確定性三量子比特糾纏光子源中的應用

    丹麥哥本哈根大學最新研究利用任意波形發(fā)生器(AWG),成功構建保真度56%的確定性三量子比特GHZ態(tài)!AWG憑借精準的信號生成和時序控制能力,充分展現(xiàn)了其在量子態(tài)操控中的強大能力。
    的頭像 發(fā)表于 06-06 14:06 ?512次閱讀
    應用分享 | 精準生成和時序控制!AWG在<b class='flag-5'>確定性</b>三量子比特糾纏光子源中的應用

    18個常用的強化學習算法整理:從基礎方法高級模型的理論技術與代碼實現(xiàn)

    本來轉自:DeepHubIMBA本文系統(tǒng)講解從基本強化學習方法高級技術(如PPO、A3C、PlaNet等)的實現(xiàn)原理與編碼過程,旨在通過理論結合代碼的方式,構建對強化學習算法的全面理解。為確保內容
    的頭像 發(fā)表于 04-23 13:22 ?404次閱讀
    18個常用的強<b class='flag-5'>化學習</b>算法整理:從基礎方法<b class='flag-5'>到</b>高級模型的理論技術與代碼實現(xiàn)

    進群免費領FPGA學習資料!數(shù)字信號處理、傅里葉變換與FPGA開發(fā)等

    的基礎知識,講述了確定性數(shù)字信號處理的知識,包括離散時間信號及系統(tǒng)的介紹、z變換、傅里葉變換、頻率分析以及濾波器設計等。介紹了隨機數(shù)字信號處理的知識,主要學習多速率
    發(fā)表于 04-07 16:41

    詳解RAD端端強化學習后訓練范式

    受限于算力和數(shù)據,大語言模型預訓練的 scalinglaw 已經趨近于極限。DeepSeekR1/OpenAl01通過強化學習后訓練涌現(xiàn)了強大的推理能力,掀起新一輪技術革新。
    的頭像 發(fā)表于 02-25 14:06 ?594次閱讀
    詳解RAD端<b class='flag-5'>到</b>端強<b class='flag-5'>化學習</b>后訓練范式

    淺談適用規(guī)模充電站的深度學習有序充電策略

    深度強化學習能夠有效計及電動汽車出行模式和充電需求的不確定性,實現(xiàn)充電場站充電成本化的目標。通過對電動汽車泊車時間和充電需求特征進行提取,建立適用于大規(guī)模電動汽車有序充電的馬爾可夫決策過程模型,并
    的頭像 發(fā)表于 02-08 15:00 ?535次閱讀
    淺談適用規(guī)模充電站的深度<b class='flag-5'>學習</b>有序充電策略

    AFE5808A串并變換之后數(shù)據錯位,輸出結果具有不確定性,為什么?

    AFE5808A串并變換之后數(shù)據錯位,輸出結果具有不確定性,求問可能的原因有哪些?
    發(fā)表于 01-01 07:23

    全球首張!賽思時鐘系統(tǒng)賦能山東省確定性網絡,夯實數(shù)字未來新基座

    全球首張確定性網絡的高精度時間同步,由賽思打造!
    的頭像 發(fā)表于 11-29 11:13 ?649次閱讀
    全球首張!賽思時鐘系統(tǒng)賦能山東省<b class='flag-5'>確定性</b>網絡,夯實<b class='flag-5'>數(shù)字</b>未來新基座

    科技云報到:數(shù)字化轉型,從不確定性確定性的關鍵路徑

    科技云報到:數(shù)字化轉型,從不確定性確定性的關鍵路徑
    的頭像 發(fā)表于 11-16 16:52 ?753次閱讀
    科技云報到:<b class='flag-5'>數(shù)字化</b>轉型,從不<b class='flag-5'>確定性</b><b class='flag-5'>到</b><b class='flag-5'>確定性</b>的關鍵路徑

    如何使用 PyTorch 進行強化學習

    的計算圖和自動微分功能,非常適合實現(xiàn)復雜的強化學習算法。 1. 環(huán)境(Environment) 在強化學習中,環(huán)境是一個抽象的概念,它定義了智能體(agent)可以執(zhí)行的動作(actions)、觀察
    的頭像 發(fā)表于 11-05 17:34 ?1041次閱讀

    計及多重不確定性的規(guī)模化電動汽車接入配電網調度方法及解決方案

    摘要:規(guī)模日益增長的電動汽車和可再生能源帶來的不確定性給配電網的安全運營帶來了嚴峻挑戰(zhàn)。為綜合考慮多重不確定性、平衡運營成本與系統(tǒng)可靠性,首先,提出一種基于分布魯棒聯(lián)合機會約束的電動汽車-配電網
    的頭像 發(fā)表于 09-14 15:26 ?930次閱讀
    計及多重不<b class='flag-5'>確定性</b>的規(guī)模化電動汽車接入配電網調度方法及解決方案

    電源空載電壓的確定應遵循的原則是什么

    電源空載電壓的確定是一個復雜的過程,涉及許多因素和原則。 1. 引言 電源是電子系統(tǒng)中不可或缺的組成部分,它為系統(tǒng)提供所需的電能。電源的空載電壓是指在沒有負載的情況下,電源輸出的電壓值。空載電壓
    的頭像 發(fā)表于 08-08 14:28 ?2228次閱讀

    中國移動完成業(yè)界首例端端雙頻5G-A確定性網絡試點

    數(shù)字化轉型的浪潮中,5G技術正以前所未有的速度滲透各行各業(yè),尤其是工業(yè)生產領域。近日,中國移動研究院攜手江蘇移動、立訊精密及華為公司,共同完成了業(yè)界矚目的首例端端“雙頻5G-A確定性
    的頭像 發(fā)表于 07-23 16:46 ?1204次閱讀