Yapay zeka ile kişiselleştirilmiş öğrenme yolu tasarlama yöntemi

Kişiselleştirilmiş öğrenme yolu neyi değiştirir?

Klasik kurumsal eğitimde herkes aynı müfredattan, aynı sırayla geçer. Bir satış temsilcisi ile bir finans analisti aynı giriş modülünü izler, deneyimli çalışan bildiği konuyu tekrar dinler, yeni başlayan ise hazırlıksız bir konuya atlar. Kişiselleştirilmiş öğrenme yolu bu sabit sırayı bırakır: her öğrenen için başlangıç noktası, hedef yetkinlik ve ilerleme hızı ayrı ayrı belirlenir.

Yapay zekanın katkısı bu ayrımı maliyetli bir elle iş olmaktan çıkarmasıdır. Eskiden her çalışan için ayrı plan çıkarmak eğitim ekibinin haftalarını alırdı. Bugün bir dil modeli, rol tanımını, yetkinlik listesini ve çalışanın ön değerlendirme sonucunu birlikte okuyarak taslak bir yol önerebilir. Karar yine eğitim tasarımcısındadır; model öneri üretir, tasarımcı doğrular ve düzeltir.

Önce rol ve yetkinlik haritasını çıkarın

Kişiselleştirme, kime ne öğretileceğini bilmekle başlar. Yapay zekaya girdi vermeden önce her rol için hedef yetkinlikleri düz ve ölçülebilir cümlelerle yazın. Örneğin bir müşteri hizmetleri ekip lideri için hedef yetkinlikler şöyle olabilir:

• Zor müşteri görüşmesini yapılandırılmış biçimde yönetmek
• Ekip performans verisini okuyup geri bildirim planı çıkarmak
• Yeni çalışana süreç anlatırken örnek vaka kullanmak

Bu liste ne kadar net olursa modelin önerdiği içerik eşlemesi o kadar isabetli olur. Belirsiz bir hedef ("iletişimi geliştirmek") model çıktısını da belirsizleştirir. Yetkinlikleri rol bazında yazdıktan sonra her yetkinliğin hangi seviyede ne işe yaradığını da kısa bir ölçütle ekleyin: başlangıç, uygulayıcı, ileri.

Başlangıç noktasını ölçün: ön değerlendirme

Yolu kişiye göre uyarlamanın dayanağı ön değerlendirmedir. Kısa bir bilgi testi, bir iş senaryosu sorusu ve çalışanın kendi beyanı birlikte kullanılır. Yalnızca beyana bakmak yanıltır, çünkü kişiler bildiklerini olduğundan fazla ya da az gösterebilir. Senaryo sorusu ise gerçek davranışa yaklaşır.

Yapay zeka bu aşamada hem soru üretir hem ilk okumayı yapar. Soru tarafında, hedef yetkinlik listesinden senaryo sorusu taslakları üretir; tasarımcı bunları gözden geçirip yayımlar. Okuma tarafında, açık uçlu yanıtları yetkinlik seviyesine göre ilk elden sınıflandırır. Sınıflandırmayı kesin hüküm gibi değil, tasarımcının hızlıca kontrol edeceği bir ön okuma olarak kullanın; sınırda kalan yanıtları insan değerlendirsin.

Yapay zekanın devreye girdiği adımlar: örnek akış

Örneğin yeni terfi eden bir takım liderinin yolu şöyle kurulabilir. Ön değerlendirme sonucu, geri bildirim verme konusunda ileri, ekip planlama konusunda başlangıç seviyesinde olduğunu gösteriyor. Tasarımcı, rol ve değerlendirme çıktısını modele verir ve içerik kütüphanesindeki mevcut kaynaklarla eşleştirmesini ister. Model, geri bildirim modülünü atlayıp planlama modülüne öncelik veren bir sıra önerir ve her modül için kısa bir gerekçe yazar.

Bu noktada şu çıktılar işe yarar:

• Modül sırası önerisi ve her sıranın gerekçesi
• Çalışanın seviyesine göre yeniden yazılmış kısa açıklayıcı metinler ve örnekler
• Öğrenme aralarında gönderilen kısa pekiştirme soruları ve hatırlatmalar

Tasarımcı sırayı onaylar, gerekçeleri okur, kütüphanede karşılığı olmayan bir ihtiyaç varsa yeni içerik üretimini ayrıca planlar. Model kütüphanede olmayan bir kaynağı varmış gibi önerebilir; her önerilen kaynağın gerçekten var olduğunu kontrol etmek şarttır.

Yolu canlı tutmak: ölçme ve uyarlama

Kişiselleştirilmiş yol bir kez kurulup bırakılan bir belge değildir. Çalışan ilerledikçe ara kontrol sonuçları, uygulama ödevleri ve yöneticinin gözlemi yola geri beslenir. Bir modülden sonraki kısa kontrol zayıf çıkarsa yol, pekiştirme içeriği ekler; güçlü çıkarsa sonraki modüle hızlıca geçirir.

Ölçmeyi eğitimin kendi tamamlama oranına bağlamayın. Tamamlama bilgisi, çalışanın izlediğini söyler; öğrenip öğrenmediğini söylemez. Daha anlamlı göstergeler, uygulama ödevinin kalitesi, işe dönük davranış değişimi ve yöneticinin düzenli gözlemidir. Yapay zeka bu verileri özetleyip tasarımcıya eğilimleri gösterebilir, fakat hangi göstergenin ne anlama geldiğine ve neyin iyileştirileceğine insan karar vermelidir.

Sık yapılan hatalar ve sınırlar

En sık hata, kişiselleştirmeyi araç seçimi sanmaktır. Elinizde net bir yetkinlik haritası ve yeterli içerik yoksa en gelişmiş araç bile anlamlı bir yol öneremez. Önce harita ve içerik, sonra otomasyon gelir.

Bir başka hata, ön değerlendirmeyi atlayıp yalnızca unvana göre yol atamaktır. Aynı unvanı taşıyan çalışanların birikimi çok farklı olabilir. Bir diğer hata, çalışan verisinin gizliliğini unutmaktır: değerlendirme sonuçları ve performans bilgileri bir dil modeline aktarılırken kurumun veri politikasına uygun, kişisel bilgi çıkarılmış ya da kurum içi onaylı ortamlarda çalışılmalıdır. Son olarak, modelin yalnızca çalışanın şimdiye kadar yaptığı tercihlere benzer içerik önermesi, onu yeni konulardan uzak tutabilir. Yolun içine bilinçli olarak yeni bir alanı tanıtan bir adım eklemek bu eğilimi dengeler.

Mindset programlarında bu beceri nerede çalışılır?

Yapay Zeka Destekli Eğitim Tasarımı programı, bu yöntemin tasarımcı tarafını doğrudan işler. Modül başlıkları arasında İçerik Analizi ve Tasarım Aşaması, Yapay Zeka ile İçerik Üretimi ve Kişiselleştirilmiş Öğrenme Yolu Tasarımı bulunur; programın kazanımlarında rol ve yetkinlik bazlı öğrenme yolları tasarlamak yer alır. Kurumsal eğitim, öğrenme ve gelişim ya da insan kaynakları ekiplerinde çalışan eğitim tasarımcıları için uygundur.

İK tarafından bakan ekipler için Yapay Zeka ile İnsan Kaynakları programında Kişiselleştirilmiş Öğrenme ve Gelişim modülü ayrı bir başlık olarak işlenir. Bu programlar ekip düzeyinde uygulanabilir; kurum, kendi rol ve yetkinlik yapısını çalışmaya getirerek yolu kendi çalışanlarına göre kurabilir.