Learning Analytics

Wie Sie Learning Analytics erfolgreich in Ihrem Unternehmen einsetzen

Wie können Unternehmen den Wert ihrer Schulungsprogramme ermitteln? Sie können sich auf qualitative, anekdotische Berichte von Vorgesetzten und Mitarbeitern verlassen, oder sie können einen datengesteuerten, analytischen Ansatz mit Hilfe von Learning Analytics wählen.

In diesem Leitfaden stellen wir Ihnen Learning Analytics vor und zeigen Ihnen, wie Sie damit die Effizienz Ihrer Schulungsprogramme steigern können.

Entdecken:

• Was ist Learning Analytics?
• Warum ist Learning Analytics wichtig?
• Die Anwendungen von Learning Analytics
• Was sind die lernanalytischen Methoden?
• Ethik und Datenschutz bei Learning Analytics
• Herausforderungen von Learning Analytics

Was ist Learning Analytics?

Learning Analytics ist das Sammeln, Analysieren und Berichten von Daten über Lernende und ihre Interaktionen mit ihrer Lernumgebung, um das Lernen besser zu verstehen, Lernumgebungen zu optimieren und Lernergebnisse zu verbessern.

Der Begriff „Learning Analytics“ war vor 2011 nicht weit verbreitet. Erst als er auf der 1st International Conference on Learning and Analytics auftauchte, wurde er zu einem gängigeren Begriff.

Die Notwendigkeit, die Qualität des digitalen Lernens zu verfolgen, besteht schon lange. Heutzutage muss der Lehrer nicht mehr vor dem Lernenden sitzen, aber die Notwendigkeit, sein Wissen und seine Leistung zu überprüfen, besteht immer noch.

Das allgemeine Interesse an Analytics wächst rasant, vor allem in großen Unternehmen. Es ist schwer vorstellbar, dass es ein globales Unternehmen gibt, das keine analytischen Ansätze in seinem Geschäftsbetrieb einsetzt. Es ist eine beliebte Wahl, interne oder externe Learning and Development (L&D)-Teams zu haben, die eine Trainingsstrategie basierend auf Unternehmenszielen und Mitarbeiterkompetenzen entwerfen und gestalten.

Es besteht branchenübergreifend eine hohe Nachfrage nach Learning Analytics, die zur Lösung einer Vielzahl von Geschäftsproblemen eingesetzt wird, z. B. zur Personalschulung, zur Messung ihrer Effektivität und Produktivität sowie zur Planung von Entwicklungsstrategien.

Warum ist Learning Analytics wichtig?

Die Arbeitswelt befindet sich in einem großen Wandel. Der moderne Arbeitsplatz steht heute für soziale Zusammenarbeit und wachsende technologische Trends.

Neue Tools und Technologien haben die Art und Weise, wie wir arbeiten, komplett verändert: organisatorische Flexibilität, Digitalisierung, Cloud-Technologien, Work Messenger, Online-Meetings, Datenintelligenz usw.

Das Internet, Gadgets und Mobilität haben es uns ermöglicht, überall zu arbeiten und die Zusammenarbeit mit Menschen auf der anderen Seite der Welt zu erleichtern.

Diese Veränderungen bieten die Möglichkeit, die Produktivität von Trainingsprogrammen zu verbessern, die Qualität des Wissens eines bestimmten Mitarbeiters zu erhöhen und letztendlich die Produktionsarbeit zu beschleunigen. L&D-Profis nutzen zunehmend Learning Analytics und Automatisierung, um die Schwachstellen des Lernens, Muster und Potenziale der Mitarbeiter zu identifizieren.

Der Einsatz von Analytics wird Unternehmen einen Wettbewerbsvorteil verschaffen. Organisationen, die bereit sind, in Analytics zu investieren, werden Zugang zu Daten haben, die ihnen helfen werden, die Leistung ihrer Mitarbeiter zu verbessern und bessere Entscheidungen zu treffen. So werden sie in kürzester Zeit mit den besten Ergebnissen an der Spitze des Mitarbeitertrainings stehen.

Learning Analytics hilft Unternehmen, bessere Lernprogramme zu entwickeln

Schulungsprogramme werden immer wichtiger. Wenn wir die Fähigkeiten unserer Mitarbeiter kontinuierlich verbessern müssen, werden jedes Jahr Millionen von Dollar für ineffektive Schulungen verschwendet.

Ohne Learning Analytics hat eine Organisation keine Möglichkeit, die Wirksamkeit ihrer Lernprogramme zu verstehen, ob es Lernende gibt, die Unterstützung benötigen, noch werden sie in der Lage sein, zu wissen, auf welche Weise sie in ihren Schulungsprogrammen erfolgreich sind oder scheitern.

Die Wahrscheinlichkeit ist groß, dass sie immer wieder die gleichen Fehler machen – einfach weil sie nicht wissen, dass sie sie überhaupt machen.

Es kann auch den Erstellern von Inhalten die nötigen Erkenntnisse liefern, um bessere Lernpfade für ihre Lernenden zu erstellen. Wenn wir zum Beispiel sehen, dass die Lernenden mit einem Teil des Lernpfads zu kämpfen haben, der sie später dazu veranlasst, den Kurs zu verlassen, können wir entscheiden, diesen Teil auszuschließen oder neu zu erstellen.

Wir können auch beobachten, dass die Lernenden das Programm auf eine ganz andere Art und Weise abschließen, nicht wie in unserem Lernpfad vorgeschlagen.

Die Erforschung der Lernerfahrung kann für ein Unternehmen und für den Lernenden von Vorteil sein. Qualitative Trainingsprogramme machen Ihre Mitarbeiter produktiver und engagierter.

Learning Analytics kann helfen, Mitarbeiter zu motivieren

Organisationen mit besseren Schulungsprogrammen haben engagiertere Mitarbeiter. Sie sind produktiver, bleiben länger im Unternehmen und führen zu besseren Geschäftsergebnissen. All dies sind Ziele für jede Organisation, unabhängig von der Branche.

Learning Analytics kann verwendet werden, um erweiterte Lernpfade zu erstellen. Mit Hilfe von Empfehlungsengines erhalten die Lernenden in ihrer Umgebung z. B. die relevantesten Inhaltsempfehlungen entsprechend ihrer Lernhistorie. Dies wird ihnen helfen, weiter zu lernen, ohne dass sie suchen müssen. Wenn die Plattform über genügend Kurse verfügt, die den Anforderungen der Nutzer entsprechen, dann wird eine gute Suchmaschine sie bei der Stange halten.

Dinge wie Suchbegriffe und Klicks auf den Empfehlungs-Feed können den Erstellern von Inhalten helfen zu verstehen, was hinzugefügt und was geändert werden muss.

Learning Analytics hilft, Qualifikationslücken zu schließen

Learning Analytics kann Organisationen auch dabei helfen, Konsistenz innerhalb ihrer Schulungen zu entwickeln. Fähigkeitslücken können Probleme innerhalb von Teams verursachen. Mit einem System, das in der Lage ist, diese zu identifizieren und zu korrigieren, ist eine Organisation in der Lage, dieses Problem im Keim zu ersticken und Probleme zu lösen, bevor sie entstehen.

Durch die Analyse der Skill-Matrix des Mitarbeiters können wir herausfinden, was uns fehlt, und mehr Inhalte erstellen, um genau diese Fähigkeiten zu unterstützen, und den Mitarbeitern diese Inhalte zuweisen, um alle Schmerzpunkte abzudecken, damit ein kompetentes Team entsteht.

Learning Analytics kann Unternehmen darüber informieren, wie sie ihre Ressourcen am effektivsten einsetzen

Am wichtigsten ist vielleicht, dass Learning Analytics das mächtigste Werkzeug ist, das eine Organisation nutzen kann, um zu verstehen, wie die begrenzten Bildungsressourcen am effektivsten eingesetzt werden können.

In einer perfekten Welt wären die Schulungsbudgets unbegrenzt, ebenso wie die Zeit, die wir den Lernenden geben können, um sich damit zu beschäftigen. Aber die verfügbare Zeit und das Budget schrumpfen immer mehr.

Learning Analytics hilft dabei, die effektivsten Lernstrategien zu ermitteln, wodurch Unternehmen Zeit und Geld sparen und gleichzeitig großartige Ergebnisse erzielen können.

Die Anwendungen von Learning Analytics

Learning Analytics wird am häufigsten in vier Hauptbereichen eingesetzt:

1. Um Schlüsselindikatoren für die Leistung des Lernenden zu messen

Wenn Sie in der Lage sind, die Leistung der Mitarbeiter zu verfolgen, während sie an Ihrem Schulungsprogramm teilnehmen, können Sie die Bereiche identifizieren, in denen mehr Hilfe benötigt wird.

Qualifikationslücken können schnell geschlossen werden, und zusätzliche Unterstützung kann schnell eingesetzt werden, um Probleme zu lösen.

2. Bessere Unterstützung der Entwicklung des Lernenden

Wenn eine Organisation Learning Analytics effektiv einsetzt, ist sie besser in der Lage, die Ressourcen bereitzustellen, die ein Lerner benötigt, anstatt blind zu raten, welche Schulungsmaterialien effektiv sein werden.

Das spart Zeit und hilft dem Lernenden, sich in den Bereichen zu verbessern, in denen er wirklich mehr Training benötigt. Es zeigt dem Lernenden auch, dass seine Entwicklung von der Organisation unterstützt wird.

3. Sie sind besser in der Lage, die Effektivität aktueller Praktiken zu verstehen und festzustellen, wo Verbesserungen erforderlich sind

Learning Analytics kann ein Licht auf die Bereiche werfen, in denen ein Schulungsprogramm Defizite aufweist. Wenn viele Teilnehmer an einem Online-Kurs teilnehmen, aber die Prüfung am Ende nicht bestehen, kann Ihre Organisation diese Informationen sehen und wissen, dass es notwendig ist, das Material zu ändern.

4. Ermöglicht Organisationen eine größere Flexibilität bei Schulungsentscheidungen und -strategien

Der Einsatz von Learning Analytics bedeutet, dass Ihr Unternehmen die Wirksamkeit von Schulungsprogrammen viel effektiver beurteilen kann, Anpassungen vornehmen kann, wo es nötig ist, Geld dort einsetzen kann, wo es am nützlichsten ist, und die allgemeine Richtung beurteilen kann, in die sich das Schulungsprogramm entwickelt.

Was sind die lernanalytischen Methoden?

Innerhalb von Learning Analytics gibt es vier Hauptmethoden, um die von den Lernenden gesammelten Daten zu analysieren. Wir geben hier einen kurzen Überblick, und Sie können die verlinkten Artikel für eine tiefergehende Anleitung zu diesen Konzepten konsultieren.

Descriptive Analytics

In unserem ausführlichen Leitfaden zu Descriptive Analytics fassen wir sie wie folgt zusammen: Descriptive Analytics ist eine statistische Methode, die verwendet wird, um historische Daten zu suchen und zusammenzufassen, um Muster oder Bedeutungen zu identifizieren.

Die Daten, die durch die Interaktionen der Lernenden mit der Lernumgebung erzeugt werden, können verwendet werden, um zu verstehen, wie sich die Lernenden in der Vergangenheit verhalten haben. Dies kann einer Organisation helfen, herauszufinden, wie effektiv ihr aktuelles System ist.

Deskriptive Analysen helfen jedoch nicht dabei, eine Organisation über das zukünftige Verhalten eines Benutzers zu informieren.

Diagnostic Analytics

Wo Descriptive Analytics Ihnen sagt, wie etwas in der Vergangenheit passiert ist, sagt Diagnostic Analytics Ihnen, warum es passiert ist.

Mithilfe von Prozessen wie Data Mining, Data Discovery, Drill Down und Drill Through nutzt die diagnostische Analyse Daten, um die Ursachen von Verhaltensweisen und Ereignissen aufzuzeigen.

Sie kann verwendet werden, um Anomalien zu identifizieren, und hilft Unternehmen, Bereiche zu identifizieren, die weitere Untersuchungen erfordern. Sie deckt auch kausale Zusammenhänge auf und zeigt, wie bestimmte Ereignisse zu den oben genannten Anomalien geführt haben könnten.

Predictive Analytics

Unser Artikel zu Predictive Analytics definiert sie als „eine statistische Methode, die Algorithmen und maschinelles Lernen nutzt, um Trends in Daten zu erkennen und zukünftiges Verhalten vorherzusagen.“ Während sich Descriptive und Diagnostic Analytics mit der Vergangenheit beschäftigt, dreht sich bei der Predictive Analytics alles um die Zukunft.

Durch den Einsatz von Predictive Analytics kann eine Organisation sowohl Risiken als auch Chancen erkennen und Maßnahmen ergreifen, um die Lernergebnisse zu verbessern.

Mithilfe von Modellen wie Entscheidungsbäumen, neuronalen Netzen und Regressionstechniken, Algorithmen und maschinellem Lernen können Unternehmen Daten sowohl aus der Vergangenheit als auch aus der Gegenwart analysieren, um zukünftige Trends vorherzusagen.

Prescriptive Analytics

Laut unserem ausführlichen Artikel ist Prescriptive Analytics „eine statistische Methode, die verwendet wird, um Empfehlungen zu generieren und Entscheidungen zu treffen, die auf den Berechnungsergebnissen von algorithmischen Modellen basieren.“

Prescriptive Analytics wird als Erweiterung von Predictive Analytics betrachtet, wird aber aufgrund der Komplexität des maschinellen Lernens, das es zum Funktionieren benötigt, nicht so häufig verwendet. Sie ist jedoch in einigen Learning Experience-Plattformen zu finden.

Eine Plattform, die präskriptive Analysen einsetzt, kann möglicherweise die Problembereiche eines Lernenden aufzeigen und die Bereitstellung von Inhalten veranlassen, die auf die Verbesserung der Fähigkeiten zugeschnitten sind, die der Lernende am ehesten beherrschen muss, um den Inhalt vollständig zu verstehen.

Janne Hietala, Chief Visionary Officer bei Valamis, erklärt, wie die Nutzung von Lerndaten das Lernen unterstützen und zu besseren Lernergebnissen beitragen kann.

Ethik und Datenschutz bei Learning Analytics

Natürlich müssen sich Organisationen, wie bei jeder Datenerfassung, potenzieller Probleme in Bezug auf die ethische Verwendung und Speicherung von Daten und die Auswirkungen der Datenerfassung auf die Privatsphäre bewusst sein.

Es gibt fünf allgemeine Bereiche für ethische Fragen:

1. Verwaltung, Sicherheit und der Schutz der gespeicherten Daten
2. Datenermittlung auf Basis der anonymisierten Informationsquellen
3. Protokollierung der Informationen über den Zugriff auf Datenquellen
4. Genauigkeit und Vollständigkeit der Daten
5. Verantwortung und Verpflichtung zum Handeln auf Basis von Erkenntnissen

Organisationen müssen bei der Erstellung der Roadmap für ihre Learning Analytics-Implementierung jeden dieser Bereiche berücksichtigen.

Es muss diskutiert werden, wie jedes Thema angegangen werden soll, welche potenziellen Probleme auftreten könnten und wie die logischste Antwort auf diese Probleme aussehen würde.

Der International Council for Open and Distance Education hat 2019 einen Bericht veröffentlicht, der viele dieser Themen abdeckt und als hilfreicher Leitfaden für Organisationen dienen kann, die sicherstellen wollen, dass sie ethisch korrekt arbeiten.

Der Bericht berührt die wichtigsten Themen:

• Dateneigentum und -kontrolle,
• Transparenz,
• Zugänglichkeit von Daten,
• Gültigkeit und Zuverlässigkeit von Daten,
• Institutionelle Verantwortung und Handlungspflicht,
• Kommunikation,
• Kulturelle Werte,
• Inklusion,
• Einverständnis,
• Studentische Handlungsfähigkeit und Verantwortung.

Jede Organisation, die Learning Analytics einsetzt, sollte diesen Bereichen große Aufmerksamkeit widmen, Richtlinien entwickeln und sicherstellen, dass die Standardbetriebsverfahren den vorgeschlagenen Standards entsprechen. Es ist ratsam, Experten auf diesem Gebiet hinzuzuziehen, sowohl aus dem operativen als auch aus dem rechtlichen Bereich, die Ihre Organisation hinsichtlich Ihrer Verpflichtungen in Ihrem Land beraten.

Herausforderungen von Learning Analytics

Wie jede neue Technologie bringt auch Learning Analytics einzigartige Probleme mit sich, die gelöst werden müssen, um das Beste aus ihr herauszuholen.

1. Das Problem verstehen

Zuallererst sollten Sie das Problem verstehen, das Sie mit Hilfe von Learning Analytics lösen wollen.

Ohne zu wissen, was Sie damit machen wollen, wird Ihnen auch das fortschrittlichste Lernanalyseprogramm nicht helfen können.

Natürlich gibt es Grenzen, bei denen Ihnen die Daten helfen können – nicht alles Lernen findet in einer digitalen Umgebung statt. Indem Sie wissen, welche Daten Ihnen helfen, das Problem zu verstehen, werden Sie es besser lösen können.

2. Erkennen, was zu tun ist

Als relativ neues Feld erfordert Learning Analytics, dass Unternehmen ihre Learning-Analytics-Programme aktiv gestalten.

Jedes Unternehmen wird unterschiedliche digitale Umgebungen und Bedürfnisse haben, die jeweils eine andere Lösung erfordern. Dies ist ein Bereich, in dem viele Versuche und Evaluierungen notwendig sein können, um das Programm im Laufe der Entwicklung anzupassen.

Inhalte, die von externen Anbietern erstellt werden können, sollten an denselben Richtlinien für Lerndaten ausgerichtet werden.

3. Verstehen, für wen Analytics benötigt wird

Wenn eine Organisation ihr Programm entwickelt, gibt es viele Fragen zu beantworten:

• Für wen entwickeln sie dieses Programm?
• Wird es ausschließlich zu Schulungszwecken bei neuen Mitarbeitern eingesetzt? Oder ist es für das lebenslange Lernen innerhalb der Organisation?
• Wer wird diese Daten erhalten und Maßnahmen ergreifen?
• Wird es dedizierte Rollen innerhalb des Unternehmens geben oder wird dies eine Aufgabe für Abteilungsleiter und Manager sein?

All diese Antworten werden Aufschluss darüber geben, wie das Learning Analytics-Programm erstellt und verwaltet werden sollte.

4. Genügend Zeit für die Entwicklung eines geeigneten Programms einplanen

Nicht nur die Entwicklung der ersten Version des Learning Analytics-Programms wird viel Zeit in Anspruch nehmen, sondern eine Organisation sollte auch mehrere Iterationen des Programms einplanen, die entwickelt und implementiert werden.

Während das Programm aktiv wird, werden Fehler und Schwachstellen aufgedeckt, die angepasst werden müssen. Es ist keine einmalige Aufgabe.

5. Handhabung großer Datenmengen

Daten kommen in einer enormen Vielfalt von Formaten, Typen und Orten vor.

Für viele Organisationen ist es eine Herausforderung, ein System zu erstellen, das die Anforderungen der Analyse einer solch großen Menge an unterschiedlichen Informationen bewältigen kann.

Es kann zu Leistungsproblemen kommen, vor allem, wenn eine große Anzahl von Lernenden nachverfolgt wird.

6. Erstellen von Programmen, die die Erwartungen mit den technischen Möglichkeiten in Einklang bringen

Learning Analytics als ein Feld hat viele spannende Türen geöffnet. Da es sich jedoch um ein junges Feld handelt, gibt es viele Spekulationen darüber, was es theoretisch kann, und nicht darüber, was es tatsächlich tut.

Innerhalb einer Organisation gibt es vielleicht die Idee, dass Learning Analytics ein Trainingsprogramm revolutionieren oder die Art und Weise, wie das Kundenverhalten verstanden wird, komplett verändern kann.

Während beides möglich ist, kann es auch sein, dass es eine Grenze für das gibt, was Learning Analytics wirklich leisten kann, und das kann zu Problemen führen.

7. Sicherheit

Schließlich ist die Sicherheit eine große Herausforderung in diesem Bereich.

Der Umgang mit dieser Menge an Daten erfordert ein gleiches Maß an Sicherheit bei der Speicherung von und dem Zugriff auf Informationen.

Eine Organisation sollte sehr darauf bedacht sein, eine Umgebung zu schaffen, die die Sicherheit und die Privatsphäre aller, die darauf zugreifen, gewährleistet.

Die Organisation sollte die Sicherheitsebene aufbauen, um die Rechte nach Rollen und Berechtigungen zu begrenzen und zu trennen, um mit der EU GDPR und ähnlichen Datenschutzgesetzen konform zu sein.