Evaluación y seguimiento del aprendizaje de nuestros colaboradores: too much information?

business-analytics

Conocer, medir y explotar todos y cada uno de los movimientos, interacciones y resultados de nuestros colaboradores es uno de los grandes retos y sueños de los responsables de las áreas de RRHH y Aprendizaje, así como anticiparnos a lo que necesitan para saber, poder y querer hacer mejor su trabajo diario. En sistemas tradicionales de capacitación online basados en LMS o CMS esto es factible pero, ¿cómo medir resultados utilizando metodologías no regladas o colaborativas como las del aprendizaje informal, en entornos gamificados o en las redes sociales corporativas o personales?

Estamos habituados a un registro de seguimiento tradicional heredado de la formación formal presencial: a qué contenido ha accedido cada usuario, cuánto tiempo ha permanecido en él, si lo completó o no y con qué puntuación o créditos. Esto nos sirve para tener una “foto fija” de la actividad de un usuario en un contenido en un momento concreto. Pero hay otros factores que pueden condicionar ese aprendizaje de los que no siempre somos conscientes, y de los que actualmente es difícil tener evidencias. Algunos de estos factores son:

  • ¿En qué momentos concretos accedió a la actividad?
  • ¿Desde dónde? ¿Desde el puesto de trabajo? ¿Durante la actividad laboral o después? ¿Desde un dispositivo móvil o fijo?
  • ¿Qué condiciones ambientales había cuando realizó la actividad?
  • ¿Estaba interactuando simultáneamente con otros sistemas? Es decir, ¿estaba consultando sus redes sociales personales? ¿Estaba viendo la televisión? ¿Estaba consultando información en manuales o documentación impresa?
  • ¿Escuchaba música mientras se formaba? ¿Qué estilo de música?
  • ¿Cuál fue el recorrido visual del alumno en el curso? ¿Había más estímulos aparte de los visuales o sonoros?

Con el actual boom del «Big Data» y la gestión de la información, cabe perfectamente imaginar  que a medio plazo vamos a poder contar con entornos de aprendizaje integrados que proporcionen toda esta metainformación. Por ejemplo, una empresa norteamericana de contactos ya es capaz de contrastar los gustos musicales de sus usuarios registrados con sus listas de reproducción de Spotify, de tal forma que puedan emparejar con mejor criterio a personas con gustos similares ‘reales’.

Datos obtenidos por cookies de navegación, información por Eyetracking, sistemas de localización… los ingredientes ya están encima de la mesa. La expectativa es que exista el horno que pueda cocinarlos, y la presencia de un chef que sepa orquestar y llevar a cabo esta complicada receta.

 La receta del chef – Interpretación de los datos

Los responsables de RRHH y capacitación sueñan con tener el ‘todo’ de la información disponible, con el fin de generar interpretaciones útiles para el negocio de los datos. Esto es posible realizando correlaciones entre ellos. En la gestión de la información, una correlación cuantifica la relación estadística entre dos valores de datos. En este sentido se pueden establecer dos tipos de correlaciones:

  • Una correlación fuerte indica que cuando cambia uno de los valores de datos es altamente probable que cambie también el otro.
  • Y una correlación débil indica que el cambio de uno de los valores no implica el necesario cambio del segundo.

Este tipo de correlaciones nos permitirán extraer conclusiones de los datos registrados y realizar una analítica predictiva que haga posible identificar acontecimientos antes de que ocurran. Por ejemplo:

  • Las actividades con locuciones captan y retienen mejor la atención de los usuarios.
  • Un determinado tipo de contenido es más propenso a ser estudiado en un lugar específico, como por ejemplo en salas de espera.
  • Los usuarios que realizan la actividad mientras escuchan música relajante obtienen una evolución media más favorable que el resto.

Las correlaciones pueden ser inagotables, y su combinatoria dependerá del volumen de datos que tengamos disponible, las herramientas para poder gestionarlas y un detallado análisis de KPIs que hayamos identificado y nos interese conocer y explotar.

El futuro está servido. Cabe entonces preguntarnos:

  • ¿Qué tipo de información, adicional a la que ofrecen actualmente los sistemas reglados de aprendizaje, se puede considerar relevante para valorar la formación de un alumno?
  • ¿Qué papel jugará la privacidad del usuario en la obtención de estos datos?
  • ¿Contamos con recursos capacitados para generar esas correlaciones y extraer análisis y conclusiones interesantes para el negocio?

Un artículo escrito por Miguel Morales Morenoexperto tecnológico en Overlap.

0 comentarios

Dejar un comentario

¿Quieres unirte a la conversación?
Siéntete libre de contribuir

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *