طهي الأرز يستغرق وقتا طويلا!
استنتاج قائم على الأدلة توصلت إليه عندما كنت طفلاً: يستغرق طهي الأرز وقتًا طويلاً جدًا! الدليل: إجابة أمي في كل مرة أسألها عن موعد الانتهاء من العشاء: “بمجرد نضج الأرز”. وغني عن القول، بمجرد أن كنت أطبخ الأرز بنفسي، اكتشفت بسرعة أن الأرز لا يستغرق وقتًا طويلاً في الطهي، وكانت والدتي دائمًا تجعله الأخير لتقديمه ساخنًا.
هذه المقالة لا تتعلق بالأرز، ولكنها تتحدث عن أهمية وضع استراتيجية بيانات قوية عندما نريد الاستفادة من البيانات للتوصل إلى استنتاجات وقرارات ذكية حول تجارب التعلم التي نخدمها لمتعلمينا.
لماذا تحتاج إلى الاستثمار في استراتيجية البيانات؟
ما لم يكن المحتوى التعليمي الخاص بك متاحًا مجانًا على الأجهزة المتصلة ومنصات الويب المتعددة (مثل مستند PDF أو ملف فيديو وما إلى ذلك، تتم مشاركته عبر البريد الإلكتروني)، فهو موجود داخل نظام أساسي على الويب قادر على جمع بعض البيانات على الأقل حول المحتوى الخاص بك و المتعلمين. إنها بداية جيدة، ولكن بدون وجود استراتيجية بيانات، فهي للأسف بداية جيدة في الاتجاه الخاطئ.
ستتطلب جميع منصات التعلم تقريبًا من المتعلم إنشاء ملف تعريف وتقديم بعض المعلومات الأساسية عن نفسه. يمكن تحديد محتوى التعلم بشكل فريد، ويتم تتبع تقدم المتعلم في بعض الأحيان، وبدرجات متفاوتة. تبدو رائعة حتى الآن! محرك تقارير قادر على توليد أنواع متعددة من التقارير والرسوم البيانية بنقرة زر واحدة يكمل الصورة. يحدث هذا عندما يعتقد الكثيرون أن لديهم التكنولوجيا اللازمة لالتقاط قيمة بياناتهم، مما يؤدي إلى عملية تفكير تتمحور حول التكنولوجيا. ما يمكن توقعه في هذا الطريق هو الكثير من الإحباط وخيبة الأمل وأطنان من القيمة المتبقية على الطاولة.
دعونا نضع التكنولوجيا جانبًا لبعض الوقت ونستكشف مسارًا مختلفًا نحو استخلاص أكبر قيمة من بياناتنا.
بناء استراتيجية البيانات
للانتقال مباشرة إلى استراتيجية البيانات، نحتاج إلى قبول صحة العبارات التالية ونفترض أنها الأساس المتين الذي نبني عليه استراتيجيتنا:
- إن حماية خصوصية المتعلمين لدينا أمر غير قابل للتفاوض.
- البيانات هي الذهب الجديد؛ دعونا لا نترك الكثير منها على الطاولة.
- الرحلة إلى الذكاء الاصطناعي تغذيها البيانات.
من المهم ملاحظة أنه من المتوقع أن تظل استراتيجية البيانات ذات صلة لفترة طويلة من الزمن، وبالتالي يجب أن تؤدي إلى نظام قوي ولكنه أيضًا مرن للسماح بالتحسينات المتكررة على طول الطريق.
يجب أن تتناول استراتيجية البيانات ثلاثة مكونات رئيسية:
- جمع البيانات
- مخزن البيانات
- استخدام البيانات
جمع البيانات الصحيحة
المزيد ليس بالضرورة أفضل، لأنه قد يضيف تعقيدًا وتكاليف غير ضرورية في المستقبل. الجزء الأكثر أهمية، وربما الأكثر استهلاكًا للوقت، في بناء استراتيجية البيانات هو تحديد البيانات التي يجب جمعها.
على مستوى الإستراتيجية، قد لا نحتاج إلى تحديد الأبعاد الدقيقة للبيانات التي نرغب في جمعها ولكننا نركز بدلاً من ذلك على الأبعاد الفوقية. أي أننا بحاجة إلى إنشاء قائمة بنقاط البيانات (أو الأنواع) ذات السمات المرتبطة والإجابة على من يحتاج إلى هذه البيانات ولماذا. أحب اتباع نهج من أعلى إلى أسفل، بدءًا من أصحاب المصلحة كما هو موضح أدناه.
المالكون
يعتمد من سيستفيد من البيانات بشكل كبير على طبيعة مبادرة التعلم محل التركيز. ومع ذلك، في جميع السيناريوهات، يكون المتعلم صاحب مصلحة أساسيًا من خلال تجربة التعلم التي يتم تقديمها له والبيانات التي يمكنه الاستفادة منها في رحلة التعلم الخاصة به. يعد مدرسو/ميسرو الدورة التدريبية من أصحاب المصلحة في رحلات التعلم الميسرة، في حين قد يكون منشئو الدورة التدريبية من أصحاب المصلحة الأكثر بروزًا في تنسيقات الدورة التدريبية ذاتية السرعة. في تطبيقات التعلم التجاري، يعد أصحاب الأعمال، إلى جانب فرق المبيعات والتسويق الخاصة بهم، من أصحاب المصلحة الرئيسيين. تعتمد المبادرات غير التجارية ومبادرات التوعية العامة والمسؤولية الاجتماعية للشركات بشكل كبير على الجهات التي تمول تلك المبادرات، مما يجعلها من أصحاب المصلحة الرئيسيين أيضًا. انت وجدت الفكرة.
نظرًا لأن تجربة التعلم هي أولاً وقبل كل شيء، وهي دائمًا محور التركيز الأساسي، فمن الممارسات الجيدة تقسيم أصحاب المصلحة إلى فئتين: التعلم وأصحاب المصلحة الآخرين.
مقاييس أصحاب المصلحة
بمجرد تحديد أصحاب المصلحة، نحتاج إلى معرفة ما يهتمون به، وما هي أهدافهم الرئيسية، وما هي مقاييس أدائهم، وما إلى ذلك. ويمكن استخدام أساليب متعددة للحصول على هذه المعلومات من أصحاب المصلحة. ليس من ضمن نطاق هذه المقالة التوسع في هذه الأساليب؛ ويكفي أن أقول إنني أميل بشدة نحو استخدام النهج الشامل والتعاوني الذي يركز على الإنسان.
في حين أنه قد يتم التحقيق في مجموعات مختلفة من أصحاب المصلحة بشكل منفصل، فقد تكون هناك مصالح متداخلة تحتاج إلى تحديدها وتوحيدها في قائمة نهائية من المقاييس استعدادًا للخطوة التالية.
نقاط البيانات
عند استخراج نقاط البيانات من المقاييس التي حددناها بالفعل، قد نختار نهجًا متعدد المستويات يزيد من التفاصيل. على سبيل المثال، على أعلى مستوى، قد نقوم بتجميع نقاط البيانات في أنواع تشترك في نفس السمات، مثل البيانات الديموغرافية للمتعلم المسجل والبيانات الديموغرافية لزوار المنصة. السبب وراء تقسيم هذه العناصر إلى نوعين هو أنها لا تشترك في نفس السمات مثل مصدر البيانات. يمكننا أن نتوقع تخزين البيانات الديموغرافية للمتعلمين المسجلين على منصة التعلم الخاصة بنا، في حين يمكن الحصول على البيانات الديموغرافية للزائرين من Google Analytics أو تطبيقات مماثلة. فيما يلي بعض سمات البيانات التي يجب علينا التحقق منها وتسجيلها في هذه المرحلة:
- مصدر البيانات – من أين تأتي البيانات؟ إنه حدث تعليمي أساسي يتم تتبعه بواسطة نظام إدارة التعلم (LMS) الخاص بي من خلال حزمة SCORM التي يستضيفها. هل هو حدث تعليمي أكثر تقدمًا، في حزمة xAPI، ومخزن في مخزن سجلات التعلم (LRS) بشكل مستقل عن نظام إدارة التعلم (LMS) الخاص بي؟ أم أنها حزمة LTI من موفر أنشطة تابع لجهة خارجية قمت بدمجها في نظام إدارة التعلم (LMS) الخاص بي؟ هل هو نموذج ويب؟
- ملكية البيانات – من يملك البيانات التي أحتاجها، وهل لدي الأذونات المطلوبة للوصول إلى هذه البيانات؟
- طرق الوصول – كيف يمكنني الوصول إلى البيانات؟ ما الطريقة التي يجب استخدامها للاستعلام عن البيانات؟ هل أحتاج إلى إنشاء تكامل مخصص؟
- تنسيق التخزين – هل يتم تخزين البيانات في قاعدة بيانات SQL أو عبارات JSON في LRS أو في ملفات مسطحة بسيطة؟
- إخفاء الهوية – هل البيانات مجهولة المصدر، أم سأحتاج إلى معالجة البيانات لتأمين خصوصية المستخدمين؟
تخزين البيانات واستخدامها
إن العمل الشامل الذي تم إنجازه في تخطيط مشهد البيانات لدينا في عمليات استراتيجية جمع البيانات يغذي بناء استراتيجيات تخزين البيانات واستخدامها. ما يمكننا دمجه بسهولة في هذه المرحلة هو قائمة بجميع مصادر البيانات المختلفة، وحقوق الوصول الخاصة بنا إلى كل منها، وطرق الوصول، وما إلى ذلك.
السبب وراء الحاجة إلى دراسة تخزين البيانات واستخدامها معًا هو أنهما مترابطان إلى حد كبير، حيث تؤثر كيفية ومكان تخزين بياناتنا على ما يمكننا فعله بالبيانات والعكس صحيح. النهج المفضل لدي هو العودة أولاً إلى مقاييس أصحاب المصلحة التي جمعناها سابقًا والبدء في تحديد كيفية تخطيطنا لاستخدام بياناتنا لتوفير معلومات حول مقاييسنا. سيُعلمنا هذا، من ناحية، بنوع التقارير ولوحات المعلومات والمرئيات التي نحتاج إلى إنتاجها، ومن ناحية أخرى، كيف نرغب في ربط وتحليل نقاط البيانات الخاصة بنا مقابل بعضها البعض. فكر في الذكاء الذي يمكن أن ننتجه من ربط بيانات التسويق ببيانات قرار شراء الدورة التدريبية وبيانات أداء المتعلم! هناك فرص لتعزيز تجارب التعلم التي نقدمها لمجموعات مختلفة من الأشخاص، وصقل جهودنا التسويقية، واكتساب المزيد من المتعلمين.
وأخيرا، يمكننا الإجابة على الأسئلة الرئيسية لاتخاذ قرارات ذكية حول كيفية تخزين بياناتنا. أسئلة مثل: هل يمكننا استخدام بياناتنا كما نخطط مع البيانات الموزعة كما هي؟ هل نحن بحاجة إلى دمج البيانات في قاعدة بيانات مركزية لتحقيق ذلك؟ ما هي البيانات التي يمكننا توحيدها؟ وهل نحتاج إلى محولات بيانات لإعداد البيانات للتوحيد؟ ما هي التدابير التي يجب اتخاذها لضمان خصوصية بيانات المستخدم؟
تكرار
كما ذكرنا سابقًا، نحتاج إلى التأكد من أن استراتيجيتنا تسمح بالتكرار والتحسين المستمر. قد يستلهم أصحاب المصلحة فعالية النظام الذي بنيناه ويفكرون في مقاييس جديدة لقياسها. قد تفرض التغييرات التنظيمية تغييرًا في كيفية استخدامنا لبياناتنا. أو قد يقترح مصمم تجربة التعلم المثيرة طريقة مبتكرة لاستخدام البيانات لتعزيز تجربة التعلم التي يصممها للمتعلمين.
خطة بيانات التعلم
للتأكد من أننا نحافظ على تركيزنا على المتعلمين لدينا ونستخدم استراتيجية البيانات الخاصة بنا لتقديم أفضل تجارب التعلم الممكنة للمتعلمين، فإننا نشجع على مواصلة جهودنا على مستوى محتوى التعلم. إن دمج تطوير خطة البيانات في عملية تصميم تجربة التعلم لكل دورة تدريبية، أو كائن تعليمي، وما إلى ذلك، يسمح لنا بتحديد البيانات التي يجب علينا جمعها وتحليلها على هذا المستوى بدقة. إن فرص جمع أحداث التعلم لا حصر لها عند استخدام المعايير المصممة لذلك، مثل معيار xAPI، لذلك دعونا نخطط لذلك!
لا يستغرق طهي الأرز وقتًا طويلاً، بل استراتيجية البيانات هي التي تفعل ذلك!
بالنسبة لأولئك الذين ما زالوا يتساءلون، يستغرق الأرز حوالي عشر دقائق للطهي وعشر دقائق إضافية من الصبر ليتركه يرتاح. لا يحتاج الأمر إلى استراتيجية بيانات للتوصل إلى هذا الاستنتاج الذكي. يتطلب بناء استراتيجية البيانات جهدًا وتعاونًا بين الأفراد ذوي المهارات المتعددة، بما في ذلك مصممي تجارب التعلم وعلماء ومطوري البيانات وخبراء الموضوع وأصحاب المصلحة في الأعمال.
على الرغم من عدم مناقشة الذكاء الاصطناعي وعدد كبير من الأدوات التي تدعم الذكاء الاصطناعي في هذه المقالة، فمن المهم أن نعترف بأننا في رحلة نحو دمج واستخدام المزيد والمزيد من الأدوات التي تدعم الذكاء الاصطناعي في التعليم الرقمي. إن وجود استراتيجية بيانات وفهم شامل لبياناتنا يمكّننا من اتخاذ قرارات أفضل بينما نمضي في رحلة تمكين الذكاء الاصطناعي.
كشيدة
نحن نهدف إلى التعلم ببساطة. نقوم بتصميم وإنشاء محتوى تعليمي مخصص وتقديمه عبر منصات متعددة، مما يؤدي دائمًا إلى إثراء التعلم بالتكنولوجيا. الفائزون بالجائزة الذهبية في جوائز تقنيات التعلم في المملكة المتحدة 2018 لأفضل مشروع لتقنيات التعلم
