学習データ分析で分かることは、記録の種類で変わります

学習データ分析とは、研修の過程で集まった記録をもとに、受講者の学習状況を読み取る取り組みです。多くの企業でまず集まるのは、受講したかどうか、修了したかどうか、どれくらいの時間を使ったか、コースのどこまで進んだか。これらは参加の記録と呼べるもので、年間計画の進捗を確認する場面や、未受講者に案内を出す場面ではそのまま使えます。誰がどこまで手をつけたかを、人数の単位で押さえられるのです。

もう一つは、受講者が学習の途中で何かを出した記録です。設問にどう答えたか、二つの条件からどちらを選んだか、時間を置いてから同じ内容を思い出せたか。参加の記録が人数の単位で並ぶのに対し、こちらは学習ポイントの単位で並びます。どの内容なら安定して答えられ、どの内容で理解のずれが繰り返し起きているのか。学習データ分析でこの層まで踏み込めるかどうかは、コースにそうした場面が入っているかにかかっています。

受講完了率が高い水準を保っているコースでも、現場から同じ質問が繰り返し寄せられることがあります。この状態を、集計の粒度を細かくして解こうとしても答えは出てきません。完了率は、受講者が最後の画面まで進んだことを示す記録であり、内容を処理したかどうかまでは含んでいないのです。手元にない情報は、どう集計しても現れません。

記録は、受講者が何かを出した場面から生まれます。動画を見るだけ、資料を読むだけの区切りに残るのは、再生時間と開いた回数だけ。区切りごとに、何も見ずに思い出して答える機会や、状況に応じて選ぶ機会が入っていれば、その答えが記録として残ります。学習データ分析で読み取れる範囲は、集計の段階ではなく、コースを組み立てる段階に先に条件づけられていると言えます。

業務マニュアルや制度文書から、答えを求める区切りを組み立てるには、内容の切り分けと下書きに相応の工数がかかります。AIがこの下ごしらえを引き受けると、講師が一から設問を書き起こす場面は減ります。空いた時間の使い道は、扱う範囲の絞り込みや、想定した状況が自社の業務に合っているかの確認へ移るのです。内容を確かめて公開を認める工程は、これまでどおり講師の側に残ります。

集まった答えを学習ポイント単位にまとめ直す作業も、AIが手前の整理までを引き受けられます。どの内容で理解のずれが重なっているのか、講師が一件ずつ突き合わせる前に見当をつけられると言えます。ただし、その傾向を業務上どう扱うかを決めるのは講師です。整理の負担は軽くなりますが、確かめる工程がなくなるわけではありません。