学習フィードバックは、受講者の言葉が出てから始まります

学習フィードバックとは、正解をもう一度説明し直すことではありません。受講者がいま何をどこまで理解できているか、その状態に向けて返す情報です。新入社員向けの製品知識研修であれば、仕様を覚えているかどうかよりも、二つの型のどちらを勧めるかを理由つきで説明できるかどうか。そこに理解の状態が表れます。相手の状態が見えないうちは、返す内容も一般的な助言にとどまるのです。

返る先は一つではありません。一つは受講者に返る流れで、自分の理解のどこを直せばよいかを知る材料になります。もう一つは、コースを設計する側に返る流れです。どの説明で受講者が止まりやすいかが分かれば、次の改訂で手を入れる箇所を絞り込めます。受講者に伝えて終わりと捉えると、この二つ目の流れは見落とされがちです。同じ回答から二種類の材料を取り出せる点が、研修部門にとっての利点だと言えます。

受講者に返せる内容は、その人が学習の中で外に出したものの範囲を超えません。動画を見て資料を読むだけの学習では、手元に残るのは再生の履歴と受講の記録です。材料がないまま講評を書こうとすれば、言葉は理解を深めましょうという一般的な助言に近づきます。受け取った側は、次に何を確かめればよいのか分からないまま終わってしまうのです。

受講者が自分の言葉で手順を説明したり、二つの条件を比べてどちらを選ぶかを書いたりすれば、取り違えている箇所はその場で表に出ます。答えが合っているかどうかよりも、なぜその答えを選んだのかという理由のほうに、理解のずれが表れるからです。そこまで見えて初めて、返す言葉は、どの前提を取り違えているのかを名指しできる具体的な指摘に変わります。

状況の設定や設問の作成にAIを使えば、研修チームは同じ人数のままでも、コースの途中に受講者が答える機会を挟みやすくなります。これまで一部のコースにしか用意できなかった機会を、対象を広げて置きやすくなるのです。ここで変わるのは、時間のかけどころです。どの場面を入れるか、内容が自社の実態と合っているかを判断し、必要なら書き直す工程は、引き続き人の手に残ります。

集まった回答を学習ポイントごとに並べ直す作業も、人手だけでは負担の大きい部分です。整理にかかる手間が軽くなれば、担当者は、どの説明で受講者が止まりやすいかを確かめやすくなります。ただし、そこから読み取れるのは、用意した設問や条件のもとでの学習の状況までです。