研修直後の得点では見えない3つの課題
研修最終日の確認テストで高得点が並んでいても、配属先の顧客対応で説明に詰まる場面が出て、初めて知識の抜けが分かります。損失が出た後の対応になりがちなのです。
数日間の講義や長い動画をまとめて受ける形式では、受講者が自ら考えて答える機会が限られます。どの学習ポイントが身についたかを切り分けられず、実務での活用に結びつきにくくなっています。
配属先ごとの業務知識や新しい方針を研修に反映するには、研修部門の制作を待つ時間がかかります。その間に経営層の意図と現場の実行がずれ、測定の前提となる教材も古くなっていきます。
測定の時点を配属後に置く発想
UMU AGL(AI Generated Learning)は、文書をプロフェッショナルかつアジャイルに効果的なコースへと変換します。
新入社員研修の効果測定に取り組んでも、事業部門が手にするのは研修直後の得点が中心です。配属後に知識が残っているかは、顧客対応の結果から推し量るしかありません。足りないのは、学習を小さな単位に区切り、一定期間をおいた後の理解まで学習ポイントごとに測れる仕組みと言えます。UMU AGL は、配属後の定着まで見通せる育成を前提に設計されています。
業務シーンを1つ選ぶと、AIが顧客役を務めてあなたと1回の会話を行います。終了後、評価フィードバックを確認できます。
業務シーンを1つ選ぶと、AIが顧客役を務めてあなたと1回の会話を行います。終了後、評価フィードバックを確認できます。
配属後の成果につながる育成
配属後に表れる知識の抜けを、損失が出る前に把握できるようになります。問題が起きてから動く状態を改め、先回りした指導に切り替えることで、試行錯誤にかかるコストを抑えられます。
重要な内容を無理なく理解し、身につけられる学習の流れをつくります。学習ポイントごとに理解の度合いを確かめられるため、どこを補えば実務で使えるかを判断しやすくなります。
新しい方針や配属先の業務知識を、同じ四半期のうちに現場まで浸透させられます。経営層の意図と現場の実行のずれを縮め、当期の事業に貢献する育成を進められます。
再テストの結果まで含めて習熟度を測る仕組み
閲覧時間から再テストの正答率まで、学習ポイント単位で記録
学習ポイントごとに、閲覧時間や設問への回答状況といった学習中の行動を記録します。一定期間後の再テストの正答率も加えて習熟度を数値で示すため、研修最終日の得点だけでは見えない定着の推移を、チーム単位で確認できます。
学習内容を小さな単位に分ける設計
コース時間に応じて知識項目数を調整し、ナレッジマップを作成
マイクロラーニングの手法で内容を小さな単位に分け、コース時間に応じて知識項目数を自動調整します。長尺動画を分割し直す方法とは異なり、インタラクティブなコースとして生成します。ナレッジマップで全体像を見ながら学べます。
新たな方針や業務知識の迅速なコース化
新製品や方針の更新を、学習効果を追えるコースへ変換
新製品や方針の更新情報を、学習効果を追跡できるインタラクティブコースへ迅速に変換します。資料配布と会議での説明に頼る方法と比べ、配属先で求められる行動まで示せます。教材の内容も、現場の変化に合わせて更新を続けられます。