ماشین‌لرنینگ تحولی در آموزش

یادگیری ماشین یکی از واژه‌های محبوب این روزها در فضای تکنولوژی است و به تازگی در فضای آموزش آنلاین نیز مطرح شده است. ماشین‌لرنینگ کامپیوترها و دستگاه‌ها را قادر می‌سازد تا با استناد به داده‌ها تصمیم‌گیری کنند و نیاز به برنامه‌نویسی برای انجام برخی از وظایف را برطرف نمایند.

در واقع یادگیری ماشین از الگوریتم‌های خاصی استفاده می‌کند و با جمع‌آوری داده‌ها تازه‌تر و جدیدتر بهبود می‌یابد.

5 مزیت اصلی استفاده از ماشین لرنینگ در آموزش آنلاین:

1) ارائه مسیر شخصی‌سازی شده آموزش برای بهبود مهارت کارمندان

2) ایجاد پروفایل شخصی برای ارائه آموزش هدفمند

3) استفاده از ربات‌های گفتگو به عنوان مربی مجازی

4) پیش‌بینی درگیری کاربران با دوره و افزایش میزان یادگیری

5) افزایش کیفیت ارزیابی آنلاین و بهبود یادآوری مطالب

این روزها تقریبا همه ما استفاده از ماشین لرنینگ را تجربه کرده‌ایم. احتمالا برای شما رخ داده است که هنگام سفارش آنلاین غذا با رستوران‌ها و غذاهای پیشنهادی بر اساس علاقه‌مندی یا موقعیت مکانی‌تان مواجه شوید. این مورد یک نمونه از توانمندی‌های یادگیری ماشین برای شخصی‌سازی فرآیندهای روزمره است.

در مثالی دیگر اگر از سرویس اسپاتیفای استفاده کرده‌اید احتمالا متوجه ایجاد پلی‌لیست‌های شخصی‌سازی شده بر اساس تاریخچه موزیک‌های دلخواهتان شده‌اید. اسپاتیفای نیز با استفاده از الگوریتم‌ها و جمع‌آوری داده‌های رفتار قبلی شما این کار را انجام می‌دهد تا تجربه بهتری از شنیدن موسیقی را به شما ارائه دهد.

سوال: آیا یادگیری ماشین همان هوش مصنوعی است؟

نه کاملا! هوش مصنوعی مفهوم گسترده‌ای است که کامپیوترها را قادر می‌سازد تا مانند ما انسان‌ها که از قدرت هوش طبیعی خود برای فکر کردن استفاده می‌کنیم رفتار کنند.

از طرفی دیگر ماشین لرنینگ زیرمجموعه یا کاربرد هوش مصنوعی است که در آن کامپیوترها به دیتاها دسترسی پیدا نموده تا با استفاده از مجموعه ابزارهای آماری داده‌ها را به صورت خودکار یاد گرفته و تحلیل کنند.

استفاده از ماشین لرنینگ در آموزش الکترونیک

مانند سایر حوزه‌ها، یادگیری ماشین در آموزش آنلاین نیز قابلیت پیاده‌سازی دارد. مواردی که در ادامه بررسی می‌شود 5 مزیت استفاده از ماشین لرنینگ در آموزش آنلاین است.

ارائه مسیر شخصی‌سازی شده آموزش برای بهبود مهارت کارمندان

یادگیری مستمر کارکنان یکی از فاکتورهای ضروری برای موفقیت کسب‌و‌کارها است. دلیل اصلی آن این است که نیمه عمر کاربرد مهارت‌ها رو به کاهش است. برای مثال موضوعاتی که شما 10 سال پیش آموخته‌اید احتمالا برای حل چالش‌های امروز منسوخ شده است؛ همچنین کمتر از نصف آنچه را که 5 سال پیش آموخته‌اید به رفع نیازهای امروز کمک می‌کند. به همین علت نیاز مبرمی برای تداوم یادگیری و تطبیق آن برای استفاده در صنایع جدید خواهید داشت.

اما به عنوان مدیر منابع انسانی از کجا تشخیص دهیم کارکنان ما در حال حاضر به چه مهارت‌هایی مسلط‌اند و در چه حوزه‌هایی اطلاعات کافی را ندارند؟ هر کدام از آن‌ها ممکن است در مراحل مختلفی از یادگیری قرار داشته باشند و روش‌های مختلفی از آموزش را ترجیح دهند. یک برنامه آموزشی منعطف که بر اساس الگوریتم‌های ماشین‌لرنینگ پیاده‌سازی شده می‌تواند بسیار برای حل این چالش‌ها کمک‌کننده باشد. در این روش با ارائه پرسش‌نامه‌ها از کاربر سوالاتی پرسیده می‌شود که به وسیله آن می‌توان نقاط قوت و ضعف آنان را تشخیص داده و بر اساس سطح توانایی آنان را دسته‌بندی نمود. با ایجاد گروه‌ها هرگاه کاربری رفتار مشابه با یک دسته‌بندی خاص را داشته باشد آموزش به آن صورت برای او شخصی‌سازی می‌شود.

ایجاد پروفایل شخصی برای ارائه آموزش هدفمند

ایجاد پروفایل با استفاده از الگوریتم‌های ماشین‌لرنینگ بر اساس داده‌ها انجام می‌شود.

برای نمونه احتمالا با پیشنهاد محصولات بر اساس علاقه‌مندی‌تان در سایت‌های بزرگ فروش آنلاین يا تبليغات مرتبط با موضوع دلخواهتان مواجه شده‌ايد. این موارد با استفاده از جمع‌آوری داده بر اساس رفتار قبلی‌تان انجام گرفته است.

دقیقا به همین طریق پروفایل فراگیران بر اساس تاریخچه آموزش قبلی آنان و داده‌هایی که درباره کاربر جمع‌آوری می‌شود ایجاد می‌گردد.

این موارد می‌تواند جایگاه شلغی کاربر در سازمان، مسئولیت‌های شغلی، حیطه‌های مورد علاقه، برنامه‌های ارتقای شغلی و... باشد. در نهایت فراگیران بر اساس علایق، رفتارهای مشترک و پروفایلشان دسته‌بندی می‌شوند.

سپس بر اساس این گروه‌های ایجاد شده توسط ماشین‌لرنینگ و جمع‌آوری داده‌ها برای ارائه پیشنهادات آموزشی استفاده می‌شود. با این کار علاقه‌مندی به تماشای دوره‌ها بیش‌تر شده و فرهنگ یادگیری در سازمان شما ارتقا می‌یابد.

استفاده از ربات‌های گفتگو به عنوان مربی مجازی

ربات‌های گفتگو به نرم‌افزارهایی گفته می‌شود که با استفاده از هوش مصنوعی و ماشین‌لرنینگ توانایی ایجاد تعامل با انسان‌ها را دارند. این ربات‌های گفتگو می‌توانند به عنوان مربیان مجازی استفاده شوند و سوالاتی که ممکن است برای فراگیران به وجود آید را پاسخ دهند.

این ربات‌ها می‌توانند پروژه‌هایی برای فراگیران طراحی و ارسال نمایند و نتایج آن‌ها را ارزیابی کنند. همچنین پیشرفت فراگیر در دوره را بررسی نموده و در صورت لزوم به آنان مشاوره داده و به یادگیری بیشتر تشویق نمایند.

یادگیری ماشین و هوش مصنوعی به این صورت می‌توانند تا حد زیادی تعامل کاربران را با آموزش افزایش دهند.

پیش‌بینی درگیری کاربران با دوره و افزایش میزان یادگیری

دوره آموزشی طراحی شده چه مقدار تاثیرگذار است؟ آیا مخاطب با محتوای آموزشی به اندازه کافی درگیر شده است؟

اغلب ما فرض را بر این می‌گیریم که دوره جذابیت کافی را داشته و یا بر اساس بازخوردها تصمیم‌گیری می‌کنیم.

اما شما نمی‌دانید آیا فراگیر در مقطعی از دوره دچار مشکل شده است یا آیا دوره توانسته توجه کاربر را به خود جلب کند؟ به همین دلیل با جمع‌آوری بازخوردها و استناد به نظر اکثریت ممکن است نتیجه‌گیری اشتباهی داشته باشید.

استفاده از ماشین لرنینگ در آموزش باعث می‌شود رفتار کاربران را تحت نظر داشته باشید و متوجه میزان درگیری یا رضایت آن‌ها از دوره شوید.

در ادامه برخی از سوالاتی که باید برای بهبود کیفیت یادگیری از خود بپرسید را مطرح می‌کنیم:

• آیا فراگیران به مدت زیادی نیاز دارند تا اسلاید‌ آموزشی خاصی را یاد بگیرند؟
• آیا برای تکمیل کوییزها زمان زیادی را گذرانده‌اند؟
• آیا از بخش‌های خاصی عبور می‌کنند چراکه آن قسمت‌ها برایشان ساده‌تر بوده است؟

زمانی که این اطلاعات از طریق LMS یا سایت آموزشی جمع‌آوری شود می‌توان با استفاده از یادگیری ماشین موضوعاتی که برای کاربر دشوار بوده است را پیدا نموده و برای ساده‌‌سازی آن تلاش کرد. در مورد دیگر نیز می‌توان با استفاده از هوش مصنوعی قسمت‌های ساده را به صورت خودکار برای کاربر نمایش نداد تا زمان خود را به یادگیری مطالب مهم‌تر اختصاص دهند. با اینکار درگیری مخاطب با محتوا افزایش پیدا کرده و سادگی کار با آموزش سبب ایجاد جذابیت در آن می‌گردد.

افزایش کیفیت ارزیابی آنلاین و بهبود یادآوری مطالب

یکی از مواردی که در آموزش آنلاین علاوه بر محتوا مطرح است، کوییزها و آزمون‌هایی است که از کاربران گرفته می‌شود. با توجه به اینکه فراگیران سطح یکسانی ندارد برگزاری آزمون یکسان برای آنان نیز کار صحیحی نیست. همانطور که در بالا اشاره شد با دسته‌بندی مخاطبان بر اساس رفتارهایشان و سابقه آموزشی می‌توان آزمون‌هایی را در سطوح مختلف طراحی نمود تا متناسب با میزان توانایی فراگیر برای او مطرح شود.

با اینکار میزان اعتماد به نفس کاربران در حین یادگیری حفظ شده و دوره نیمه‌کاره رها نمی‌شود.

کاربردهای ماشین‌لرنینگ در آموزش هنوز در حال پیشرفت است؛ در حال حاضر نیز ایراداتی به آن وارد است و امکان خطا وجود دارد. قطعا با گذشت زمان بهبود یافته و میزان دقت آن افزایش پیدا خواهد کرد.

جذابیت دوره آموزشی به شدت به نحوه ارائه آن وابسته است و با هوش مصنوعی می‌توان آن را تا حد زیادی بیش‌تر نمود.

در نهایت آیا استفاده از یادگیری ماشین در آموزش الزامی است؟ با توجه به اینکه میزان یادگیری یکی از فاکتورهای با اهمیت دوره‌های آموزشی است بهتر است بعد از ارزیابی کیفی محتوا و اصولی بودن شیوه آموزش در صورت وجود امکانات این ویژگی نیز به آموزش افزوده شود تا یادگیری تا حد امکان بهبود پیدا کند.