ラーニング・アナリティクス
Learning Analytics
ラーニング・アナリティクスとは?
- 学習データを分析して教育を診断・改善
- 修了・参加・達成・行動を見る
- '勘'ではなくデータで研修を管理
ラーニング・アナリティクスが実際に変えるのは、四半期ごとの研修報告会議での会話です。'今回の研修は反応がよかったです'と言う代わりに、'3週目で受講放棄が集中しており、その週だけ動画が47分です'と話すようになります。根拠がつく瞬間、議論は改善課題に変わります。研修チームが予算を守る方法も変わります — 言い訳ではなく、ログで説明するようになるからです。
分析は通常、4つの層に分けて見ます。何が起きたかを見る記述的分析(修了率・進度・接続時間)、なぜそうなったかを掘り下げる診断的分析(離脱区間・設問別の誤答率)、誰が危険かを事前に予測する予測的分析(2週間未接続者の未修了確率)、何をするかを決める処方的分析(個別化コンテンツの推薦)です。国内企業の大半は最初の層で止まっています。修了率の表は毎月作成しても、離脱が集中する区間を一度も開いて見ていないケースが多いのが実情です。
境界線もはっきりさせておく必要があります。ラーニング・アナリティクスは学習過程のデータを扱い、採用・異動・昇進まで見るピープル・アナリティクスとは、データの出所も目的も異なります。受講者が30名未満の研修なら、統計よりインタビューの方が正確です。母数が小さいほど一、二名の離脱が比率を大きく揺らすため、少人数の研修は数字ではなく対話でアプローチするほうがよいでしょう。
よくある誤解は、ダッシュボードを導入すれば分析が始まるという考えです。ツールは画面を与えるだけで、何を見るかを決めるのは人です。さらに危険なのは、相関を因果として読んでしまうことです。高業績者が研修を多く受けただけで、研修が高業績を生んだとは限りません。修了率を個人のKPIに紐づけると、動画だけ流して別の仕事をする人が増え、データが監視の道具だという噂が広まると、学習ログそのものを避ける行動が現れます。
eラーニングやLMSの普及で学習ログが蓄積されるにつれ、2010年代に一つの分野として確立されました。教育工学とデータ分析が出会う地点で発展してきました。
仮想の事例で見てみましょう。従業員2,400名、年売上4,100億ウォン(約4,903,192万円)規模の流通業A社です。新任チーム長向けのオンライン課程を3年目まで運営していましたが、修了率は41%から動きませんでした。「コンテンツが良くないようですね」という言葉ばかりが繰り返される状況でした。
- HRDチームのキム課長が、LMSから直近2年分の学習ログ1万2千件余りをダウンロードして週ごとに分けてみたところ、全離脱の38%が3週目の一箇所に集中していました。
- 再生区間のデータを開いてみると、3週目の47分の動画は平均11分の地点で止まっていました。まさにその場所に、12分の事例動画が付いていたのです。
- 途中で受講をやめたチーム長5名に電話をかけたところ、"通勤の地下鉄で見ているので、15分を超えると見られません"という答えが3名から同じように返ってきました。
- 教育企画のパク・チーム長は、47分の動画を8分ずつ6本に分割し、実習ワークシートを添付しました。2週間ログインしていない受講者には、所属本部長の名義で通知が届くように変更しました。
- 6か月後、修了率は41%から78%に、3週目の離脱率は38%から9%に下がりました。課程修了者の成果面談実施率が未修了者より2.3倍高いことも、人事データと突き合わせて初めて確認できました。
チョ・アンナ
金鍾赫