Standaard leerprogramma’s zijn efficiënt maar sluiten binnen arbeidsorganisaties dikwijls onvoldoende aan op specifieke behoeften. Gepersonaliseerde leerprogramma’s doen dat wel, maar zijn meestal duur om te organiseren. Robert Brinkerhoff en Edward Boon stellen dat learning experience platforms in staat zijn om zowel standaardisering als personalisering mogelijk te maken. Zij noemen dat een nieuwe hybride leermethodologie.
Brinkerhoff en Boon focussen zich hierbij op omvangrijke, veelal internationaal opererende arbeidsorganisaties. Je zou hun benadering echter ook kunnen toepassen op, bijvoorbeeld, middelbaar en hoger beroepsonderwijs.
Binnen de arbeidsorganisaties, die de auteurs voor ogen hebben, worden vaak centrale leerprogramma’s aangeboden, bijvoorbeeld op het gebied van leiderschap. De verschillende locaties hebben echter te maken met specifieke culturen, klanten, omstandigheden en behoeften waardoor centraal ontwikkelde leerprogramma’s lokaal lang niet altijd aanslaan. Het gevolg is dat een programma dat in de ene situatie positieve effecten heeft op de prestaties, dat in de andere situatie niet heeft. Tegelijkertijd is het ontwikkelen van specifieke leerprogramma’s weer erg kostbaar.
De vraag is dus
how to harvest the standardization and efficiency benefits of centrally designed talent development programming while at the same time nourishing local personalization that ensures equally significant business value and impact everywhere.
Volgens de auteurs is een nieuwe vorm van ‘hybride leren’ een oplossing voor dit dilemma. Daarbij gaat het om leerprogramma’s die gestandaardiseerd en gepersonaliseerd zijn. Learning experience platforms (LXP’s) zijn volgens de auteurs in staat deze vorm van ‘hybride leren’ vorm te geven.
Je ontwikkelt dat een set aan bouwstenen die je, net als bij Lego, in verschillende variaties met elkaar kunt combineren. Denk daarbij aan videopresentaties met discussies in subgroepen die lokaal gebruikt kunnen worden, aan richtlijnen voor facilitators in meerdere talen voor het begeleiden van groepen, aan tools en materialen voor persoonlijke coaching of aan opdrachten met bronnen die lerenden kunnen maken.
De specifieke timing en volgorde van deze bouwstenen worden aangepast aan de lokale situatie en toegankelijk gemaakt via een LXP. Op locatie wordt dan beslist hoe deze bouwstenen worden gebruikt. De bouwstenen zijn ontworpen en ontwikkeld door experts. Een andere vorm van standaardisering is als elke locatie richtinggevende uitgangspunten krijgt voor het gebruik van deze bouwstenen (met het oog op kwaliteit en het bereiken van een optimaal effect). Voorbeelden van dergelijke uitgangspunten zijn:
- Oefen vaardigheden in een omgeving waar fouten veilig kunnen worden getolereerd.
- Zorg voor voldoende feedback tijdens oefensessies.
Brinkerhoff en Boon zijn ervan overtuigd dat een LXP vervolgens in staat is het leerproces zelf te automatiseren. Verder pleiten zij voor een degelijke en grondige evaluatie en controle (lokaal en centraal). Geavanceerde rapportages op basis van data uit een LXP maken hier deel van uit.
De auteurs stellen ook dat je hiermee aansluit op ‘mass customization’. Dit concept uit de maakindustrie gaat ervan uit dat klanten een product kunnen samenstellen op basis van een aantal vaste componenten. Een voorbeeld hiervan is de kleding industrie. Je kunt zelf een maatpak samenstellen op basis van standaard stoffen, soorten knopen, revers, enzovoorts. Daarbij pas je personalisering zo laat mogelijk in de ’supply chain’ toe.
Bij gestandaardiseerde en gepersonaliseerde leerprogramma’s doe je hetzelfde. De auteurs geven daarbij aan dat nu al binnen standaard leerprogramma’s persoonlijke accenten worden geplaatst. Een LXP optimaliseert volgens hen deze realiteit, doordat gestandaardiseerde programmaonderdelen kunnen worden geconfigureerd tot een leertraject dat zoveel mogelijk rekening houdt met locatie- en deelnemersspecifieke variaties.
Mijn opmerkingen
Ik vind het jammer dat Brinkerhoff en Boon weer een andere interpretatie geven aan het begrip ‘hybride leren’. Ook had men wat eerder dan aan het einde een onderscheid mogen maken tussen lokalisering en personalisering. Meestal doelt men in deze bijdrage op het aanpassen van programma’s aan de lokale situatie (lokalisering) en niet op het aanpassen van programma’s aan kenmerken van de deelnemer zoals voorkennis, niveau en leervragen (personalisering).
Verder valt me op dat de auteurs een oud idee van stal halen: het gebruik van leertechnologie om bouwstenen te ontwikkelen die vervolgens samengesteld worden tot verschillende leerprogramma’s. Een jaar of vijftien geleden moesten learning content management systemen dit faciliteren. Inmiddels kom je deze leertechnologie nauwelijks nog tegen.
Nu zou een LXP lerenden in staat moeten stellen leerprogramma’s samen te stellen op basis van bouwstenen. Een LXP maakt namelijk gebruik van slimme technologie, zoals AI. Je kunt lerenden verschillende vormen van content presenteren, op basis van kenmerken zoals functie.
Toch moeten we er m.i. voor waken de kracht van deze technologie niet te overschatten. Het automatisch samenstellen van programma’s op basis van gebruiksdata kan pas plaatsvinden als een LXP beschikt over veel data. We weten ook dat gebruikte algoritmes vaak last hebben van ‘culturele bias’. Als je leerprogramma’s wilt ‘lokaliseren’ kan dat best ‘een ding’ zijn’.
Daarnaast is het samenstellen van een goed doordacht leerprogramma een behoorlijk complex proces dat m.i. niet gemakkelijk te automatiseren is. Niet te vergelijken met het kiezen van een maatpak. En dat is al ingewikkeld, als je kijkt naar de vele keuzemogelijkheden.
Ps: Maatpakken zijn over het algemeen kostbaar. Mijn favoriete herenmodezaak, Hoogenboom Mode in Nijmegen, had ooit een aanbieding: een maatpak voor de prijs van een gewoon kostuum. Dat leek mij wel wat. Nadat ik een half uur allerlei opties had doorlopen, en nog lang niet klaar was, heb ik uiteindelijk toch meer weer een gewoon kostuum gekocht.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie