Next Learning 2020: the Smart and Safe Edition #nle2020

Normaal gesproken vindt de Next Learning elk jaar in april plaats. Vanwege COVID-19 had de organisatie dit ‘event’ over leren, opleiden en ontwikkelen uiteraard uitgesteld naar 15 september. En eerlijk gezegd had ik niet verwacht dat editie 2020 van de Next Learning vandaag door zou gaan. Gelukkig wist organisator SBO vandaag een veilige editie te organiseren. In deze bijdrage blik ik terug op Next Learning 2020.

Er konden uiteraard veel minder mensen dan normaal terecht in 1931 congrescentrum in Den Bosch. Vermoedelijk zijn veel mensen ook niet op komen dagen. Dat merkte je wel aan de sfeer. Ook had ik wel te doen met de standhouders op de ‘playground’ die veel minder belangstellenden konden begroeten dan anders.

In de zeer grote zaal zaten we ver uit elkaar. Verder moest je je van tevoren inschrijven voor de parallelsessies. Er was immers maar een beperkt aantal plaatsen beschikbaar.

Behalve de fysieke bijeenkomst kon je als deelnemer echter ook mee doen aan online sessies die voorafgaand en na afloop van het event werden en worden georganiseerd. Daarnaast had de organisatie ook andere maatregelen getroffen om dit event ‘coronaproof’ te maken. Ze hadden bijvoorbeeld twee parallelle sporen samengesteld waarin maximaal 250 deelnemers per spoor konden participeren. Ook moest je een lunchpakket nemen, in plaats van losse broodjes. Er was in zalen ook discussie of deuren dicht moesten blijven of niet.

Al met al was het event zeer goed georganiseerd, met name gegeven de omstandigheden. En dat hoorde ik ook in de wandelgangen. Mensen waren blij weer eens veilig naar een congres te kunnen gaan.

De sessies waren geordend rond vier thema’s:

1. Learning Xperience Design
2. Business Performance
3. People & Agility
4. Smart Learning

Als je naar de invulling kijkt, dan zie je dat de organisatie zich vooral richt op bedrijfsleven, zorg en overheid. Een aantal jaren geleden was er meer aandacht voor onderwijs. Voor het onderwijs worden echter in ons land vaker dergelijke congressen georganiseerd. De Online Educa laat echter zien dat het ook goed mogelijk is om onderwijs en bedrijfsleven/zorg/overheid in één congres te bereiken. En dat het toegevoegde waarde heeft om van elkaar te leren. Overigens bleek uit de plenaire oefening dat toch nog 13% van de aanwezigen werkzaam was in het onderwijs.

Ik heb in elk geval de volgende sessies bijgewoond.

Een modelmatige aanpak om leren persoonlijker, betekenisvoller en krachtiger te maken

Niels Floor ontwerpt leerervaringen. We leren van de ervaringen die we hebben. En dat kan van alles zijn. Formeel en informeel. Wat maakt een ervaring leerzaam? Wat is de best mogelijke ervaring die je iemand kunt bieden, op basis waarvan de persoon gaat leren. Hij probeert zich te focussen op de ervaring, en niet zo zeer op leermiddelen of het curriculum. Als mensen zich meer richten op de persoon en de ervaring, dan verbetert dat de leerprestaties.
Hoe doe je dat? Dat gingen we natuurlijk zelf ervaren via een mini ‘learning design sprint’. Bij leren gaat het vaak niet om wat het met je doet. Daarom zijn we ingegaan op : wat is een van je levenslessen. Wat je hebt geleerd?

Je start met een interview rond een levensles.
Vervolgens overleg je over de kern van de levensles. Wat is de kern? Wat spreekt anderen aan? Waar gaat het eigenlijk om?

Hoe kun je die les aan iemand anders leren? Noteer vijf ideeën hoe je deze les aan iemand anders over kunt dragen? Ideeën genereren is heel belangrijk bij ontwerpen. Het is de brandstof van je brandproces. En dat kun je leren.

Met behulp van allerlei knutselmateriaal ga je dan een ontwerp tot realiteit maken. Daar zijn we dus mee aan de slag gegaan.

Vervolgens gingen we een ervaring delen. De uitwerking laten ervaren, testen.

Durf het beste uit je zelf te FALEN!

Remko van der Drift noemt zichzelf ‘faalkundige’, maar dat noemde hij in zijn keynote ook een ‘open deur’. Je denkt dat het erger is om fouten te delen, maar je krijgt daar eigenlijk veel respect voor terug. Stimuleer dus het delen van fouten.
Perfectionisme is enerzijds het verlangen iets heel goeds te maken (dat komt uit jezelf). Maar perfectionisme levert ook te zware druk op (erkenning halen uit de buitenwereld). Van der Drift noemt dat perfectiestress.
Wat komt dat vandaan?

• Opvoeding
• Onderwijs
• Maatschappelijke ontwikkelingen. Onder perfectie zitten vaak onzekerheid en faalangst.

Durf als leerprofessional een falend voorbeeld te zijn:

• Durf te proberen. Bij proberen kun je geen fouten maken.
• Reageer positief op fouten. Fouten zijn dingen die gebeuren. Hoe ga je daar mee om?  Een fout is een feit met een negatief oordeel. Je moet accepteren wat er gebeurt. Oordelen zitten vaak in de weg. Stel je negatieve oordelen uit. Probeer iets moois te maken van de fout van de ander.
• Geloof in de leerbaarheid. Geloof je echt dat je kunt groeien en verbeteren? Van der Drift verwees daarbij naar het werk van Carol Dweck (inmiddels ook niet bepaald onomstreden). Binnen verschillende contexten werkt dit anders. En nee: mensen zijn niet even slim. Het leven is een cursus, je mag leren en proberen.
• Moeite is mooi. Het vergroot je mogelijkheden. Je kunt het nog niet.
• Failure sucks but it instructs.

Tips:

• Plaats moeite doen boven talent. We kunnen groeien.
• Geef jezelf opdrachten die uitdagend zijn. Wat kan ik nog niet?
• Reflecteer dagelijks. Wat heb ook vandaag geprobeerd en wat ging daarbij nog niet goed.
• Iedere wijze uil is ooit begonnen als uilskuiken.

Praktische learning analytics

Peter Meerman houdt zich verschillende jaren bezig met learning analytics, met name binnen bedrijven (o.a. binnen farmaceut Novartis). Hij deelde in deze sessie zijn ervaringen met learning analytics.

Bij learning analytics gaat het niet alleen om inzicht krijgen, maar ook om acties te ondernemen. Je start met een hypothese oftewel vraagstelling (wat wil je bereiken?). Daarna ga je data verzamelen (welke datapunten heb je nodig?), data structureren en opschonen, data modelleren, analyseren en visualiseren. Vervolgens komt daar een resultaat uit (begrijpelijk verhaal) dat moet leiden tot acties. Dit leidt weer tot hypotheses of het checken van hypotheses.

Meerman liet ook typen analyses (beschrijvend, diagnostisch, voorspellend en voorschrijvend) de revu passeren, plus het niveau waarop LA toegepast kunnen worden (van individu tot organisatie).

Als je een goede vraagstelling en doelstelling hebt, dan kun je eigenlijk op elk moment beginnen met LA. Je hoeft niet eens over heel veel data te beschikken. Bijvoorbeeld: mensen met productkennis maken een betere verkoopomzet. Die aanname moet je wel heel concreet blijven toetsen? Kun je die data verzamelen?

Bij Novartis wil men leerprogramma’s nu meer standaardiseren zodat programma’s met behulp van data beter kunnen worden vergeleken. Je moet bij het ontwerp al weten hoe je succes kunt meten. Hoe maak je dan je ontwerp van je programma zodanig dat je het kunt meten? Bij Shell had men bijvoorbeeld inzicht in wanneer werknemers ivm compliancy druk zijn met trainingen. Die data kun je gebruiken om in te plannen wanneer je andere projecten en werkzaamheden plant.

Je moet ervoor zorgen dat medewerkers toegang hebben tot data die gebruikt kunnen worden voor beoordelen. Wij genereren steeds meer data die gebruikt kunnen worden voor leren. Bijvoorbeeld op basis van het gebruik van Outlook.

Hoe ga je om met weerstand van medewerkers tegen LA? Medewerkers hebben LA niet altijd door. Je moet in elk geval transparant en open zijn over wat je waarom verzameld. Ondernemingsraden zijn bijvoorbeeld erg streng. Dat zorgt ervoor dat je erg zorgvuldig bent.

Meerman koppelde in de sessie de typen analyticus ook aan de niveaus van Kirkpatrick. Evaluatiescores zijn beschrijvend van aard en reactief. Het voorschrijvend niveau is bijvoorbeeld veel complexer dan het diagnostische niveau. Als je naar een hoger niveau van Kirkpatrick gaat (bijvoorbeeld business impact), dan heb je meer data nodig.

Wat zijn beginnersfouten? Als je veel te complex begint. Je kunt ook heel verkeerde conclusies trekken op basis van data. Wat zit er achter die data? Bijvoorbeeld mensen die bepaalde procedures niet navolgen, kunnen heel goed presteren. Neem de context mee als je maatregelen neemt op basis van LA.

Je moet met voorschrijvende LA heel voorzichtig zijn. Algoritmes moeten bijvoorbeeld getraind worden, maar kunnen ook verkeerd getraind worden. Data kunnen namelijk veel bias bevatten. IBM heeft bijvoorbeeld data van sollicitaties gebruikt voor het trainen van algoritmes. Maar die data bevoordeelden bijvoorbeeld witte mannen.

Belangrijk is ook het analyseren van mogelijke problemen (root cause analysis), en bekijken wat de mogelijke bijdrage van L&D is aan het oplossen van problemen. Draagt trainen bijvoorbeeld bij aan een betere verkoop, of moet je eerder innoveren? Beschikken we over alle data die we nodig hebben voor analyses?

Het implementeren van werkplekleren

Janine van Zoest (Xprtise) en Caroline Luijbregts (Alrijne Zorggroep) gingen in op het implementatieproces en de resultaten van de invoering van werkplekleren.

Werkplekleren:

• Leren. Er zijn vijf momenten waarop je behoefte hebt aan leren. Bijvoorbeeld het ontwikkelen van nieuwe kennis en vaardigheden, maar ook als er iets mis gaat of als er iets verandert in je werk. Leren kan wel op een andere, meer efficiënte, manier. Op een aantal momenten kun je beter op een andere manier leren dan via formeel leren.
• Werk. Dat bestaat uit processen, taken en stappen. Hoe ziet het werk eruit? Een taak leidt tot een specifiek resultaat. Elke functie bestaat uit zo’n 8 of9 processen. Wat zijn kritieke taken (te oefenen in een formele leersituatie)? Welke taken zijn niet kritiek (kan individueel op de werkplek worden geleerd).
• Plek: binnen 2 klikken en 10 seconden moet je bij een leeractiviteit komen. Dat betekent:
  • Geïntegreerd in het werkproces en/of de applicatie (bijvoorbeeld in het patiëntendossier).
  • Contextueel (alleen relevant voor jouw taken en rollen).
  • Precies genoeg (voorkom het overladen van werknemers met informatie).
  • Accuraat en betrouwbaar (is de informatie juist?)

Bij Alrijne Ziekenhuis heeft men binnen Ask Delphi een portaal ingericht met belangrijke onderwerpen zoals Medisch Rekenen of COVID-19. Bijvoorbeeld: Medisch Rekenen. Daar hangen vervolgens o.a. dien een sondevoeding toe of dien bloed toe.
Zij zijn met groepen medewerkers gaan analyseren wanneer behoefte is aan leren. Medisch rekenen is bijvoorbeeld zeer kritisch. In andere systemen kun je makkelijker fouten maken en deze herstellen. Bijvoorbeeld studentenbegeleiding. Heel veel kennis, opgedaan tijdens een eendaagse cursus, zakt weg. Ze faciliteren dat met een online omgeving (introductie, begeleiden, optimaliseren leerklimaat, beoordelen student). Via de omgeving krijgen medewerkers dan bijvoorbeeld toegang tot microlearning of handleidingen. Voorbeeld: rekentoetsen via Drillster.
Ondersteuning moet aansluiten op wat je eerder hebt geleerd. Verder hebben ze ook gekeken naar de effectiviteit en tevredenheid ten aanzien van bestaande leermaterialen.
Deze aanpak is in meerdere systemen te gebruiken.

De resultaten zijn tot nu toe veelbelovend. Er zijn meer dan 1600 gebruikers, waarvan 800 verpleegkundigen. Ruim 700 verpleegkundigen heeft een score van 100% gehaald. Medewerkers vinden dat deze applicaties hen zeker ondersteunt bij het werk. Er zijn dit jaar veel meer pagina’s bekeken. Dat komt ook door de COVID-19 informatie die is opgenomen en veel is geraadpleegd door herintredende verpleegkundigen.
Door het gebruik van het performance support systeem worden ook bijvoorbeeld e-learning modules beter gewaardeerd.

Met behulp van deze performance support aanpak wil men werknemers ook veel gerichter toegang geven tot werkplek instructies. Normaliter zoekt men via een intranet en vindt men meerdere versies van een document. Welke moet je dan kiezen? Binnen organisaties is vaak ook heel veel leermateriaal beschikbaar, bijvoorbeeld video’s die zelf door medewerkers zijn gemaakt. Je moet die materialen alleen nog ontsluiten.
Werknemers leren hierdoor ook continu en niet alleen op bepaalde momenten (bijvoorbeeld als zij een toets moeten maken). Je voorkomen hiermee ook toets-stress. Je hebt ook geen werknemers die gezakt zijn voor toetsen medisch rekenen en eigenlijk niet meer mogen werken.
O&O fondsen hebben ook mogelijk gemaakt dat automonteurs van verschillende garages binnen 2 klikken en 10 seconden voor hun relevante leeractiviteiten kunnen raadplegen.

Let’s take a moonshot

Astronaut André Kuipers verzorgde een boeiende en rijk geïllustreerde keynote over ruimtevaart. Hij ging eerst in op de geschiedenis van de ruimtevaart, de toepassing ervan en zijn eigen ervaringen. Daarbij liet hij zien hoe belangrijk leren is voor astronauten.
Er bestaat geen astronautenopleiding. Je moet eerst een technisch-wetenschappelijke opleiding hebben gevolgd. Daarna heb je een zeer intensieve opleiding van drie jaar waarin je heel veel verschillende zaken leert en ook veel examens maakt. Vanaf twaalf jaar droomde hij ervan om astronaut te worden. Drieëndertig jaar later was het zover.

Mensen zijn niet gemaakt voor de ruimte, maar kunnen zichzelf wel dankzij hersenen aanpassen. Waarom doen we dat? Om tal van redenen. Bijvoorbeeld handel, persoonlijke eer of wetenschap.

In hoog tempo vertelde hij over de wedloop om naar de Maan te gaan.De prestigestrijd tussen de VS en de Sovjet-Unie groeide uit tot veel meer. Sindsdien is ruimtevaart heel internationaal geworden. Navigatiesystemen, weersvoorspellingen, communicatie, observatie (landbouw, terrorismebestrijding, ontbossing, overstromingen, klimaat, milieuvervuiling). Het wordt mogelijk gemaakt dankzij ruimtevaart.

Niet dat we altijd wat met die informatie doen. Het gat in de ozonlaag verkleint gelukkig wel doordat we maatregelen hebben getroffen (CFK reductie). Dankzij satellieten kunnen we steeds meer gedetailleerd en exact kijken en analyseren. Ze kunnen zelfs op millimeterniveau meten.

In toenemende mate worden sensortechnologie en artificiële intelligentie hierbij gebruikt.
We ontdekken zo meer en meer over onze omgeving. Ruimtevaart bevordert internationale samenwerking, innovatie, laboratoriumproeven en ook praktische toepassingen (niersteenvergruizers, hartpompen, etc).

Een goede basis, doorzettingsvermogen, gedrevenheid, blijven leren, frustratie-tolerantie, problemen analyseren en weten op te lossen, opofferingsgezindheid (je gezinsleven staat 3 jaar op een laag pitje). Je leert veel voor het geval dat je het nodig hebt. Veel van wat je leert, pas je nooit toe (omdat het zich niet voordoet). Dat is wat anders dan de pleidooien voor ‘just in time’ leren.

Tenslotte ging Kuipers nog in op de vraag of er buitenaardse wezens bestaan. Alle ingrediënten zijn ervoor, maar we hebben nog geen bewijs. Bovendien: there is life, Jim. But not as we know it.

De revolutie is al bezig: hoe AI de training van soft skills voorgoed verandert

Boudewijn van der Velde van de Faculty of Skills ging in op wat AI is, op toepassingen (nu en in de toekomst) en op cases. Veel toepassingen bevinden zich volgens Boudewijn in Gartner’s piek. De huidige toepassingen zijn nog voorbeelden van ‘narrow AI’.

Toepassingsgebieden zullen vooral liggen in simulaties (oefenen en testen, bijvoorbeeld op het gebied van communicatie), automatische feedback, on the job leren (mede dankzij automatische feedback of hints geven tijdens een gesprek van een call center medewerkers), learning analytics (bijvoorbeeld drop out voorspellen), content productie (bijvoorbeeld oefenvideo’s laten vertalen door middel van deep fake technologie).

Een verkoper in opleiding kan bijvoorbeeld interacteren met een robot. Deze robot reageert bijvoorbeeld op wat de trainee zegt. Robots praten echter blikkerig en je moet veel investeren in een gesprek van vijf minuten. Deelnemers blijken echter nieuwsgierig en open ten opzichte van een robot.

Er is echter ook een 3D variant hiervan en toepassingen op het gebied van interactieve video. Gegenereerde stemmen worden daarbij steeds beter. Gesprekken zijn dan ook nog volledig gescript. Korte dialogen werken goed, lange dialogen zijn nog lastig met AI te realiseren. Maar de ontwikkeling gaat wel snel. Met het toenemende realisme zullen 3D karakters sneller geaccepteerd worden.

Chatbots worden ook steeds vaker gebruikt. Nederlanders worden echter snel gefrustreerd als een chatbot veel fouten maakt.

Met AI kun je mensen ook feedback geven, bijvoorbeeld op non-verbale aspecten van spraak (zoals snelheid). Je ziet bijvoorbeeld ook hoeveel o’s en a’s gebruikt. Bijvoorbeeld Oral App. Deze toepassing kun je bijvoorbeeld gebruiken bij presentatietrainingen. Basisemoties kunnen op die manier goed van feedback worden voorzien. Meer genuanceerde emotieherkenningen zijn ingewikkeld.

Faculty of Skills gebruikt binnen TrainTool ook feedback. Hints van wat je had moeten laten zien in een video-opname. Daarvoor is feedback van coaches en spraakherkenning gebruikt. Bij ZilverenKruis passen ze dit toe. Je analyseert eerst handmatige beoordelingen en beoordelingscriteria. Vervolgens kun je dat automatiseren en testen hoe deelnemers de feedback waarderen. Op basis hiervan wordt de feedback weer aangepast. Deelnemers zien dan uitgebreid waar een deelnemer wel en geen aandacht heeft besteed tijdens een gesprek. Je hebt geen letterlijke tekst nodig, maar je gebruikt semantische analyses (sentence eibedding; kwaliteit is mede afhankelijk van de hoeveelheid data). Het op deze manier automatisch coachen beslaat ongeveer 20% van de kosten van ‘normaal’ coachen. De waardering door deelnemers was ook hoog, omdat de feedback kwalitatief goed was. Coaches waren blij dat zij niet steeds dezelfde feedback hoeven te herhalen. Je kunt echter niet alles automatiseren.
Deep fake technologie kun je ook gebruiken om nasynchronisatie vorm te geven. Je kunt zo ook veel sneller video’s maken.

This content is published under the Attribution 3.0 Unported license.