Articoli e approfondimenti su Formazione, Crescita personale e professionale, Coaching...
Ricetta per implementare una strategia sui dati
Pubblicato il: 03/06/2024La cottura del riso richiede troppo tempo!
Una conclusione basata sull’evidenza che ho fatto da bambino: il riso impiega troppo tempo per cuocere! Le prove: la risposta di mia madre ogni volta che chiedo quando sarà pronta la cena: "Non appena il riso sarà pronto". Inutile dire che, non appena ho iniziato a cucinare il mio riso, ho subito scoperto che il riso non impiega molto tempo a cuocere, e mia madre lo faceva sempre per ultimo per servirlo caldo.
Questo articolo non riguarda il riso, ma riguarda l'importanza di mettere insieme una solida strategia sui dati quando vogliamo sfruttare i dati per trarre conclusioni e decisioni intelligenti sulle esperienze di apprendimento che offriamo ai nostri studenti.
Perché è necessario investire in una strategia sui dati?
A meno che i tuoi contenuti didattici non siano fluttuanti liberamente su dispositivi connessi e più piattaforme web (si pensi a documenti PDF, file video, ecc., condivisi via e-mail), si trovano all'interno di una piattaforma web in grado di raccogliere almeno alcuni dati sui tuoi contenuti e studenti. Un buon inizio, ma senza una strategia sui dati in atto, purtroppo è un buon inizio nella direzione sbagliata.
Quasi tutte le piattaforme di apprendimento richiederanno allo studente di creare un profilo e fornire alcune informazioni di base su se stesso. Il contenuto didattico è identificabile in modo univoco e i progressi dello studente vengono talvolta, e in varia misura, monitorati. Sembra fantastico finora! Un motore di reporting in grado di generare molteplici tipi di report e grafici con un semplice clic completa il quadro. Questo è il momento in cui molti sono portati a credere di disporre della tecnologia per acquisire il valore dei propri dati, portando a un processo di pensiero incentrato sulla tecnologia. Ciò che ci si può aspettare lungo questo percorso è molta frustrazione, delusione e tonnellate di valore rimaste sul tavolo.
Mettiamo da parte la tecnologia per un po' ed esploriamo un percorso diverso per estrarre il massimo valore dai nostri dati.
Costruire una strategia sui dati
Per passare direttamente alla strategia dei dati, dobbiamo accettare come vere le seguenti affermazioni e presumere che costituiscano la solida base su cui costruiamo la nostra strategia:
- La protezione della privacy dei nostri studenti non è negoziabile.
- I dati sono il nuovo oro; non lasciamolo troppo sul tavolo.
- Il viaggio verso l’intelligenza artificiale è alimentato dai dati.
È importante notare che si prevede che una strategia sui dati rimanga rilevante per un lungo periodo di tempo e quindi dovrebbe tradursi in un sistema robusto ma anche malleabile per consentire miglioramenti iterativi lungo il percorso.
La strategia sui dati dovrebbe affrontare tre componenti principali:
- Raccolta dati
- Archivio dati
- Utilizzo dei dati
Raccogliere i dati giusti
Di più non è necessariamente meglio, poiché potrebbe aggiungere complessità e costi inutili in futuro. La parte più importante, e forse quella che richiede più tempo, della costruzione di una strategia sui dati è decidere quali dati dovrebbero essere raccolti.
A livello di strategia, potremmo non aver bisogno di definire dimensioni granulari dei dati che vogliamo raccogliere, ma piuttosto concentrarci sulle meta-dimensioni. Cioè, dobbiamo generare un elenco di punti dati (o tipi) con attributi associati e una risposta a chi ha bisogno di questi dati e perché. Mi piace seguire un approccio top-down, partendo dagli stakeholder come descritto di seguito.
Parti interessate
Chi trarrà vantaggio dai dati dipende fortemente dalla natura dell’iniziativa di apprendimento in questione. Tuttavia, in tutti gli scenari, lo studente è uno stakeholder primario attraverso l'esperienza di apprendimento che gli viene offerta e i dati che può utilizzare sul proprio percorso di apprendimento. Gli istruttori/facilitatori dei corsi sono parti interessate nei percorsi di apprendimento facilitati, mentre i creatori dei corsi possono essere parti interessate più importanti nei formati dei corsi di autoapprendimento. Nelle applicazioni di apprendimento commerciale, gli imprenditori, insieme ai loro team di vendita e marketing, sono le principali parti interessate. Le iniziative non commerciali, di sensibilizzazione del pubblico e di responsabilità sociale delle imprese (CSR) dipendono fortemente dalle entità che finanziano tali iniziative, il che le rende anche le principali parti interessate. Hai capito bene.
Poiché l'esperienza di apprendimento è innanzitutto, e sempre l'obiettivo primario, è buona pratica dividere le parti interessate in due categorie: apprendimento e altre parti interessate.
Metriche delle parti interessate
Una volta identificati gli stakeholder, dobbiamo sapere a cosa tengono, quali sono i loro obiettivi chiave, quali sono i loro parametri di performance, ecc. È possibile utilizzare più approcci per acquisire queste informazioni dagli stakeholder. Non rientra nello scopo di questo articolo approfondire questi approcci; basti dire che propendo fortemente per l’uso di approcci inclusivi, collaborativi e incentrati sull’uomo.
Sebbene diversi gruppi di stakeholder possano essere esaminati separatamente, potrebbero esserci interessi sovrapposti che devono essere identificati e consolidati in un elenco finale di parametri in preparazione per il passaggio successivo.
Punti dati
Quando estraiamo i punti dati dalle metriche che abbiamo già identificato, potremmo optare per un approccio multilivello aumentando la granularità. Ad esempio, al livello più alto, potremmo raggruppare i punti dati in tipologie che condividono gli stessi attributi, come i dati demografici degli studenti registrati e i dati demografici dei visitatori della piattaforma. Il motivo per cui li separiamo in due tipi è perché non condividono gli stessi attributi come l'origine dei dati. Possiamo aspettarci che i dati demografici degli studenti registrati vengano archiviati sulla nostra piattaforma di apprendimento, mentre i dati demografici dei visitatori potrebbero provenire da Google Analytics o applicazioni simili. Di seguito sono riportati alcuni degli attributi dei dati che dovremmo indagare e registrare a questo punto:
-
Fonte dei dati – Da dove provengono i dati?
È un evento di apprendimento di base monitorato dal mio LMS da un pacchetto SCORM che ospita. Si tratta di un evento di apprendimento più avanzato, in un pacchetto xAPI, archiviato in un Learning Record Store (LRS) indipendente dal mio LMS? Oppure si tratta di un pacchetto LTI di un fornitore di attività di terze parti che ho integrato nel mio LMS? È un modulo web?
-
Proprietà dei dati:
Chi possiede i dati di cui ho bisogno e dispongo delle autorizzazioni necessarie per accedere a questi dati?
-
Modalità di accesso – Come posso accedere ai dati?
Quale metodo devo utilizzare per interrogare i dati? Devo creare un'integrazione personalizzata?
-
Formato di archiviazione:
I dati sono archiviati in un DB SQL, istruzioni JSON in un LRS o in semplici file flat?
-
Anonimizzazione:
I dati sono resi anonimi o dovrei manipolarli per proteggere la privacy dei miei utenti?
Archiviazione e utilizzo dei dati
Il lavoro approfondito svolto sulla definizione del nostro panorama dei dati nei processi strategici di raccolta dei dati contribuisce alla costruzione delle nostre strategie di archiviazione e utilizzo dei dati. Ciò che possiamo facilmente consolidare a questo punto è un elenco di tutte le diverse fonti di dati, i nostri diritti di accesso a ciascuna, i metodi di accesso, ecc.
Il motivo per cui l’archiviazione e l’utilizzo dei dati devono essere studiati insieme è che sono molto interconnessi, per cui come e dove vengono archiviati i nostri dati influenza ciò che possiamo fare con i dati e viceversa. Il mio approccio preferito è quello di tornare innanzitutto ai parametri degli stakeholder che abbiamo raccolto in precedenza e iniziare a mappare il modo in cui intendiamo utilizzare i nostri dati per fornire informazioni sui nostri parametri. Questo, da un lato, ci informerà sul tipo di report, dashboard e visualizzazioni che dobbiamo produrre e, dall'altro, su come vorremmo mettere in relazione e analizzare i nostri punti dati tra loro. Pensa all’intelligenza che possiamo produrre correlando i dati di marketing con i dati sulle decisioni di acquisto dei corsi e con i dati sulle prestazioni degli studenti! Esistono opportunità per migliorare le esperienze di apprendimento che offriamo a diversi gruppi di persone, affinare i nostri sforzi di marketing e acquisire più studenti.
Infine, possiamo rispondere a domande chiave per prendere decisioni intelligenti su come archiviare i nostri dati. Domande come: possiamo utilizzare i nostri dati come intendiamo fare con i dati distribuiti così come sono? Abbiamo bisogno di consolidare i dati in un database centrale per raggiungere questo obiettivo? Quali dati possiamo consolidare? E abbiamo bisogno di trasformatori di dati per preparare i dati al consolidamento? Quali misure è necessario adottare per garantire la riservatezza dei dati degli utenti?
Iterazione
Come accennato in precedenza, dobbiamo garantire che la nostra strategia consenta l’iterazione e il miglioramento continuo. Le parti interessate possono trarre ispirazione dall’efficacia del sistema che abbiamo costruito e pensare a nuovi parametri da misurare. I cambiamenti organizzativi potrebbero imporre un cambiamento nel modo in cui utilizziamo i nostri dati. Oppure, un sensazionale progettista di esperienze di apprendimento può suggerire un modo innovativo di utilizzare i dati per migliorare l’esperienza di apprendimento che progetta per i nostri studenti.
Piano dati di apprendimento
Per garantire che manteniamo la nostra attenzione sui nostri studenti e utilizziamo la nostra strategia sui dati per offrire loro le migliori esperienze di apprendimento possibili, siamo incoraggiati a promuovere ulteriormente i nostri sforzi a livello di contenuti didattici. Incorporare lo sviluppo di un piano dati nel processo di progettazione dell’esperienza di apprendimento per ogni corso, oggetto didattico, ecc., ci consente di definire in modo granulare quali dati dovremmo raccogliere e analizzare a questo livello. Le opportunità di raccogliere eventi di apprendimento sono infinite quando si utilizzano standard progettati per questo, come lo standard xAPI, quindi pianifichiamolo!
Il riso non richiede troppo tempo per cucinare, una strategia sui dati sì!
Per chi ancora se lo chiedesse, il riso impiega circa dieci minuti per cuocere e altri dieci minuti di pazienza per lasciarlo riposare. Non è necessaria una strategia basata sui dati per giungere a questa conclusione intelligente. Costruire una strategia sui dati richiede impegno e collaborazione di individui con molteplici competenze, tra cui progettisti di esperienze di apprendimento, data scientist e sviluppatori, esperti in materia e stakeholder aziendali.
Sebbene l’intelligenza artificiale e la pletora di strumenti abilitati all’intelligenza artificiale non siano stati discussi in questo articolo, è importante riconoscere che siamo in viaggio verso l’integrazione e l’utilizzo di un numero sempre maggiore di strumenti abilitati all’intelligenza artificiale nell’educazione digitale. Avere una strategia dei dati e una conoscenza approfondita degli stessi ci consente di prendere decisioni migliori durante il nostro percorso di abilitazione dell'intelligenza artificiale.
