Learning Analytics: Jak vyhodnocovat data z LMS a zlepšovat proces učení

(aneb proč se spokojit s pouhým dokončením kurzu, když můžeme mít detailnější vhled do reálného vzdělávání)

V době, kdy se většina našich aktivit postupně digitalizuje, je škoda zůstat při firemním e‑learningu u jediného čísla: dokončil – nedokončil. Přesně proto existuje Learning Analytics – soubor metod a nástrojů, díky kterým můžeme z dat zaznamenaných v LMS (Learning Management System) vyčíst mnohem více. Jak konkrétně se lidé učí? Co je nejvíce zajímá? Která témata jim dělají největší problém? A hlavně, jak tato zjištění promítnout zpět do zlepšování vzdělávacího procesu? To vše se dozvíte v našem článku.

Co je Learning Analytics

Learning Analytics představuje systematický sběr, měření a analýzu dat týkajících se chování uživatelů a efektivity vzdělávání. Nemusí jít jen o prostý přehled dokončených kurzů nebo dosažených skóre v testech. Dnešní LMS (ať už v kombinaci se SCORM, xAPI či jinými standardy) dokážou sledovat i to, kde se uživatel nejčastěji zdrží, kolik času věnuje konkrétním aktivitám nebo kolikrát se vrací k určité lekci.

Cílem Learning Analytics je odhalit nejen to, že uživatelé studují, ale jak studují, co jim chybí a kde jsou příležitosti ke zlepšení. A to na úrovni jednotlivce, týmu i celé organizace.

Základní metriky a co z nich vyčtete

Míra dokončení kurzů (Completion Rate)

• Základní údaj: kolik lidí daný kurz opravdu dokončilo.
• Vypovídá o motivaci nebo relevantnosti kurzu. Nízká míra dokončení může znamenat nudný nebo nepřehledný obsah.

Průměrné skóre v testech

• Ukazuje, do jaké míry si lidé osvojili dané znalosti.
• Hodí se srovnávat mezi různými odděleními či pobočkami – možná zjistíte, že někde potřebují dodatečné školení.

Čas strávený v kurzu

• Pokud někdo dokončí kurz extrémně rychle, může to značit, že látku už dobře ovládá (anebo ji jen přejel zběžně).
• Naopak příliš dlouhý čas napovídá, že kurz je buď obtížný, nebo zbytečně obsáhlý.

Proč se spokojit s průměrem, když můžete jít do hloubky

Pokud využíváte xAPI a Learning Record Store (LRS), máte k dispozici daleko bohatší datový poklad. xAPI totiž umožňuje zachytit i drobné interakce typu „Uživatel si pustil video a skončil na 52. vteřině“ nebo „Diskutoval o tématu v čase 13:05“. Díky tomu můžete:

• Identifikovat slabá místa: Například zjistit, že většina lidí přestane sledovat video v půlce. Možná je příliš dlouhé, nebo nenabízí dostatek interaktivity.
• Analyzovat progres: Posoudit, zda jednotlivci (nebo týmy) zlepšují své výsledky časem a jaká aktivita tomu dopomohla.
• Personalizovat obsah: Pokud vidíte, že uživatel tápe v části „pokročilé funkce CRM“, systém mu může doporučit doplňující mikro-kurz.

Jak vrátit výsledky analýzy zpět do praxe

1. Upravit obsah kurzů

Když zjistíte, že někteří uživatelé systematicky nezvládají určité téma, je dobré lekci zjednodušit, přidat příklady nebo interaktivní cvičení. Často pomůže i rozdělení dlouhých bloků na menší sekce.

2. Motivovat a zapojit uživatele

Pokud analytika odhalí nízkou míru dokončení, je čas zapojit gamifikaci, sociální prvky nebo zkrátit rozsah lekcí. Můžete také zdůraznit význam kurzu ve vztahu k práci, aby uživatelé viděli přímý přínos.

3. Vytvořit personalizované plány

Na základě skóre či průchodu jednotlivými částmi lze personalizovat doporučení pro každého uživatele. Co už zvládl? Na čem by měl ještě zapracovat? Tím se čas učení zkracuje, ale zvyšuje efektivita.

4. Zapojit manažery

Reporty z learning analytics by neměly skončit jen u HR nebo LMS administrátora. Manažeři týmů ocení, když uvidí přehled, kde se jejich tým může zlepšit a kdo potřebuje podporu.

5. Dlouhodobé sledování ROI

Learning analytics může také pomoci vyčíslit návratnost investic do e-learningu. Když vidíte, jak se zvyšují dovednosti lidí, lze je spojit i s výsledky práce (zlepšené prodeje, méně chyb).

Nástroje a tipy pro analytiku

• Vestavěné funkce v LMS: Mnoho moderních platforem už má přehledné dashboardy, grafy a exporty.
• Použití LRS (Learning Record Store): Pokud chcete xAPI data, potřebujete LRS, které umí ukládat a analyzovat detailní záznamy o aktivitách.
• Integrace s BI nástroji: Pro pokročilé analýzy můžete data napojit na Power BI, Tableau nebo jiné BI systémy. Získáte větší možnosti vizualizací.
• Umělá inteligence: Některé platformy už nabízejí AI, která se učí z velkého objemu dat a dokáže navrhovat optimální vzdělávací cesty.

Learning Analytics umí e-learning povýšit z pouhého „splnil / nesplnil“ na opravdu daty řízený proces, kde chápeme, jak se lidé učí a co jim pomáhá k lepším výkonům. Pokud vaši zaměstnanci tráví v LMS výrazný čas, proč nevyužít detailních metrik k tomu, aby byl celý proces ještě efektivnější, zábavnější a více orientovaný na reálné výsledky?

Klíčem je vědět, co sledovat a jak následně data využít. Pokud se v tom zrovna rozhlížíte, pomoci vám může i náš srovnávací web – podívejte se, které LMS mají pokročilé analytické nástroje nebo podporu xAPI a LRS, a vyberte si takový systém, který vám poskytne užitečné vhledy do vzdělávacích aktivit vašich zaměstnanců. Protože jen když rozumíme skutečnému průběhu učení, můžeme se posouvat dál.