详细内容或原文请订阅后点击阅览
人工智能可以在几分钟内构建课程。学习仍然需要时间
人工智能现在可以在几分钟内将源材料转变为课程。人类的学习并没有以同样的速度加速。本文利用认知负荷、检索实践和持久学习方面的研究来解释为什么更快的课程制作并不能自动创造更快的理解。这篇文章首次发表在 eLearning Industry 上。
来源:eLearning行业 | 在线教育博客课程在学习者开始之前就已准备就绪
客户服务团队需要在本周末之前接受有关新退货政策的培训。周一早上，研发经理将政策上传到人工智能 (AI) 工具中。午餐时，她收到了课程大纲、视频脚本、客户场景、测验和辅导员指南。
该课程在两天后启动。完成率达到96%，大多数员工一次就通过了测验。然后疑难病例开始出现。每当政策不符合他们所实践的例子时，代理人就会犹豫不决，主管会反复回答相同的问题，质量审查会发现相同的错误。
该课程的制作速度比以往任何时候都快。学习没有。
人工智能加速课程创建。它不会加速工作记忆。
人工智能以惊人的速度改变了工作场所学习的一部分。教学设计师曾经需要几天或几周的时间来完成的任务——起草大纲、编写脚本、创建场景或调整内容——现在可以在一个下午完成。这一转变消除了一个瓶颈：制作学习内容。
制作课程意味着组织信息。学习意味着建立理解，将新想法与现有知识联系起来，并创造以后可以检索和应用的记忆。加速一个进程并不会自动加速另一个进程。
学习科学有助于解释原因。约翰·斯威勒（John Sweller）的认知负荷理论始于一个简单的限制：工作记忆一次只能处理有限数量的新信息。学习取决于随着时间的推移建立心理结构，而不是更快地呈现更多信息。对于 L&D 团队来说，设计挑战已经发生了变化：
人工智能极大地扩展了可生产的产品。人类工作记忆仍然决定着什么可以被有意义地处理。如果处理信息就足够了，更快的课程创建自然会产生更好的学习效果。研究表明有些不同的东西。
学习仍然需要检索，而不仅仅是暴露
在培训期间理解概念只是学习过程的一部分。更困难的问题是，这种理解是否能够持续足够长的时间来影响几天或几周后的决策。持久的学习取决于两个条件：
研究有助于解释原因。心理学家亨利·罗迪格三世和杰弗里·卡皮克发现，主动检索信息比简单地再次复习相同的材料更能有效地增强长期记忆。在这种情况下，测试有第二个目的。它不仅是衡量学习者所知道内容的一种方法，也是强化他们可能记住的内容的一种方法。
Cepeda 及其同事进行的大型审查得出了补充结论。当练习分散在不同的时间而不是集中在单个课程中时，学习就会变得更加持久。在发生一些遗忘之后重新回顾材料比一次性覆盖所有内容更能有效地增强记忆力。
这与人工智能的优势形成了有趣的对比。人工智能在学习与发展中最明显的用途是速度：在更短的时间内生成更多内容。人类记忆的运作方式不同。随着时间的推移，它受益于中断、检索和重复遇到相同的想法。
结论
对于学习与发展团队来说，这改变了人工智能在学习设计中应扮演的角色。我们的目标是创造一系列学习经历，在记忆开始衰退时带回重要的知识。
真正的改进是在发布后开始的
一家软件公司需要在更新的合规性要求生效之前推出新的客户数据策略。使用人工智能，L&D 团队在不到两天的时间内完成了培训，而不是之前所需的三周。这次发射看起来很成功。几乎每位员工都完成了课程，测验平均成绩在 90% 以上。
他们没有在完成后结束学习，而是通过辅导和练习扩展学习。
课程本身变化很小。人工智能被用来生成简短的检索活动——三天后一个场景，一周后另一个场景，以及辅导课程期间针对特定角色的决策练习。最大的改进来自于使重复检索变得实用，而无需为教学设计师创造更多的工作。
课程只是开始
培训后 创建检索提示、间隔练习、辅导问题和特定于角色的应用检查，以便在正式培训结束后带回重要知识。
当人工智能支持整个学习周期时，它的价值远远超出了制作课程的范围。它帮助教学设计师为学习者创造重复的机会，随着时间的推移检索、应用和强化知识。
人工智能非常擅长减少重复的设计工作。这创造了一个机会，让我们可以在仍然需要人类判断的学习部分投入更多时间：决定什么最重要，学习者何时应该练习，以及新知识如何与日常表现联系起来。
工作记忆仍然有限，持久的学习仍然依赖于检索和间隔练习，并且在课程完成后很长一段时间内，表现仍会继续发展。学习与发展团队的真正机会是利用人工智能节省的时间来设计在正式培训之前、之间和之后发生的学习体验。当人工智能支持整个学习周期（而不仅仅是内容创建）时，它就不仅仅是一种生产力工具。它成为使学习本身更加有效的一种方式。人工智能可以在几分钟内建立一门课程。学习还是需要时间的。