详细内容或原文请订阅后点击阅览
您的 LMS 拥有所有数据。您的 CLO 没有任何答案。这就是差距。
LMS 平台跟踪学习活动，但难以提供业务见解。了解 AI 支持的分析、自然语言查询和跨系统数据访问如何帮助 CLO 衡量学习影响、证明投资回报率并增强战略可信度。本文首次发表在 eLearning Industry 上。
来源:eLearning行业 | 在线教育博客为什么 LMS 数据仍然无法满足 CLO
有一种特殊的会议，大多数 CLO 都经历过，但很少有人喜欢。首席人力资源官询问哪些学习计划真正推动绩效改进的业务审查。首席财务官希望了解 L&D 投资回报率的预算对话。人才审查，首席执行官询问领导力发展计划是否正在培养组织三年内所需的领导者。
这些问题并非无理取闹。回答这些问题的数据——以某种形式、在某种系统中——几乎肯定是存在的。然而，CLO 无法以对话所需的具体性和信心来回答这些问题，因为从“数据存在于某处”到“这就是答案”涉及一系列步骤，而当前基础设施无法足够快地完成这些步骤而无法发挥作用。
学习管理系统 (LMS) 知道发生的一切。 CLO 几乎不知道这意味着什么。这不是数据问题。这是一个差距问题——了解差距的实际位置会改变你对缩小差距的看法。
LMS 的用途是什么
学习管理系统的核心是一个记录系统。它旨在存储内容、管理注册、跟踪完成情况并生成有关这些完成情况的报告。它可靠地完成这些事情。他们已经这样做了几十年。
它的设计目的不是回答问题。它记录事件。它不解释它们。它知道一名员工在特定日期完成了一个模块，在相关评估中得分为 78%，并访问了内容 34 分钟。它不知道该员工的表现随后是否有所提高，模块内容是否导致了行为的任何变化，这 34 分钟是否是专注学习或在员工做其他事情时打开浏览器选项卡，或者 78% 的评估分数是否反映了对多项选择格式的真正理解或成功的模式匹配。