详细内容或原文请订阅后点击阅览
为什么人工智能无法解决职场学习中最大的问题
本文探讨了为什么学习迁移仍然是工作场所学习中最大的挑战，以及管理者、强化和行为意识如何帮助将培训转化为持久的绩效改进。这篇文章首次发表在 eLearning Industry 上。
来源:eLearning行业 | 在线教育博客人工智能和学习迁移
在领导力课程中，我经常看到管理者带着良好的意图和一页纸的笔记离开课程。他们练习过授权、反馈或辅导，并且能够清楚地解释这些原则。
两个月后，他们的日常行为可能看起来大同小异。他们仍然会接管困难的任务，推迟不舒服的谈话，并在团队成员有时间思考之前回答问题。该课程提供了有用的知识，而工作场所则继续奖励熟悉的习惯。
人工智能正在使学习的内容变得更快、更便宜。 L&D 团队现在可以用比以前少得多的时间创建大纲、测验、视频、翻译、角色扮演场景和工作辅助工具。 Synthesia 2026 年对 L&D 专业人员的调查发现，88% 的人已经通过人工智能节省了时间，而 84% 的人将更快的生产视为其最明显的好处。
这很重要，因为重新培训技能的需求正在上升。世界经济论坛的《2025 年就业未来报告》估计，到 2030 年，59% 的工人将需要培训，而 39% 的现有技能将发生变化或过时。
人工智能可以帮助 L&D 产生更多学习成果。它在确保人们运用所学知识方面的作用要小得多。
学习迁移仍然是主要限制
学习迁移描述了人们返回工作岗位后是否应用和维持新的知识和技能。人们已经对其进行了数十年的研究，但对该主题的讨论仍然受到广泛重复的说法的影响，即只有 10% 的培训可以转移到工作中。
该数字来自 1982 年一篇文章中的个人估计，而不是一项测量研究。福特、耶隆和比林顿后来将其描述为“10% 的错觉”。他们的评论提供了更有用的情况：培训后立即未迁移的比例估计约为 38%，6 个月后为 56%，12 个月后为 66%。实际的教训是，除非工作环境中的某些东西支持新的行为，否则迁移会随着时间的推移而减弱。