युनिट 6 / 11

प्रशिक्षण आणि विकास (L&D) साहित्य उत्पादन

नफा:

  • विशिष्ट सक्षमतेसाठी शिक्षण-लक्ष्यित प्रशिक्षण सामग्री आणि मॉड्यूल मसुदे तयार करण्याची क्षमता
  • AI सह परिस्थिती, भूमिका, प्रश्नमंजुषा आणि सराव व्यायाम तयार करण्याची क्षमता
  • प्रशिक्षण सामग्रीला विविध स्तरांवर, शिक्षणाची उद्दिष्टे आणि मोजमाप पद्धतींशी जुळवून घेण्याची क्षमता

कर्मचारी विकास हे एचआरच्या सर्वात मौल्यवान परंतु श्रम-केंद्रित कार्यांपैकी एक आहे. L&D (लर्निंग अँड डेव्हलपमेंट) हे कर्मचाऱ्यांचे ज्ञान आणि कौशल्ये नियोजित पद्धतीने वाढवण्याच्या उद्देशाने असलेल्या सर्व क्रियाकलापांचे सामान्य नाव आहे. चांगले प्रशिक्षण साहित्य तयार होण्यासाठी काही दिवस लागू शकतात: सामग्री सेटअप, वास्तववादी उदाहरणे, व्यायाम, मोजमाप साधने... कृत्रिम बुद्धिमत्ता (AI) या प्रक्रियेचा बराच वेग वाढवते. आपण अर्ध्या दिवसाच्या प्रशिक्षणाची रूपरेषा मिनिटांत सांगू शकता; परिस्थिती, भूमिका आणि प्रश्नमंजुषा तयार करू शकतात. या युनिटमध्ये, आपण AI चा वापर इंस्ट्रक्शनल डिझाइन असिस्टंटप्रमाणे करायला शिकू.

A few terms: Learning objective is the measurable behavior that the participant can do when the training is completed; एक चांगले ध्येय "मे" फॉर्मसह लिहिले आहे. निर्देशात्मक डिझाइन ही सामग्री तयार करण्याची कला आहे ज्यामुळे शिक्षण सुलभ होते. मायक्रोलर्निंग हा विषय 3-7 मिनिटांच्या छोट्या तुकड्यांमध्ये विभागून सादर करण्याचा दृष्टीकोन आहे. ब्लूमचे वर्गीकरण हे एक फ्रेमवर्क आहे जे शिकण्याच्या उद्दिष्टांना "स्मरण" पासून "निर्मिती" पर्यंत श्रेणीबद्ध करते; हे तुम्हाला योग्य क्रियापदासह ध्येय लिहिण्यास मदत करते (लक्षात ठेवा, स्पष्ट करा, लागू करा, विश्लेषण करा, मूल्यांकन करा, उत्पादन करा).

निर्देशात्मक डिझाइनसाठी तीन इनपुट

दर्जेदार प्रशिक्षण सामग्रीचे रहस्य म्हणजे AI ला तीन गोष्टी स्पष्टपणे देणे: लक्ष्यित प्रेक्षक (कोण, कोणत्या स्तरावर), शिकण्याचे ध्येय (शेवटी ते काय करू शकतील), आणि कालावधी/स्वरूप (किती मिनिटे, समोरासमोर/ऑनलाइन/स्वयं-गती). हे अस्पष्ट असल्यास, सामग्री एकतर खूप सोपी किंवा खूप जटिल, खूप लांब किंवा खूप वरवरची असेल.

चरण-दर-चरण प्रक्रिया:

  1. ध्येय स्पष्ट करा. "ग्राहक संप्रेषणाचे स्पष्टीकरण" नाही तर "सहानुभूतीपूर्ण तक्रार प्रतिसाद लिहिण्यास सक्षम असणे".
  2. प्रेक्षक आणि पातळी परिभाषित करा. प्रास्ताविक/मध्यम/प्रगत; आधीच्या ज्ञानाची पातळी.
  3. कालावधी आणि स्वरूप द्या. 90 मिनिटे समोरासमोर किंवा 15 मिनिटे मायक्रोलर्निंग?
  4. सांगाडा तयार करा. मॉड्यूल शीर्षके, वेळेचे वितरण, मुख्य मुद्दे.
  5. अनुप्रयोग आणि मापन जोडा. परिस्थिती, व्यायाम, प्रश्नमंजुषा.
  6. सत्यापित करा. धोरण, कायदे आणि आकडे यांचा समावेश असलेल्या प्रत्येक दाव्याची तज्ञासोबत पुष्टी करा.

तुमची भूमिका: कॉर्पोरेट निर्देशात्मक डिझायनर. कार्य: खालील प्रशिक्षणासाठी मॉड्यूलची बाह्यरेखा तयार करा. विषय: प्रभावी ग्राहक तक्रार प्रतिसाद लिहिणे लक्ष्यित प्रेक्षक: ग्राहक सेवा संघ, प्रवेश-मध्यवर्ती स्तर शिकण्याचे उद्दिष्ट: सहभागी शेवटपर्यंत व्यावसायिक आणि सहानुभूतीपूर्ण तक्रार प्रतिसाद लिहिण्यास सक्षम असावा. कालावधी, वेळ आणि 9 मिनिटांचा सामना करावा लागेल. वाटप (एकूण 90 मिनिटे)- प्रत्येक मॉड्यूलमधील 2-3 मुख्य मुद्दे- 1 सराव व्यायाम- 3 एक-प्रश्न मजबुतीकरण क्विझ (उत्तर की + लहान स्पष्टीकरण)

टीप: "प्रशिक्षणाच्या शेवटी, सहभागी सक्षम असेल" या फॉर्ममध्ये शिकण्याचे उद्दिष्ट लिहा. हे AI आणि तुम्ही दोघांनाही मूर्त आउटपुटवर केंद्रित करते. "वेळ व्यवस्थापनाचे आकलन" मोजता येत नाही; "प्राधान्यता मॅट्रिक्ससह दैनंदिन कार्ये रँक करण्यात सक्षम असणे" मोजले जाऊ शकते.

परिस्थिती, भूमिका आणि सराव निर्मिती

प्रौढ शिक्षणाचे हृदय म्हणजे सराव; नुसते ऐकून कोणीही कौशल्य मिळवत नाही. एआय वास्तववादी परिस्थिती निर्माण करण्यात शक्तिशाली आहे:

वरील प्रशिक्षणासाठी 3 रोल-प्ले परिस्थिती लिहा. प्रत्येक परिस्थितीमध्ये हे समाविष्ट आहे:- एक वास्तववादी ग्राहक तक्रार परिस्थिती (थोडक्यात पार्श्वभूमी)- सहभागीची भूमिका आणि ग्राहकाची वृत्ती- 3 मूल्यांकन करण्याजोगी वर्तणुकीतील अडचण श्रेणी द्या: सोपे / मध्यम / कठीण (उदा. शांत / रागावलेला / हक्कदार परंतु आक्रमक ग्राहक). परिस्थिती सांस्कृतिकदृष्ट्या तटस्थ आणि आदरपूर्ण ठेवा; वास्तविक व्यक्ती/ब्रँड नाव वापरणे.

प्रश्नमंजुषा तयार करताना AI देखील वेगवान आहे, परंतु प्रश्न विशिष्ट आहेत आणि एकच अचूक उत्तर असल्याची खात्री करा:

या प्रशिक्षणासाठी 5 बहुपर्यायी प्रश्न लिहा. नियम: प्रत्येक प्रश्नात 4 पर्याय, अगदी 1 योग्य; चुकीचे पर्याय "वाजवी पण चुकीचे" आहेत (स्पष्टपणे हास्यास्पद नाही). प्रत्येक प्रश्नाच्या खाली योग्य उत्तर आणि एक वाक्य तर्क जोडा. प्रश्नांना शिकण्याचे ध्येय मोजू द्या आणि सरावासाठी विचारू द्या, स्मरणशक्ती नाही.

तीन मिनी केसेस

Case 1 — Hours instead of weeks. लॉजिस्टिक कंपनीमध्ये नवीन वेअरहाऊस सुरक्षा प्रशिक्षण तयार करणे हे साधारणपणे 3-आठवड्याचे काम होते. AI सह, शिक्षण तज्ञाने 2 दिवसात फ्रेमवर्क, परिस्थिती आणि प्रश्नमंजुषा तयार केली; त्याने उरलेला वेळ खऱ्या क्षेत्राचे नमुने आणि तज्ञांच्या नियंत्रणासाठी दिला. तयारीचा वेळ अंदाजे 60% ने कमी करण्यात आला आणि सामग्रीची गुणवत्ता वाढली.

केस 2 - स्तर अनुकूलन. एका सॉफ्टवेअर कंपनीला नॉन-टेक्निकल ऑफिस वर्कर्स आणि डेव्हलपर दोघांनाही समान "डेटा सुरक्षा जागरूकता" प्रशिक्षण द्यायचे होते. एआयने सिंगल ड्राफ्टचे दोन आवृत्त्यांमध्ये रुपांतर केले: दररोजची उदाहरणे आणि कार्यालयासाठी मूलभूत नियम; विकासकांसाठी कोड आणि आर्किटेक्चर स्तरावरील सूक्ष्मता. दोन स्वतंत्र प्रशिक्षण लिहिण्याऐवजी, एकाच स्त्रोताने दोन प्रेक्षकांना सेवा दिली.

प्रकरण 3 - मायक्रोलर्निंगमध्ये विभागणे. ४५ मिनिटांचे अभिमुखता प्रशिक्षण कोणीही पूर्ण करत नव्हते; पूर्ण होण्याचा दर 38% होता. HR ने सामग्रीला सहा 5-7 मिनिटांच्या मायक्रो मॉड्यूल्समध्ये विभागले होते, प्रत्येकाच्या शेवटी 2-प्रश्नांची मिनी क्विझ जोडली होती. एका तिमाहीत पूर्णत्वाचा दर 38% वरून 81% पर्यंत वाढला आहे.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत प्रॉम्प्ट: ग्राहक संप्रेषण प्रशिक्षण तयार करा.

परिणाम: कोणासाठी, कशासाठी आणि किती मिनिटे अस्पष्ट; एक सामान्य आणि लागू न होणारा मजकूर.

शक्तिशाली प्रॉम्प्ट: [विषय + लक्ष्य प्रेक्षक आणि स्तर + "कदाचित" मोजण्यायोग्य लक्ष्य + कालावधी आणि स्वरूप + इच्छित आउटपुट संरचना (मॉड्यूल/व्यायाम/क्विझ) + "हळूहळू अडचणीची परिस्थिती" सूचना]

परिणाम: एक प्रशिक्षण बाह्यरेखा जी स्तर-देणारं, ध्येय-केंद्रित आहे, ज्यामध्ये सराव आणि मापन समाविष्ट आहे आणि त्याचा वापर वर्गात केला जाऊ शकतो.

AI चे योगदान आणि मानवाची भूमिका

साहित्य प्रकार

AI योगदान

माणसाची भूमिका

मॉड्यूल कंकाल

द्रुत बिल्ड + वेळ वितरण

कंपनी/नोकरीशी जुळवून घेणे, प्राधान्यक्रम

परिस्थिती

वास्तववादी परिस्थिती निर्माण

प्रामाणिकता आणि सांस्कृतिक योग्यता तपासा

प्रश्नमंजुषा

प्रश्न + उत्तर की

अचूकता पडताळणी, अडचण समायोजन

केस स्टडी

मसुदा केस

रिअल कंपनी केससह बदला

तांत्रिक/कायदेशीर सामग्री

पहिला मसुदा

तज्ञांची मान्यता (अनिवार्य)

या ट्यूटोरियलची रूपरेषा दोन आवृत्त्यांमध्ये रुपांतरित करा: 1) नवशिक्यांसाठी: मूलभूत संकल्पना, चरण-दर-चरण, भरपूर उदाहरणे2) अनुभवी लोकांसाठी: प्रगत परिस्थिती, अपवादात्मक प्रकरणे, सूक्ष्मता शिकण्याचे उद्दिष्ट समान ठेवा, फक्त खोली आणि उदाहरण पातळी बदला.

लक्ष द्या: AI द्वारे तयार केलेल्या प्रशिक्षणामध्ये तांत्रिक किंवा कायदेशीर समस्या (व्यावसायिक सुरक्षा, KVKK, कायदे, आर्थिक नियम) समाविष्ट असल्यास, विषयावरील तज्ञाद्वारे सामग्रीचे पुनरावलोकन करणे आवश्यक आहे. मॉडेल अचूक दिसते परंतु जुनी किंवा चुकीची माहिती तयार करू शकते. जेव्हा शिक्षण मोठ्या प्रमाणावर पसरते, तेव्हा त्रुटी देखील मोठ्या प्रमाणावर पसरते; शेकडो लोकांना चुकीचे शिकवणे फक्त एका व्यक्तीला शिकवण्यापेक्षा खूप महाग आहे.

सामान्य चुका

  • ध्येय अस्पष्ट सोडून. मोजता येण्याजोगे वर्तन ध्येय लिहा, "मुद्दा बनवा" नाही.
  • फक्त स्पष्टीकरण, अर्ज नाही. प्रौढ लोक ऐकून नव्हे तर करून शिकतात; परिस्थिती आणि व्यायाम जोडा.
  • पातळी वगळा. जर तुम्ही प्रेक्षकांना प्राथमिक माहिती दिली नाही, तर आशय एकतर कंटाळवाणा किंवा समजण्यासारखा नाही.
  • प्रश्नमंजुषा लक्षात ठेवण्याच्या प्रश्नापर्यंत कमी करणे. प्रश्न जे अर्ज आणि निर्णयक्षमतेचे मोजमाप शिकण्यास प्रवृत्त करतात.
  • तज्ञांच्या मंजुरीला बायपास करणे. सत्यापनाशिवाय तांत्रिक/कायदेशीर सामग्री प्रकाशित केल्याने धोकादायक त्रुटी निर्माण होतात.
  • कायमची एकच फाइल वापरणे. प्रक्रिया आणि साधने बदलतात; Have the content updated periodically.

सारांशात

  • दर्जेदार प्रशिक्षणासाठी, AI ला तीन गोष्टी स्पष्टपणे द्या: लक्ष्यित प्रेक्षक/स्तर, “मे” फॉरमॅटमध्ये मोजता येण्याजोगे शिक्षण लक्ष्य, कालावधी/स्वरूप.
  • तुम्ही मॉड्यूल सांगाडा, परिस्थिती, रोल-प्ले आणि प्रश्नमंजुषा एकाच प्रॉम्प्टसह तयार करू शकता; प्रौढांच्या शिक्षणासाठी सराव आवश्यक आहे.
  • सेकंदांमध्ये समान सामग्री वेगवेगळ्या स्तरांवर अनुकूल करा; लक्ष्य स्थिर राहते, खोली बदलते.
  • दीर्घ प्रशिक्षण सत्रांचे मायक्रोलेर्निंगमध्ये विभाजन केल्याने पूर्ण होण्याच्या दरात लक्षणीय वाढ होते.
  • तांत्रिक/कायदेशीर सामग्री विषय तज्ञाद्वारे सत्यापित केली असल्याची खात्री करा; स्केलवर प्रसार करताना त्रुटी देखील प्रमाणात नुकसान करते.

अर्ज कार्य

तुमच्या टीमला खरोखर आवश्यक असलेले कौशल्य निवडा (उदा. "प्रभावी मीटिंग व्यवस्थापन"). तुम्ही AI देता: (1) एक मॉड्यूल सांगाडा जिथे तुम्ही लक्ष्यित प्रेक्षकांना, पातळी, मोजता येण्याजोगे शिक्षण ध्येय आणि कालावधी देता; (२) प्रगतीशील अडचणीची 3 भूमिका-प्ले परिस्थिती; (3) 5 प्रश्नांची क्विझ तयार करा. नंतर सामग्री दोन स्तरांवर (नवीन/अनुभवी) जुळवून घ्या आणि सर्व पॉलिसी/आकृती दावे चिन्हांकित करा आणि सत्यापित करा. प्रत्यक्ष सहभागी आउटपुटची चाचणी घ्या आणि फीडबॅक मिळवा.

चेकलिस्ट

  • लक्ष्यित प्रेक्षक आणि पातळी स्पष्टपणे सांगितले आहे का?
  • [ ] शिकण्याचे ध्येय "...-may" या वाक्याने मोजता येईल का?
  • कालावधी आणि स्वरूप दिले आहे, सामग्री कालावधीमध्ये बसते का?
  • स्पष्टीकरणाव्यतिरिक्त काही अर्ज (परिदृश्य/व्यायाम) आहे का?
  • [] प्रश्नमंजुषा प्रश्न अर्ज/निर्णय, हे लक्षात ठेवणे नाही का?
  • आवश्यक असल्यास सामग्री पातळीशी जुळवून घेतली आहे का?
  • [] तांत्रिक/कायदेशीर दावे तज्ञाद्वारे सत्यापित केले गेले आहेत का?