CPLPハイライト

2017年09月13日 16:51

例題1) パフォーマンス・マネジメントの専門家がマネージャーとコーチングについて話し合っています。コーチングをするに当たってのヒントを出してもらうことにしました。マネージャーの上司で有る、あなたがこの場合とるべき態度はどれですか。

A -Confront the workers, and tell them to start working again now that they’ve paused to relieve some stress.
B -Provide information and direction.
C -Ask questions, and explore their emotions and feelings.
D -Neutralize their anger, and allow the individuals to tell you their concerns.

【解答】 B が正解です。情報と方向性が明らかになることによって将来への不安がなくなり優先事項がわかるため。

例題2) あるマネージャーはいつも新しい問題を抱え、長期計画を立てられません。そのマネージャーにシステム思考を応用する必要があると伝えたいとする場合、どのような根拠を挙げますか。

A -It will help identify the most appropriate training solutions needed to fix the problems.
B -It will help identify the employees who are best at resolving crises.
C -It will allow the management team to uncover the root causes contributing to the problems and consider the effect of any implemented changes.
D -The organization will not thrive without long-range planning.

【解答】 正解はC。システム思考は、組織の一部を変更することによって、他の部署にも影響が及ぶことを示し、小さな変更による影響を理解し、大きな問題が生じることを防ぐため。

例題3)以下の説明文のうち、パフォーマンス分析を一番正確に定義しているのはどれですか。

A -It is the process of identifying constraints on the performance improvement initiative.
B -It is the process of identifying business goals.
C -It is the process of identifying the organization's performance requirements and comparing them with actual performance.
D -It is the process of gaining an understanding of external influences on the organization.

 【解答】 正解は、C。 パフォーマンス分析は組織の実際のパフォーマンスと理想のギャップを測ることであるため。

*詳細は、ATDから発売されている「ATD Learning System」を参照ください。
スポンサーサイト

T+D Magazine最新号トピック: データ重視の学びのパーソナリゼーション, Zach Posner

2017年09月13日 16:50

ここ数十年の間に企業教育も随分変化しました。90年代は、コンピュータ・ベースの研修があり2000年代は、e-learningが導入され、ブレンド、コラボラティブ・ラーニングが、次々と姿を表しました。

1つ1つが前進であり、研修の専門家のみならず学習者にも恩恵をもたらしました。同時に職場も変化し、それに我々もついていかなければなりません。今の学習者は、「困惑気味、集中力に欠け、結論を急ぐ」と言われています。そして、コンテンツが「エンゲージング、シームレス、パーソナライズ、そして、すぐに目の前に現れること」を期待します。こういったニーズにどのように応えられるでしょうか。

McGraw-Hill Educationは、モジュラー形式、データ重視、かつ、マスタリー・ベースの適応学習を提案します。

学びをモジュラーに

モジュラー化した、一口サイズのコンテンツは新しいものではありません。マイクロ・コンテンツと呼ばれるものは、ツイート、likeといったソーシャル・メディアに溢れています。ビデオでさえ、30分ものがyoutube clipの3分に凝縮されています。コンテンツは、短期間の消費に向くものが制作され、人の短い集中力とも合致します。

一口サイズは、多くの学習者を掴みます。長いコンテンツに我慢することなく、食べきりサイズで学びができる。学びを得意とせず、集中力にかける学習者にとってこれほど嬉しいことはありません。

マイクロ・コンテンツは内容を短くするだけではありません。学習者にとって必要な内容を適切な時に、柔軟性を持って提供します。これは、データによりバックアップされ、シンクロされたエコ・システムに導入されるともっと強力な力を発揮します。

データ重視のパーソナリゼーション

消費時間、エントリ・ポイントといったオンライン・ユーザ・データというものを多くの人はご存知でしょう。こういったデータは、ウェブサイトの最適化のために使われますが、各ユーザのエクスピリエンスをカスタム化することにも適用できます。

例えば、Netflixのビデオ・レコメンデーションやアマゾンのe-commerce レコメンデーションでは、ユーザの好みが示される仕組みがあります。レコメンデーションは、2種類あり、ユーザが見たり購入したりしたコンテンツ、そして、タグ付けされた属性情報です。タグづけに関して言えば、無制限に使えるため、強力です。例えば、楽しんだ映画のタグは、女優、スクリプト、と限りなく挙げられます。現実には、すべての要素が複雑に絡み合いますが、タグづけが効果的だとそれが形となります。個人のインターアクションは、すべてのユーザのアルゴリズムにも適用できるため、すべての人のエクスピリエンスも改善されるようになります。

データ重視のパーソナリゼーションが他の業界でうまくいっているのだから、次は私たちの番です。

データを使って学びの成果を上げる

学びは複雑なプロセスです。個人の学びを考える時、4つの要点を考慮しなければなりません。正確性、時間、メタ認知、エンゲージメント。最初の3者のデータは、回答の正確さ、回答にかかる時間といったことから推し量れます。エンゲージメントは、他の3点から推測します。

すべてのデータが一緒になると、個人の学びを最適化できます。行動やパフォーマンスを表すデータを学びの最適化に繋げ、効果的、かつ、効率的なレッスンを提供できます。これを適応学習と呼びます。

適応学習をオートメーション化したパーソナル・チュータを考えて見ましょう。学習者のスキル・知識・パフォーマンスの情報を引き出し、教材やタスクをそれに合わせます。適応学習の目的は、学習者のニーズに合わせて、弱い領域を改善し、その人に合うペースや方向でコンテンツを進めることです。

適応学習は、学習者一人一人のニーズを満たすコンテンツを作りだします。本質的にデータ重視の、最終ゴールが学びとなるマイクロ・コンテンツです。Netflixのようにコンテンツは小さな断片に分けられ、最適化したプレゼンテーションを提供するためにデータの最適化がなされます。

例えば、従来の設定であれば、学習者はすべてのコンテンツに目を通さなければなりませんが、適応学習であれば、マスターした内容以外のコンテンツを学ぶことができます。

ここでの強みは、高い効率と効果性です。すでに知っているコンテンツに時間を費やす必要がありません。さらに伸ばすべき領域に時間と集中力を当てると習熟度も改善します。集中することによって習熟度が上がり、学びの満足度も高まり、記憶や完了度も好転するといいます。エンゲージメントも良い結果が出ています。学習者は、学びのオーナーシップを持つようになります。

強みがこれだけ有るだけでもすごいことですが、まだ話は終わりません。データはリアルタイムのため、研修インストラクタやマネージャは、すぐに反応を返すことができます。一眼で、指導内容を変え、コンテンツを洗練するができます。この点でも適応学習は多くのステークホルダに恩恵を与えます。

適応学習、アジャイル・オーサリングを統合してデータ重視のエコ・システムが出来上がります。人を中心としたデザインやデリバリが形成されます。

適応学習とプロフェッショナル・ラーニングへのアプローチ

Mcgraw-Hill Educationの適応学習は、テクニカル、定性的、定量的な内容を、ホスピタリティー・ビジネスから法務まで幅広く提供しています。

ゴールから学習目標にブレークダウンし、リソースとアセスメントを紐づけます。こうやって、学習者のインターアクションのデータが生まれ、適応学習、アジャイル・オーサリングが実現します。

Mcgraw-Hill Educationは紙媒体のテキスト販売会社から学習サイエンスの会社を目指し、従業員や顧客をエンゲージする企業文化に変えるために、従業員のコンピテンシーも見直し、期待される行動様式を新しく示しました。

従業員がスケーラブルに適応学習を実現できるようにしました。適応学習が効率よく、効果的にパーソナライズされることを実現し、データ重視のプラットホームを定めました。いかなる教材も導入することができ、タレント・ディベロップメントの専門家が、適応学習を推進するためのツールとなることを目指します。

学習理論やHPIを企業課題に活かす

2017年09月13日 16:48

■ 研修を活かす環境と選定基準 

先般、研修をめぐる痛ましい事故がありました。その研修がポピュラーな研修であったという事実にもびっくりしました。一体何を基準に研修を選んだのか。本来であれば、学習理論や脳科学的なアプローチには決してそぐわない研修のようでした。 

新人の研修などでは、効果的ではないということがわかっていても「詰め込み型」になってしまうのでしょうか?大変優れた設計がなされた研修でさえ、「研修」だけでは、業務実践への展開や定着は望めません。業務上の実践やフィードバックの仕組み、制度や、場合によっては、組織文化も考慮しなければ、結果として、研修で習ったことが実務には活かすことができない現状を見ることは沢山あります。 

研修を、単純に「XX社でもやっているから」、とか「xx業界では人気のある講師だから」とか、「メディアで有名だから」などで選んでいないでしょうか? 
 
インストラクショナルデザインはもとより、学習者心理や学習理論を抑えた研修ファシリテーションの知識やスキルのある研修会社なのか、そのプロフェッショナル(認定や資格を受けているのか)はいるのか、どのような設計思想や講師のファシリテーションスキル基準を持っているのかなど、研修を選定する側として基本的な理論を押さえておく必要もありそうです。 
  
ヒューマンバリューから出版されているATDベーシックシリーズの
 「組織における成人学習の基本」や「脳科学が明らかにする大人の学習」などを参考に、研修や研修講師の選定基準を考え直してみてはいかがでしょうか?

■ 「働き方改革」掛け声の落とし穴 

政府主導での「働き方改革」が叫ばれ、プレミアム・フライデーの実施や、残業時間の削減、テレワークの導入などといった施策があちらこちらで始まっています。 

そもそも「働き方改革」がゴールではないこと、何が目的なのかを示しているのではなく、ある種の「手段」の方向性を示しているだけのハズですが、いつの間にか政策側が示している「施策」実施が「働き方改革」の目的になってしまって、現場のスタッフやマネージャーが疲弊してしまっている現状はないでしょうか?
 
以前にもHuman Performance Improvement (HPI)をニューズレターでもご紹介しましたが、HPIは、組織のビジネスゴールや目標の明確化に始まって、期待される状態の定義と現状の分析に始組織の要因(制度、組織構造や業務プロセス、リソース)と個人要因(動機、知識やスキル、心身の健康)の観点から統合的に期待されるパフォーマンス状態の阻害原因を分析した上で解決策につながる「インターベンション(施策)」の組み合わせを選定します。実施に際しては、行動に関しては1か月以内の定着、業務現場に関連した目標に関しては、6か月をめどにその改善度を測定し、実施した「施策」が本当に「ソリューション」となっているのかを検証する、というPDCA, KAIZENのプロセスを回すチェンジ・マネジメントプロセスです。
「働き方改革」の推進こそ、チェンジ・マネジメントプロセスであり、組織文化のチェンジも見据えた統合的なアプローチをとらなければならない課題のはずですが、その大元の「目的」も共有されることなく、根本原因の分析も曖昧なまま、「想定原因」にアプローチする「施策実行」が次から次へと行われ、結果として巻き込まれる人達が「本当にこれが『働き方改革』になるのか?」という懐疑的な状態に陥っていることが、8月8日に発表されたNTTデータ経営研究所の調査レポート「働き方改革の取り組みと職場へのインパクト」にも示されていました。
 
欧米やインド・中東の先進企業においては、社内パフォーマンス・コンサルタントを設け、チェンジ・マネジメントを推進している企業も多く表れています。当社代表中原の元職場であるマイクロソフトでもそうでしたが、代表的なIT企業においても(Amazon、CiscoやIBMなど)でも Human Performance Improvement や Human Performance Technology のフレームワークに基づいて組織変革のゴールを明確にしながら、長期的な組織の成長と戦略目標の実現に向けた組織変革の推進をファシリテーションしています。2017年ATDの国際会議におけるIBMの改革推進のセッションでは、「人事マネージャー/パフォーマンス・コンサルタント」という役職の方が発表をしていましたが、社内におけるパフォーマンス・コンサルタントの位置づけが確立されていることに先進的な改革を継続的に進めていこうとしている同社のメッセージを感じました。
 
「目的(PURPOSE)」が不明瞭なまま何かをしなければならない状態ほど働く人にとって苦痛なことはありません。日本を上げて取り組んでいる「働き方改革」において、「こんあことやったって『無駄』だよな・・」という気持ちの人を増やしてしまわないよう、働き方改革に取り組まなければならないチームや人事のメンバーは、今こそ社内コンサルタント、チェンジエージェントとしての知識やスキルを武器とすべき時ではないでしょうか。

CPLPハイライト

2017年07月14日 13:21

例題1) 「問題」の3要素に当てはまらないものはどれですか。

A -Events
B -Patterns
C -Resources
D -Structures

【解答】 C が正解です。このモデルにおいて、取り上げる「視点」でなく、問題を見るレべルでもありません。リソースは将来、問題の源になりえます。

例題2) システム思考の原理に当てはまらないものはどれですか。

A -Solutions should be chosen and implemented as quickly as possible.
B -Cause and effect are not related to time and space.
C -There are no final or right answers.
D -Behavior gets worse before it gets better.

【解答】 正解はA。システム思考において、解決策がすぐに選ばれ、導入されることは関係がないから。システム思考の課題解決は、長い期間をかけて、基本的な事象にアプローチすることから始まる。

例題3)合併して間もないある企業の従業員は、新しい体制において何をしたら良いか考え、組織のどこに自分が所属しているのか定かでありません。彼らは、パフォーマンス・マネージメントにおける次の4つの段階のどこにいますか。

A -Disengagement
B -Disidentification
C -Disenchantment
D -Disorientation

 【解答】 正解は、D。 この段階の従業員は、混乱し、自分の居場所がわかっていないことから。

*詳細は、ATDから発売されている「ATD Learning System」を参照ください。

T+D Magazine最新号トピック 「自律した学習者は仕事でも成功する」

2017年07月14日 13:20

第4次産業革命の真只中、仕事のやり方だけでなく、性質も変化している。前の産業革命において、人々は、新しい需要に応えるため、何十年という月日を新しいスキルを身につけることに費やしてきた。しかし、まさに今、産業界、企業、そして、従業員たちが、すばやく変化に適応できるかどうかを問われている。新聞社、本屋、小売店が軒並み潰れる中、誰もが持ちこたえられるかどうかはわからない。

変化に伴い、業務スキルもシフトしている。SEOスペシャリスト、app デベロッパー、インフォメーション・セキュリティー・アナリストといった10年前には存在しなかった職業が生まれている。既存の職業もスキルの進化が見受けられる。工場スタッフは今やオートメーションを管理し、機械をコントロールする。

人々は、どのように変化に適応し、必要なスキルを身につけているのか。より効率よく、速く学ぶにはどうすればいいか。メタ認知ストラテジーを使って、人々は学びを規制し,理解することができる。

メタ認知とは何か
簡単にいうと、自分の学習を自分でコントロールする学習者を作ること。メタ認知とは、人が自分の思考や学習プロセスを認識し、コントロールするのを助けることである。

例えば、何か学んでいる時、わからない項目をリスト化するのは、メタ認知ストラテジーを使った行為である。問いの前に2つの「!」をつけることは、その場で解を出すことを自分に命じていることを示す。解がわからなければ、前に進めないため、再度問いかけ、助けを求め、リソースを使ってあらゆる手段を使って解を求める、

メタ認知を人が使うのは、より効率よく学び、前の教訓から次の学びを行い、なぜあるトピックがより簡単に、もしくは、難度が高いのかを分析する時である。

指導者は、意図的に学習者の学びを自分ごとにするために、メタ認知を使う。特に、職務スキルが変化している今、私たちは、自分の学びを自分ごとにする必要がある。なぜなら、指導者がいなくても自分で学ぶ方法を身につけなければならないため、タレント・ディベロップメントの専門家だけがこれをできるようではダメだ。
学ぶ方法を理解し、学びを規制するステップは4つある。

—学ぶことを理解する
-学びのゴールをたてる
-進歩をモニターする
-ストラテジーや結果を評価する

<表1>はメタ認知の規制 に関する質問である。これは共時的、教室、会議、または、非共時的な場でも使うことができる。
「何が、わからないのか、どのようなサポートがあれば、わかるようになるか」とよく尋ねる。そして、「この指導のどの箇所を現場で応用するか」とも尋ねる。

教室に来れば、全ての情報を得られると学習者に幻想を抱かせる事によって、かえって彼らに害を及ぼしている。大人は、いわゆる学習の場よりインフォーマルな場で生産的に学ぶ。こういった質問を投げることによって、自分たちの中に問いかけを内在化することを意図している。

<表1>
<ゴール設定>
学習目標は。
指導のどの箇所があなたの業務に関連するか。
このテーマについてどのような質問があるか。
学び、練習するためにどれくらいの時間を確保しなければならないか。

<モニター>
わからないのはどこか。
このセクションをあなたの言葉でまとめてみましょう。
何が理解できませんか。どのように理解できるようにしますか。
どのようなサポートがあり、リソースがありますか。
記憶しなければならないことは何ですか。どのように覚えますか。

<評価>
学習目標を達成したか。
何がうまくいったか、なぜですか。
何がうまくいかなかったか、なぜですか。
これを学ぼうとしている人にどのようなアドバイスを授けますか。

学ぶ方法がわかれば、仕事の生産性も上がる
指導におけるメタ認知の研究はたらふくあるが、あまり実用化されていない。残念なのは、指導者が、学びの成果に大きく貢献することに気づいていないことである。

メタ認知は、学びを助けるだけでなく、仕事もうまくこなせるようになる。”What do you know: do we know when we don’t know?”というblogで、パフォーマンスの低い人が、自分のメタ認知スキルを評価することができない為にパフォーマンスが低いことを自覚していない例が示されている。

メタ認知が教えられないのは、複雑な学習サイエンスだと思われているからだ。この分野の「なぜ」そうなるかを考えることは、複雑だが、応用することはそんなに難しいことではない。メタ認知は、質問などの応用が可能だ。そして、考え、思いや行動とつなげ、成果を出す。メタ認知を教えることによって、

・ さらにたやすく学ぶことが可能になる。
・ 「理解するということ」を分析する。
・ 記憶する最適の方法を理解し、使う。
・ 学んだことを仕事に応用する。

メタ認知は、学びを自律的に行う秘訣だ。

メタ認知の学びのストラテジー
最後の箇所で述べたように、人が何をわかり、わかっていないのかを判断し、誤った理解を正すことが重要である。要旨を自分の言葉で述べ、自己テストに答えることでできる。

要旨は、多くの研究によって、「理解」の度合いを立証する。ここで、誤解を正すことが可能だ。

しかし、指導者は大抵ここまで確認しない。そこでより深い学びが困難となる。

<表2>にあるようなメタ認知サイクルに沿った学びのストラテジーを指導に入れるべきだ。<表1>では、アクティビティとして扱ったものが含まれている。

これは、教室と共時的な学びで活用できるが、非共時的な場でも使用できる。例えば、要旨などをまとめることを非共時のアクティビティとして、教室の学びとブレンドできる。
 
メタ認知による学びは、人の学びを深め、パーソナルにし、学びを正確にする。学びの科学を使って、次から次へと変わるスキルを効率よく体得してもらう必要がある。メタ認知は、すべてのインストラクションに導入することが可能である。

<表2> メタ認知の学びのアクティビティ
<ゴール設定>
学習者の知っていること、まだ知らないことを挙げる。
テーマのアウトラインを与え、テーマに関する質問ができるようにする。
テーマに関する誤解を明らかにする。

<モニター>
インストラクションでもっともわかりづらかったのはどこか。
キーポイントごとに学習者の言葉でまとめてみる。
学習者に質問と回答を作ってもらい、 その質問に学習者に答えてもらう。
それぞれのメモを比較する。
応用することが困難な箇所をどのように理解するか話しあう。

<評価>
学習したことをどのように応用するかシェアする。
次のステップに移る計画をシェアする。
同じ内容を学ぶ次の人へのアドバイス。
インストラクションの後、リソースを使って学びをサポートしあう。

詳細は、T+D Magazine 2017年4月号をご覧ください。