中原孝子の学び舎 ～ Learning Universe ～

実践的かつ実用的なAI活用
By Brandon Carson, Michael Hruska


AIを人材開発プロセスを５段階で統合

職場では、AIが自動化する定型的なタスクから、共同作業やチームでの作業に集中することが求められるようになり、AI は人材開発のプロセスの階層構造を変化させています。 Deloitte によると、人事部門の 30% 以上が AI を活用して、AI 統合によってもたらされるプロセスの混乱に適応できるようにしています。これは、仕事のやり方だけでなく、職場での意思決定の仕方にも影響を与えます。
-人間のみの決定。人間は、より概念的で文脈に依存しない決定を委ねられます
-マシンのみの決定。マシンは、ほとんどの日常的な決定を担当します
-人と機械のコラボレーション。マシンと人間が連携して、意思決定を検証します

AI はすべての仕事と従業員に大きな影響を与えるでしょう。これからは、あらゆるレベルの従業員がテクノロジを使って仕事を遂行するようになるということです。この新しい働き方により、人間はますます要求の厳しい戦略的で革新的な仕事を引き受けることができるようになり、機械的なタスクはインテリジェントマシンに任せるようになります。

TD（人材開発者） にとって不可欠なことは、適応可能な学習システムを活用して、パーソナライズされた方法で人材開発のための情報と対話を規定することです。 AI は学習体験を最適化し、より深いエンゲージメントを促進し、スキルの蓄積を加速します。これらはすべて、パフォーマンスの向上につながります。

AI入門

採用と候補者の選択から始まり、AI はオンボーディングからジョブ、コンプライアンストレーニング、リーダーシップ開発に至るまで、従業員の開発をサポートしています。 TD がその機能を変革し、企業全体でカスタマイズされたエクスペリエンスを提供する適応性の高い組織になるに従って、AI テクノロジとは何かを徹底的に理解することが重要です。

AI は、知っていることと学習したことに基づいてダイナミックな決定を下します。 AIには、狭義人工知能と汎用人工知能の2種類があります。

現在のほとんどの AI エクスペリエンスは、企業が定型業務の効率と自動化を向上させるために標準化されたプロセスから適応可能なプロセスに移行するための人工的な狭い知能から派生しています。単純なタスクや手作業のタスク、または完了するのに最小限の時間が必要なタスクは、AI を使用した自動化の最適なターゲットです。

汎用人工知能は、人間と同じくらい賢いマシンである超知能を表しています。人間ができることは何でも（そしておそらくそれ以上）達成するでしょう。現代の人類は、AIが私たちの代わりに考え、私たちの生来の人間性に取って代わる可能性のある超頭脳のようなものを生み出す50 ～ 100 年ほど遡った時系列にいます。

AI を構成するテクノロジは、機械学習、自然言語処理、データです。機械学習はまさにその名前が示すとおりです。機械は、明示的にプログラムされることなく自動的に学習します。

自然言語処理技術により、コンピュータは人間の言葉を理解できるようになります。これは、コンピュータと人間がコミュニケーションをとるために必要な AI のコンポーネントです。

データは AI の促進剤です。これは、機械学習と自然言語処理を推進する基礎です。アルゴリズムのプロセスはデータから始まります。結果として得られるアルゴリズムの関連性は、提供するデータの品質によって異なります。

基本的に、AI は人間の介入を必要とするタスクを実行するスマートなソフトウェアです。何かを単純に自動化するアルゴリズムは、 AI ではありません。非常に多くのベンダが自社のソフトウェアの機能を宣伝するために AI と名乗っていますが、この違いは非常に重要です。特にベンダーソフトウェアを分析する場合はそうです。

L&DにとってAIが意味するもの

ラーニングエコシステムは、人、テクノロジー、プロセス、測定と分析が経験と交わる場所です。 AI はその中で 1 つのテクノロジであり、測定と分析に重点を置きます。 TD チームが、職場のパフォーマンスに関する有意義な視点を引き出す測定と分析がますます重要になってきます。

しかし、その驚くべき可能性だけでなく、AI は、企業がケイパビリティの危機に直面しているという事実も明らかにしました。 AIテクノロジが導入された仕事場では、従業員がより非定型的なタスクを実行し、複雑な問題解決、イノベーション、および戦略的思考により集中するため、多くの従業員のスキルを向上させ、再教育の必要性が明らかにしています。

最も重要な成果は、職場と従業員の両方が、AI テクノロジがすべてのビジネスにもたらしている戦略を確実に実行することです。 TD をより適応性の高いAI 主導の機能に変換することは容易ではありません。 AI を適切にテストして統合するために、TD チームはテクノロジの洞察力、ビジネスの洞察力、および適度な忍耐力を必要とします。最新のTD 機能は、AI の採用を検討し、TD ライフサイクルで AI を活用するために必要な機能を構築する必要があります。それは、会社の市場でのビジネスの競争力を確保する上で重要です。

AI を TDに統合し、より即時的で有意義な学習体験を提供するには、次の 5 つの手順に従うと良いでしょう。

-テクノロジの理解を深める
-学習戦略をビジネス戦略に合わせる
-モチベーションを高め、考え方を変える
-パイロットの試行と成長
-拡大化と維持

テクノロジーの理解を深める

AI を統合して学習テクノロジエコシステムを最適化することに成功するには、人材開発担当者のテクノロジ能力向上から始めます。矛盾に聞こえるかもしれませんが、AI 戦略を成功させる鍵は、人的資本への投資を増やすことです。有意義な AI 戦略を運用し、AI システムを可能な限り生産的かつ効率的にするためには、デジタルリテラシの高いチームが必要です。 AI を TD 機能に統合し始め、チームで次の機能を開発することに集中してください。

データ戦略、ガバナンス、およびポリシ
TD のデータ戦略は、学習戦略をサポートし、少なくとも使用とエンゲージメントの効率性を管理するのに役立ちます。プロセス、標準、方法論に対するガバナンスを確立して、TDがデータを一貫して、倫理的に、バイアスのない状態で使用します。データを使用するためのポリシは、ビジネスデータとパフォーマンスデータの調和に重点を置き、対象者が望ましいパフォーマンス結果を達成できるように学習体験をサポートします。

さらに、ビジネスと連携して、さまざまなデータ、企業および政府のポリシと規制、従業員のプライバシ、およびその他のコンプライアンス関連事項との相関関係を統合します。データ分析チームは、職場と従業員の生産性データを収集、分析、視覚化するシステムを構築して統合する場所を理解し、大規模またはノイズの多いデータセットによって引き起こされるボトルネックを理解する必要があります。

もう 1 つの重要な機能は、コンピテンシまたはスキルフレームワークを使用して、学習ソリューションとその結果のデータを追跡および管理するシステムを作成することです。これにより、TD チームは、コンピテンシの連続体に沿った学習とパフォーマンスの間の重要な関係をより深く理解することができます。デジタルダッシュボードやレポートシステムなどの実用的なディスプレイにデータを読み取る力が必要です。

コンテンツ インテリジェンス
学習ソリューションの開発に重要なのは、L&D が頻繁に作成する研修・マニュアルを管理することです。コンテンツ開発における AI の役割は、ワークフロの自動化を可能にすし、その結果、プロセスがより効率的になり、精度が向上します。

AI を使用してエンタープライズコンテンツの有効性を分析および判断し、TD がコンテンツをどのように管理しているかについて実用的な洞察することで、手製コンテンツ開発を変革します。たとえば、AI ベースのシステムを活用して、学習者のインタラクションに基づいてコンテンツをリアルタイムでアップデートが適正であるかどうかを判断するために必要なデータを抽出できます。

全体として、インテリジェントコンテンツシステムへの移行は、TDが最小限の手作業で学習コンテンツを効率的にキュレーション、作成、管理、および実行するのに役立ちます。これにより、インストラクショナルデザイナは、コンテンツそのものではなく、学習体験のデザインに集中することができます。

インテリジェントなコンテンツシステムは、翻訳、文字起こし、自動タグ付け、メタデータ (特にバッジなどの報酬メカニズム)、文法チェック、および企業ブランドの調整のためのコンテンツの広範な使用を管理する上でも重要です。インテリジェントなコンテンツシステムは、企業全体の既存コンテンツを特定することで、コンテンツ開発をさらに自動化し、無駄を減らして精度を高めます。多くのベンダがインテリジェントコンテンツサービスを提供しています。

ユーザ体験
デザイン思考ツールを活用し、学習エコシステムを共同でモデル化することにより、ユーザエクスペリエンスデザインと学習デザインの統合を促進します。このようなツールを使用すると、問題のさまざまな要素、コンテキスト、または潜在的な解決策を視覚化できます。

地域分布でエンドユーザにとって何が効果的かを理解するには、学習エコシステムを構成するノード間の相互依存性を視覚化する機能が必要です。学習エコシステムの要素と関係を理解する上で、さまざまなデザイン思考ツールを使用できます。エンドユーザのニーズからエコシステム全体の複雑さに至るまで、学習エコシステムのさまざまな要素を視覚化、定義、探索、および将来を見積もるためのツールがいくつかあります。たとえば、共感マップは、ユーザについてわかることを把握できる視覚化ツールです。

学習戦略とビジネス戦略を一致させる

ビジネス戦略との深い連携を可能にすることで、AI を基盤として、より適応性の高いTD機能の構築を開始します。適応型TD機能は、メトリックを結び付けて、ビジネスの変化の速度により機敏に対応します。最初のステップは、できるだけ多くのTDプロセスを自動化し、AI がビジネスに影響を与える可能性があるものを理解するために、人材開発のニーズを関連付けることです。 AI が影響を与えるメトリクスを特定すること (組織の KPI と先行および遅行する指標を必ず一致させること) は、ビジネスの成果を評価するのに役立ちます。このプロセスでは、次のことを調べます。

-影響が必要な場所と規模は?
-変更や別の投資を行った方がいいかの判断点を理解する上での障壁となるのは何か?
-データ機能と最先端の AI テクノロジをどのように連携させて、インパクトを引き出す要因と連携させることができるか?
TD は、標準化されたプロセスの作成に基づいて大規模な成功を収めてきました。過去 10 年間で仕事が指数関数的に複雑化したため、作成された標準プロセスの多くは、急速に進化する職場のニーズに対応できていません。

デジタル時代以前の作業モデルでは、TDまたはビジネスはプロセスを測定、最適化、標準化して効率を高めることができました。 AI は、より適応性の高いプロセスを可能にしています。これは、作業チームや個人のニーズに適応し、一連の連続したステップではなく、リアルタイムのデータによって駆動される、より高速で柔軟なプロセスにつながります。その新しい機能を活用して、大規模な学習体験の設計についてどのように考えるべきかを述べます。

モチベーションを上げて考え方を変える

技術革新を推進するには、TD に対する健全な研究開発コンポーネントが必要です。 TD 内に実践機能のコミュニティを確立し、ビジネスの変革において人事と L&D が果たす役割に関して考え方を変え、企業全体の利害関係者とのつながりを促進します。

企業全体に大規模な学習ソリューションを提供することは、ますます複雑になっています。過去 20 年間のデジタル学習の統合により、アクセスが容易になりました。ただし、アクセスとエンゲージメントはまだまだ低いです。組織が学習文化に移行するよう動機付けるには、考え方を変える必要があります。このプラクティスでは、仕事のほぼすべての側面が再定義されているため、パフォーマンスの準備と集合的な知恵の生成と取得におけるTDの役割に焦点を当てる必要があります。

企業のユースケース、ニーズ、および確立された指標に AI テクノロジーを適用するための調査を動機付けます。
-AI をスキルとテストシステムに適用させ、パフォーマンスにつなげる方法を検討してください。
-AI テクノロジを活用して企業の学習システムの効率性、パーソナライズ、適応性を促進するための調査を動機付けます。トレーニングプログラムは、従業員がより熱心に取り組み、ユニークな個人として認識されている場合に、より効果的です。 AI は個々のニーズに対応し、従業員は自分が巨大な機械の単なる歯車ではないことを実感できます。
-HR アナリストとビジネス アナリストは、コンピテンシーフレームワークの理解について足並みをそろえる必要があります。また、採用のためのコンピテンシーモデルを開発するための考え方と動機を持ち、パイロットとスケーリングの取り組みのガイドとする必要があります。
-IT パートナーシップを構築して、新しい人事および L&D システムのイノベーションをサポートし、イノベーションを推進します。

パイロットと成長

TD チームのメンバは、テクノロジがビジネスの成果と一致し、やる気をあげ、つながりのある考え方で作業することを理解した上で、AI テクノロジの最初のパイロット統合を行うことが重要です。結果は、TD プラクティスへの AI のより包括的な統合に向けて投資の拡大するために最も重要です。それは次のようなプロセスです：

-柔軟に考える — パイロットを開始し、結果を分析し、それに応じて反復します。これは、パイロットを繰り返したり、学んだ教訓を別のソリューションに取り入れたりすることを意味する場合があります。
-データを積む — それほど複雑ではなく、ビジネスの成果に対する必要性と明確な願望を備えたパイロットを選択します。データに傾向が見られない場合、パイロットを開始するのが難しくなり、有効性データが曖昧になったり、洞察を導き出すのが難しくなったりする可能性があります。
-望ましい結果、つまりエクスペリエンスで発生する可能性のある変化 (たとえば、コンピテンシへのスピード) と望ましいビジネス成果を定義します。
-パフォーマンスと有効性の尺度を定義します。
-潜在的な交絡効果を特定します。
-テクノロジーと学習体験を定義します。
-テストします。
-ソリューションの結果を分析し、転送、個々のパフォーマンスの変化、およびチームのパフォーマンスへの影響の証拠を探します。

スケーリングと維持

ビジネス成果を実証するパイロットの結果が得られたので、ソリューションの拡大化を検討してください。どのようにスケーリングするかという観点から、パイロットの可能性を組み立てることは重要です。実証されたビジネス成果だけでなく、投資の影響の結果についての明確なアイデアが必要になります。

パイロットの結果を、パフォーマンスと財務結果の両方に関連付けられた明確な価値提案に組み立てる方法を決定します。投資に対する人的資本のリターンは重要であり、コストの削減、コストの回避、および保持と継続的な開発への影響のすべてが方程式に含まれます。人的資本の付加価値分析と人的資本投資の影響も、ROI を組み立てるための手段です。

AIへの期待

新しいテクノロジの実装には、考え方、勢い、規模に関する課題があります。 AI が人々の能力開発に影響を与える可能性は、優秀な人材を維持し、従業員のパフォーマンスを最適化するという一連の過程に沿って、重大な結果をもたらします。 これまで挙げた5 段階のプロセスは、従業員とビジネスの両方のために AI から価値を抽出するTD の能力を加速するのに役立ちます。

https://www.td.org/magazines/td-magazine/practical-and-pragmatic-ai-application

例題1）ジョブエイドとしてふさわしくないのはどれですか。

A. A task performed with relatively low frequency
B. A task with strict time requirements, such as response or reaction time
C. A highly complex task.
D. A task with a high consequence of error

【解答】 Bが正解です。正常な状態でない時に即時に対応しなければならないパイロットのための訓練では、ジョブエイドは役に立たないから。


例題2）自己管理的学習としてふさわしくないのはどれですか。

A. The level of self-directedness in the learner profile is low.
B. The learner audience is large, dispersed, or both.
C. The subject matter is mostly cognitive.
D. Learners have many individual needs.

【解答】 A. 学習者が学習における判断を下すのは、学習者となるため、それに対応できない学習者には適していないため。



例題3）非共時的オンライン学習の強みはどれですか。

A. It addresses learning in a group context.
B. It allows learners to communicate emotions in a safe environment.
C. It provides greater flexibility for participants.
D. It is most appropriate for training soft skills.

【解答】 C. トレーナと学習者が同時に学習の現場にいないこと。
＊詳細は、ATDから発売されている「ATD Learning System」を参照ください。

By Jennier Yaros


ゲーミフィケーションは効果的に作られていれば立派な学習ソリューションとなりえます
私は1980年代に子供時代を過ごしました。 最初のコンピューターゲーム (Pong、Pacman、Space Invaders) とともに育ち、市場に出回るほぼすべてのゲームコンソールを大事に押入れにしまっています。 今でも、Nintendo Switch を機内持ち込み手荷物に入れて旅行します。 そのため、L&D業界がゲームを取り入れ始めたとき、トレーニング業界にとってこれまでにない快挙だと思いました。 しかし、それは大いなる勘違いでした。
問題は、ほとんどの人がゲームを楽しむための方法としてしか見ていないことです。 ポジティブでやりがいのある感情は、学習への関与と保持を助けるため、優れたトレーニングには何らかの高揚の要素が含まれている必要があります。 ただし、ゲームの仕組みが貧弱で、コースの関連性と信憑性が不明瞭または低下している場合は、その楽しさも半減します。

ゲームを取り込んだトレーニングでよくある間違いは次のとおりです。

過度に複雑なインターフェース - 学習者はコースをナビゲートする方法を簡単に認識できません。
無意味なポイントやバッジ—ポイントやバッジが簡単に手に入ると達成感が失われます。
無関係 - 学習者は、ゲームの目的を望ましいスキルや行動に結びつけていません。
つまらない—タイマーと音楽を追加するだけでは、知識チェックをゲームに変えることはできません。
分析重視
ネガティブなことばかりを考えると、ゲームを取り入れたトレーニングに反対しているように聞こえるかもしれません。 しかし、その逆です。 ゲームは、適切に組み込めば、立派なトレーニングになります。

報酬、ポイント、およびその他のゲームの仕組みを効果的に組み込み、特定のスキルや行動を引き起こし、奨励できます。 そのためには、分析フェーズに十分な時間を費やす必要があります。近道などありません。 分析段階でデューデリジェンスを行うと、残りのコース開発が容易になり、コースによって測定可能な結果が得られます。

ゲームの仕組みを強化するには:

ビジネスの目的、学習の目的、学習者のペルソナを常に念頭に置きます。
ユーザーエクスペリエンスとユーザーインターフェイス (UX/UI) が、コースのトーン、トピック、および学習者に合致している必要があります。
学習者が仕事で成功するのと同じ行動とスキルが反映されるように、ゲームの仕組みを設計します。

レベル 1: 関連性

効果的なコースを作成するために、トレーニングのビジネス目標、適切に記述された実行可能な学習目標を掲げることが重要です。 ゲームを組み込むことに決めても、それは変わりません。 どちらかといえば、この基本がさらに重要となります。

トレーニングコースを完了することは、学習者の職務の遂行をサポートすることになります。 コースが自分の職務に役立つかを学習者が認識できない場合、刺激的なトレーニングゲームを作成しても、受講者が受講する可能性は低くなります。 前述のように、鍵は、ビジネスの目的、学習の目的、および学習者のペルソナを常に念頭に置くことです。

関連性を達成する方法の例を示しましょう。情報を暗記することは退屈で、難しいため、あえてそれを好む人はそうはいません。 そのため、例えば、従業員に、職場が後援する退職金口座を最大限に活用するための情報を記憶することを求めるような場合、コース制作者の私でさえ、ほとんど眠りに落ちそうになりました。

まず、クライアントの注意をビジネス目標に戻しました。 企業として、従業員に情報を知ってほしかったのはなぜか。 ビジネスにとってのメリットは何か？ そういった問いに答えていった先に、従業員の最善の利益を守ることは、企業文化の一部であることがわかりました。 会社が自分の最善の利益を念頭に置いていることを知っている従業員は、幸せで忠実です。

ビジネス目標が設定できたので、次は学習目標です。 データを記憶することは実用的ではなく、真の目的は情報を記憶することではありません。 情報は単なるツールです。 本当の目的は、従業員が退職金口座に関して最善の決定を下すということです。

そこで、それを奨励する行動を挙げてみました。 特定の行動を促すためにゲームを使って効果を上げられるため、これは重要です。

次に、学習者のペルソナです。 学習者が誰で、どのように考え、何に興味を持っているかを理解することは、より適切なトレーニングを実現できます。 クライアントのコースは、学習者は新入社員で、年齢は25 ～ 35 歳でした。 その年齢のほとんどの人は退職についてあまり考えていませんが、始めるには絶好の機会です。

分析で収集した情報をもとに、コースの学習戦略の開発に焦点を当てました。 特定の行動を促すのに優れたツールは、シナリオです。 学習者が自分ごとに感じられる状況を設定し、厳密に知識を伝達できるコンテンツをデザインできます。 このようにして、学習者は情報を学習するだけでなく、それを適用する際の意思決定も行えます。

クライアントの学習者は若い世代であるため、ゲームを導入したコースを楽しくし、すべてのシナリオを楽しく、かつ、役に立てられること考えました。学習者は、退職金口座への投資が人生のさまざまな時期にどのように影響し、経済的に安全に退職する方法を理解する必要があったため、人生ゲームを使用しました。 学習者にホイールを回転させ、カードの形で質問を提示させることでした。質問に答えた後、彼らは自分の選択、最良の投資戦略とは何か、それが退職にどのように影響するかについての追加情報を受け取ると言った形式です。使用したゲーム機能は、ゲームボード上での進行、シナリオ、ホイールの回転でした。

レベル 2: 効率的でアクセスしやすい

この記事では、クローズドキャプションやスクリーンリーダーなど、508 準拠の観点からアクセシブルという言葉を使用していません。 むしろ、コースと内容が理解しやすく、学習者が到達できるという意味で使用しています。

効果的なトレーニングに関して言えば、ゲームのグラフィック、シナリオ、およびその他のゲーム要素にどれだけ労力を費やしてもかまいません。 学習者がゲームを簡単にナビゲートしたり、ルールを理解したり、時間の有効な使い方だと信じたりすることができない場合、コースは失敗します。

意味のわからないつまらないゲームを経験したことがあります。その後、アプリを削除し、二度とプレイしませんでした。 画面上部に移動するのに上ボタンではなく下ボタンをクリックするなど、ナビゲーションが意味をなさなかったからでしょうか。 または、ゲームが高帯域幅を必要としたため、ゲームの読み込みに時間がかかったり、アクション間の一時停止が長かったりする可能性があります。 または、広告がゲームプレイを中断することもあります。

その経験を念頭に置いて、学習者の立場になってください。 悪い UX/UI は、通常のトレーニングでの学習体験を混乱させ、ゲームベースのトレーニングコースではさらに混乱させます。 すべての学習者がトレーニングを適切に表示し、混乱や不満を抱かずにコントロールを使用し、何が期待されているかを理解できるようにしてください。 また、意味のないフィードバックや情報による中断を最小限に抑え、ゲームのプレイ時間を妥当な時間に保ちます。 UX/UI を改善するには:
-共通のコントロールとナビゲーションを使用します。 ユーザーをイライラさせるだけなので、独自のメソッドを導入しないでください。
-ほとんどの学習者がタブレット、ラップトップ、またはデスクトップコンピューターではなくスマートフォンを使用する場合は、コンテンツが小さい画面に表示されるように準備してください。 ほとんどの学習者のインターネットアクセスが不安定な場合は、ゲームが低帯域幅で実行されることを確認してください。
-特にタイマを使って、単に「そうです！」と言ってゲームの流れを中断しないでください。 単純なチャイムで、学習者が正解したことを十分に知ることができます。 また、コンテンツは必要なものだけにしてください (レベル 1 を参照)。 追加の役立つ情報がある場合は、リソースページまたはダウンロード可能なジョブ エイドへのリンクを提供してください。
トピックと学習者に適切なトーンを設定することは、効率的でアクセスしやすさにつながります。

すべてのゲームメカニズムがすべての状況や学習者に適しているわけではないため、適切なゲームメカニズムを選択して、トレーニング コースに適切なトーンを設定してください。

レベル
レベルを学習の旅と考えてください。 各レベルは、前のレベルに基づいて習熟度の向上を示すか、レベルを使用してトピックを分割し、特定のトピックまたはスキルの習熟度を示すことができます。

課題
コースに課題を含める場合は、目標と学習目的に沿ったものにする必要があります。

ポイント/スコア
学習者に自分のやり方を知らせ、達成感を与える良い方法です。 ただし、ポイントの付与には注意してください。 それらを簡単に提供しすぎると、学習者にとって動機づけが低くなります。

バッジ
達成感を提供する方法です。 バッジはポイントより集めるのが難しいはずです。 それらを使用して、スキルの習熟度やチャレンジの完了を示したり、レベルを終了したりします。

コンペ
競争を利用して、学習に役立つレベルのストレスを生み出します。 競争はまた、学習者が他の人に対してどこに立っているかを知ることができます。

タイマ
タイマを使用すると、切迫感が生まれ、ゲームが速いペースを維持するのに役立ちます。 また、研究によると、ある程度のストレスがあると、人はより学習することが示されています。

リーダーボード
営業担当者などの競争力のある学習者のペルソナに使用するのに適しています。 リーダーボードは、ゲームの全体的な進行状況を示し、多くの場合、学習者が互いにどのように評価されているかを示します。 リーダーボードの進行状況は、学習目標に対する個人の習熟度と一致している必要があります。

コラボレーション
チームワークを促進するために使用するのに最適です。 また、学習者が他の人の経験から利益を得る方法も提供します。

シナリオ/シミュレーション
学習者が批判的思考や新しいスキルを練習するのに役立ちます。

フィードバック
知識チェックと同じように、ゲームでのフィードバックにより、学習者は特定の課題をどのように達成したかを知ることができます。 フィードバックは、追加情報または補足情報を提供する効果的な方法でもあります。 ただし、タイマーを使用する場合はフィードバックを使用しないでください。学習者はフィードバックを読んだり聞いたりして時間を無駄にしたくないからです.

レベル 3: 現実味のあること

この段階では、ゲームの仕組みが現実味のあるものであるかを確認します。 本物とは、コース全体が学習者の環境を反映していることを意味します。 ビデオやバーチャルリアリティを必要とすると言っているわけではありません。 むしろ、コースの状況が、学習者が実際に遭遇する状況であることを確認してください。 例えば、前述の退職口座コースに関して、100 万ドルをどのように投資するかを学習者に尋ねるような質問は、若い新入社員にとって現実的だと思いますか?

ゲームメカニクスを本格的なものにするには、学習者が仕事で成功するための同じ行動とスキルを反映するように設計することに重点を置きます。 また、学習者が仕事の学習目標の周りで克服する必要がある課題、問題、または障害を特定します。 これは、観察または対象分野の専門家へのインタビュによって行います。 現実の課題をゲームの課題に結び付ける方法を考えてください。

例えば、私のチームが作成したあるコースでは、ウィンドウインストーラの製品をどれだけ正確に速くインストールできるかというものでした。 このゲームは、インストールをシミュレートし、スピードと正確さのポイントと、競争意識に訴えました。 これにより、学習者にとってトレーニングがより楽しく魅力的なものになっただけでなく、ハイスコアを更新するために何度もトレーニングを完了させることができました。 コースの信憑性は、学習者がツールや製品の画像を動かし、それらを必要な順序と方法で使用するという形でもたらされました.

ゲームを設計するときは、特定のスコア、バッジの蓄積、レベルの完了など、学習者がゲームを終了するために達成する明確な目標を設定します。 目標を達成したら、トロフィと紙吹雪のアニメーションや、学習者がリーダーボードに自分のイニシャルを入力するなど、何らかの成功のお祝いを含めます。 明確な目標とお祝いを含めることで、学習者が移行し、ゲームが終了したことを認識できます。

ただし、目標を設定するときは注意してください。 ポイントやバッジの任意の数であってはなりません。 学習者は、学習目標を達成し、スキルを実行するか、望ましい行動を示すことができるようになるまで、目標に到達してゲームを終了できないようにする必要があります。

高得点

おめでとうございます！ あなたは、ゲームメカニクスの 3 つのレベルを把握し、3 つのキーを取得したところです。 ゲームを組み込んだトレーニングは、もはや退屈で、無関係で、無意味で、過度に複雑ではありません。 関連性があり、効率的で、アクセスしやすく、現実味のあるものであることを忘れないでください。

その結果、学習者が修了したくなるようなコースが作成されます。 そして、ゲームマスタになると、学習者が何度も受けたくなるコースができ、継続的な強化と学習者の改善を促せるようになるのです。
https://www.td.org/magazines/td-magazine/take-game-mechanics-to-the-next-level

2022年11月23日のATD　(td.org)のサイトに、Learning in The Flow of Work（仕事の流れの中での学習）の問題というタイトルで、JD Dillo氏のブログが掲載されました。

この言葉自体は、Buzzワードのように言われていますが、決して新しい概念ではなく、研修や人材育成に携わる者にとっては、いわば長年の課題といえるかもしれません。ただ、その課題のコンテクストが、ここ数年の間で変わってきました。「研修で学んだことを業務や行動変容に根付かせる」という「研修提供者視点」ではなく、「ラーニング（学習）」そのものが、業務を遂行することと同じように重要になってきました。業務やパフォーマンスと切り離した「研修イベント」や「e-ラーニングコース」を「学習」ととらえるのは、今は昔となりつつあります。

Dillon氏は、ブログの中で、Learning in The Flow of Workの必然性とその「学習環境」や「コンテンツ」などの配信・デザイン環境だけではなく、「学習」を「業務の必然」として捉えるマインドセットの構築を醸成する重要性を説いています。とかく「学習」というと業務とは切り離された「コンテンツ」や「イベント」、「学校」チックなイメージを思い浮かべがちな経営者をはじめとした多くの人々に対して、Learning in The Flow of Workとは、日々の業務とともに成り立ち、そのための「学習ソリューション」以外の仕組みやマネージャの在り方も変えていくことを同時に行う必要があると力説しています。

彼の著書The Modern Learning Eco-System – A New L&D Mindset for the Ever-Changing Workplaceをぜひ読んでみたいです。TL

L&Dプロフェッショナルとしてパフォーマンス直結型の学習環境を作るための新しいスキルやテクノロジ環境を導入するだけではなく、全く新しいマインドセットを持ち、立ち位置を変えて人事の動に臨まなければなりません。そういったReskillingがまさに今、求められていると思います。

中原考子

例題1）グループディスカッションにふさわしくない座席の並べ方はどれですか。

A.Circle and table
B. Rectangular
C. Theater style
D. U-shaped style

【解答】 Cが正解です。Cは最大の人数を収容するための座席構成ですグループディスカッションは多人数でするには適していません。



例題2）戦略的なマーケティングのクラスを計画する際、次のどれは避けるべきですか。

A.Rooms that allow participants to connect to the Internet.
B. A clear plan for an emergency exit
C. Rooms with stationary tables and chairs
D. Requesting participants to place cell phones on silent mode.

【解答】 C. テーブルや椅子を動かせないことは小グループによるディスカッションを実施できなくなるため。



例題3）オンラインラーニングが効果的なコースは以下のどの内容を教える時でしでょうか。

A. Teaching prerequisite materials
B. Teaching psychomotor skills
C. Stimulating interpersonal exchanges
D. Teaching learners with low self-directedness

【解答】 A. 概要など上位にある概念から教えることによってさらに学習を深められるから。
＊詳細は、ATDから発売されている「ATD Learning System」を参照ください。