3 Nuevas formas en que Docebo apoya el aprendizaje personalizado con la inteligencia artificial

Escrito por
• 8 min read
3 new ways Docebo supports personalized learning with its AI LMS

La verdadera personalización del aprendizaje requiere una comprensión más profunda del rol del alumno, dependiendo de una comprensión profunda de los patrones de comportamiento y datos en tiempo real para crear experiencias de aprendizaje altamente contextuales, impulsadas por las tecnologías adecuadas, que son más relevantes, más atractivas y, por lo tanto, más eficaces.

De hecho, solo el 10% de las organizaciones de aprendizaje actualmente aplican el aprendizaje personalizado de manera estratégica en sus actividades de capacitación y desarrollo, según Brandon Hall Group, mientras que el 77% de los profesionales de la capacitación y el desarrollo dicen que la personalización es vital para el compromiso de los empleados, y el 94% de las empresas dicen que la personalización es la clave de su éxito.

Mientras tanto, el compromiso del usuario con el contenido se ha reducido en un 60% gracias a esta cosa llamada «sobrecarga de información», lo que hace que cada vez más personas se desconecten de los mensajes que no son muy relevantes o que tienen un impacto positivo en sus vidas.

La Inteligencia Artificial (IA) es una herramienta poderosa que eleva la toma de decisiones humanas porque no existe un algoritmo o modelo estadístico que pueda sustituir la intuición de un ser humano.

Si consideramos cómo funciona la IA, usted puede:

  • Analizar el comportamiento del alumno para comprender las brechas de habilidades y luego presente recomendaciones específicas.
  • Automatizar los procesos de programación y entrega de contenido para los administradores.
  • Y, en última instancia, aumentar el ROI de la capacitación porque menos tiempo de capacitación + mayor personalización = mejores márgenes de ganancia.

Arranca una página del playbook de personalización de Mercadeo

En nuestra vida personal, la personalización está superando a casi todas las facetas, desde cómo vemos películas y programas de televisión, a la música o los podcasts, hasta la forma en que compramos. Y los mercadólogos están tomando nota (y tomando medidas): el 75% de los consumidores tendrán más probabilidades de comprar ofertas que sean personalizadas de acuerdo con sus preferencias individuales.

Por contexto, para comprender el potencial de estas nuevas funciones, veamos la industria del mercadeo como un ejemplo.

La personalización es la actividad de aprovechar la tecnología para incorporar información personal y transaccional, como nombre, título, organización, historial de compras, etc. en comunicaciones externas.

Sin embargo, la IA es capaz de producir una hiper-personalización, que utiliza datos de comportamiento y en tiempo real para crear comunicaciones altamente contextuales que son más relevantes. Por ejemplo, digamos que está buscando una nueva mochila en la aplicación de un minorista durante unos 15 minutos y luego se va sin comprar.

Los datos de comportamiento anteriores revelan que ha buscado y comprado diferentes tipos de bolsas antes, con su actividad aumentando los miércoles por la noche en un dispositivo móvil.

Una campaña hiper-personalizada es enviar una notificación de inserción a su dispositivo móvil un miércoles promoviendo una venta flash en bolsas.

La mayoría de las compañías operan en la parte de «personalización» estándar de la curva de madurez de personalización; tal vez un nombre de pila allí, o una segmentación basada en datos demográficos amplios.

Pero compañías como Amazon y Spotify se han trasladado a la hiper-personalización y más allá con la personalización predictiva, donde la inteligencia artificial y el aprendizaje automático analizan una gran cantidad de factores para brindar recomendaciones.

Hyper Personalization Graph

Aplicando la personalización al aprendizaje

Si vamos a analizar la industria del aprendizaje, la inteligencia artificial nos ayuda a comprender el comportamiento del alumno más allá de las métricas tradicionales, como la finalización del curso. Si bien la cantidad de alumnos que completaron un curso es muy importante, si se toma como una métrica por sí sola, historia completa. Puede haber algunas personas que fueron interrumpidas y dejaron el curso en medio y luego regresaron.

O tal vez algunas personas tardaron más en completarlo que otras.

La inteligencia artificial no solo comprende cuándo se completa el curso, sino también cada interacción que tiene un alumno al completar un curso dentro de su Sistema de gestión de aprendizaje (LMS) o plataforma de aprendizaje.

Por ejemplo, ¿están haciendo una pregunta o calificando ese curso en particular? ¿Qué están calificando? ¿Se detuvieron un rato y luego continuaron?

Todas estas acciones se rastrean para suministrar la base de datos requerida por los modelos de aprendizaje automático para comprender las correlaciones difíciles y complejas entre los cursos y los alumnos.

De esos datos, extrae una mejor comprensión del comportamiento del aprendiz.

Si bien el ejemplo para explicar el beneficio de la IA son las sugerencias de contenido, los datos utilizados para producir esas sugerencias solo cuentan la mitad de la historia.

En el aprendizaje, la IA requiere un conjunto de datos más profundo para producir resultados más relevantes y efectivos.

Dicho esto, con el fin de proporcionar un ejemplo de la vida real, examinemos cómo Amazon está utilizando la inteligencia artificial y el aprendizaje automático para impulsar su motor de recomendación, un algoritmo llamado ‘filtro colaborativo elemento a elemento’ que genera el 35% del Conversiones de e-commerce gigante.

Amazon Personalization

El motor de recomendaciones de Amazon

Para generar recomendaciones personalizadas en sus correos electrónicos de marketing, el algoritmo de Amazon considera las siguientes categorías, basadas en las interacciones de un usuario dentro de su mercado:

  • Artículos vistos anteriormente
  • Producto guardado en listas de reproducción personales
  • Contenido gustado
  • Contenido consumido por aprendices similares

Esto cuenta una historia mucho más profunda sobre los tipos de recomendaciones que producen los algoritmos porque se basan en algo más que datos de consumo históricos.

Para el contexto, las recomendaciones de Netflix y Spotify solo se generarían en la categoría de «elementos vistos anteriormente» o «usted vio esto / escuchó esto, por lo que podría gustarle».

Entonces, en un contexto de aprendizaje, para producir sugerencias de contenido o inscripción en cursos, el algoritmo podría considerar:

  • contenido visto anteriormente (más, en qué formato se presenta el contenido)
  • Aprendizaje de objetos guardados en canales / listas de reproducción personales.
  • Contenido «gustado», ya sea formal o generado por el alumno (aprendizaje social) contenido «gustado» / consumido por otros en las organizaciones con perfiles de aprendiz similares

Al comprender esto, puede tomar decisiones más informadas sobre la eficacia de un determinado tipo de curso, con ciertas características, para un alumno específico.

Podría descubrir que un video es más adecuado para un alumno, mientras que las presentaciones de diapositivas son más efectivas para otro.

Si consideramos la forma en que las organizaciones están invirtiendo en tecnología de aprendizaje, este cuadro nos muestra que se está produciendo un cambio hacia aquellas que brindan apoyo de aprendizaje continuo y contextual, mientras nos alejamos de un enfoque en la entrega de capacitación.

Por ejemplo, el «video» como enfoque para la entrega de capacitación se está saturando, esto se debe a que el video es solo eso, un método de entrega de capacitación.

Y mientras que el video ha demostrado ser útil como una herramienta que impulsa el compromiso, para ser más efectivo, debe ser facilitado de manera que cada recurso de aprendizaje basado en video esté respaldado por mecanismos de soporte continuo y contextual. Por ejemplo, la inteligencia artificial y la curación de contenido que ayudan a desarrollar las vías de aprendizaje necesarias para que el aprendizaje sea más efectivo y esté alineado con los objetivos comerciales.

Su plataforma de aprendizaje debe proporcionar este tipo de apoyo.

La inteligencia artificial es una de las herramientas clave que impulsará importantes avances en el soporte contextual del aprendizaje empresarial debido a su capacidad para determinar y establecer vías de aprendizaje que sean adaptables y personalizadas a las necesidades únicas del alumno.

¿Por qué le debe importar el aprendizaje personalizado?

La psicología de la personalización está arraigada en un deseo innato de control y poder de elección. En un contexto de aprendizaje, la personalización produce los siguientes resultados (para nombrar un par):

Contenido relevante = Más participación: recopilación de datos + AI sirve recomendaciones relevantes.

Sin compromiso, debes trabajar más duro para retener a los mejores. La clave es mostrar y capacitar al alumno para ver el contenido que se relaciona con el lugar en el que se encuentran en sus carreras, y luego entregarlo de una manera que le permita retenerlo (aumentar el interés, y hacer que se entusiasme con la aplicación del aprendizaje a su trabajo diario) )

Permite a los alumnos aprender a un ritmo que les convenga

La capacitación personalizada de aprendizaje refleja que cada empleado tiene un rol único dentro de su organización, produciendo empleados más capacitados y felices.

AI proporciona información sobre la base de una enorme cantidad de datos recopilados y analizados por un LMS o plataforma de aprendizaje, lo que permite a la plataforma desarrollar una comprensión más profunda de los comportamientos de los alumnos y predecir las necesidades.

El resultado son recomendaciones de contenido que se basan en comportamientos históricos para producir resultados de aprendizaje más efectivos en el futuro, mientras que el ajuste a través de un circuito de retroalimentación que proporciona retroalimentación continua sobre las decisiones que toma el algoritmo. AI entiende si las decisiones históricas fueron correctas o no (luego ajusta su propio algoritmo y proporciona resultados precisos).

En el contexto del aprendizaje personalizado, la microsegmentación es clave para crear un aprendizaje que se conecte a un nivel personalizado, proporcionando una imagen más clara de lo que necesita cada alumno, lo que valora y cómo se comporta.

AI desglosaría los datos hasta un punto lo suficientemente granular como para comprender qué es lo que más necesita cada alumno cuando más lo necesita, produciendo experiencias de aprendizaje personalizadas que no solo son más efectivas, sino que también mueven la aguja hacia el cumplimiento de los objetivos de desempeño organizacional.

Apoye rutas de aprendizaje personalizadas para cada alumno

La versión 7.7 de Docebo presenta tres nuevas características de sugerencia desarrolladas por Inteligencia Artificial, disponibles para todos los usuarios (estudiantes, administradores, gerentes), que incluyen:

Sugerencias de inscripción para administradores: Los Superadmins verán una lista de usuarios que ya se ha completado al inscribir a los usuarios en un curso creado por la IA de la plataforma, lo que reducirá el tiempo necesario para buscar usuarios que se beneficiarán más de un curso específico.

Sugerencias formales de contenido para gerentes: Los gerentes pueden ver sugerencias de cursos en los que deben inscribir a los miembros de su equipo del área Mi equipo de la plataforma, lo que les permite tomar el progreso de aprendizaje de sus equipos en sus propias manos sin esperar la intervención del administrador.

Siguiente Sugerencias de contenido para los alumnos: Para aquellos que usan Coach & Share en Docebo, los estudiantes pueden aprovechar las sugerencias de contenido que sus compañeros están contribuyendo en la plataforma, para que vean el contenido más reciente para mantenerse relevantes y actualizados.

Apoye el aprendizaje personalizado para cada alumno en toda su plataforma de aprendizaje.