Анализ лучших практик и разработка модели применения концепции Learning Record Store (LRS) для персонализации обучения

Требуется аналитик для проведения анализа и обзора международных и российских практик применения спецификации TinCan API (xAPI). Анализ необходимо проводить с акцентом на применение LRS для накопления больших данных об обучении сотрудников и использования этих данных для предиктивной аналитики, которая позволяет оценивать эффективность обучения, развивать рекомендательные сервисы и персонализированные подходы к обучению. Анализ необходимо провести минимум по 5-ти (до 10) компаниям численностью не менее 10 000 человек. По результатам анализа должны быть подготовлены рекомендации по использованию данного подхода: 1. Как и какие данные должны собираться; 2. Как применять эти данные для анализа эффективности образовательных программ и активностей; 3. Как на основе данных и их анализа формировать рекомендательное и персонализированное обучение.

Tin Can API (xAPI) — это спецификация программ в сфере цифрового обучения, которая позволяет обучающим системам общаться между собой путём отслеживания и записи учебных активностей всех видов. Информация об учебной деятельности сохраняется в специальную базу — хранилище учебных записей (LRS). LRS (Learning Record Store) — система для сохранения данных о пользователе из разных сред обучения (LMS, мобильный телефон, планшет, живой класс). Идея в том, чтобы не быть постоянно привязанными к одной LMS, и чтобы можно было использовать сколько угодно разных систем управления обучением и других инструментов. При этом вся информации и логи сохраняются в отдельном сетевом объекте, которым и является Learning Record Store. Собранная в LRS информация может быть использована для генерации отчетов и предиктивной аналитики. Такой подход должен позволить повысить качество оценки эффективности обучения, создавать рекомендательные сервисы и персонализированные подходы к обучению. Известно, что опыты в данном направлении выдуться в крупных передовых компаниях, но систематизированной информации об этом на данный момент на рынке нет. Заказчику интересно провести анализ лучших практик в данной сфере получить выводы эксперта, чтобы оценить применимость рассмотренных практик и рекомендуемых подходов в работе ГК Газпром нефть. В настоящий момент Корпоративный университет Газпром нефти является лидером в области применения передовых подходов в обучении (компетентностный подход, онлайн-курсы, microlearning, мобильное обучение, чат-боты, геймификация, VR). Для дальнейшего развития и реализации концепции Корпоративного университета необходим переход на принципиально новую платформу обучения, основанную на анализе данных и персонализированном обучении.

1. Анализ и обзор международных и российских практик применения TinCan API (xAPI) и RLS для сбора и анализа данных об обучении сотрудников: • Применение RLS должно подтверждаться данными о практическом применении (не теоретические размышления и концепции). Это могут быть примеры пилотных проектов или поэтапного внедрения; • Минимальное количество компаний для анализа — 5 (из них минимум 2 — зарубежных); • Численность сотрудников компании не менее 10 000 человек. 2. По результатам анализа подготовлены рекомендации по использованию данного подхода.

Анализ необходимо провести в разрезе не менее 9 из следующих направлений: 1. Краткая характеристика компании; 2. Области, для которых применяется LRS и анализ данных об обучении; 3. Задачи/проекты, которые были реализованы с использованием LRS и анализ данных об обучении; 4. Принципы использования LRS и для анализа данных; 5. Структура данных собираемых в LRS; 6. Перечень HR-метрик, с которыми на практике связаны показатели, фиксируемые в LRS; 7. Экспертная оценка зрелости системы LRS в каждой из рассматриваемых компаний (по интегральному показателю) (подход должен быть согласован с Заказчиком); 8. Применяемые методы анализа данных; 9. Методы оценки эффективности обучения, применениями в рассматриваемой компании; 10. Методы применения данных для рекомендательного и/или персонализированного обучения сотрудников; 11. Сложности и риски, при внедрении RLS. Рекомендации, подготовленные по результатам анализа, должны содержать следующую обоснованную информацию: 1. Как и какие данные должны собираться в RLS; 2. Как применять эти данные для анализа эффективности образовательных программ и активностей; 3. Как на основе данных и их анализа формировать рекомендательное и персонализированное обучение сотрудников.

Детальный отчет электронном виде в формате MS Word (с вложенными графическими данными) и сводный отчёт (c ключевыми выводами и рекомендациями) в формате презентации MS PowerPoint.

До 01 апреля 2019