智慧学习技术如何重构企业培训空间—南瑞集团北京科东公司智慧学习探索实践

内容提供/刘璐| 南瑞集团北京科东公司| 培训总监

内容编辑/Cindy Zhu

导语：北京科东公司隶属于南瑞集团（国网电科院），长期从事电力系统自动化领域的技术研究、产品开发和工程咨询服务。公司研发的电力培训仿真系列产品广泛应用于国家电网公司和南方电网公司各级培训中心，同时公司致力于通过新技术、新产品的研发推动企业培训的持续发展。由于公司内部拥有丰富的技术资源，因此其在信息技术与企业培训结合这一问题上做出了诸多创新。技术与培训的结合，使得“智慧学习”这个前卫的概念变得更落地，也让我们看到了“智慧学习”正在积蓄的巨大潜能以及其未来可能发挥出来的影响力。

企业培训的内忧外患

目前，无论线上培训还是线下培训均面临着内忧外患的局面。总体来看，线下培训主要存在以下几个问题：首先，面授培训管理效率较低，虽然有系统协助，但是人工录入效率仍然有很大提升空间；其次，课程效果主要依赖主讲老师的授课水平，一旦老师水平不够，学员的时间很大程度上会被浪费；最后，我们提倡的所谓“因材施教”较难实现，因为目前面授培训时老师很难对每个参与培训的学生做到全面了解，因此也很难为其提供个性化的学习内容。

与此同时，线上培训的效果也总不尽如人意：首先，线上课程泛滥并不必然带来学习效果的提升，繁多的课程品类反而导致多数学员产生“选择恐惧症”；其次，由于缺乏老师辅导，相比线下课程，学员线上学习的过程中不能及时找到老师进行释疑解惑，同时，缺少与老师、同学互动的趣味性；再次，缺乏实用性，由于时间的限制，线上课程中对某一问题的分析往往流于表层，学员很难将所学运用于实际操作中；最后，各种手机应用对学员的碎片化时间争夺越来越激烈，在与微信朋友圈的时间争夺战中，线上课程往往败下阵来。

此外，线上线下课程的割裂、教学改进的缺失等也使整体培训效果大打折扣。

以上提到的种种问题均聚焦于学习培训活动本身，除此之外，外部信息技术环境的变化也将影响着企业培训的呈现形式及效果。云计算、大数据、物联网、人工智能等概念正逐渐走进人们的生活并被越来越多的人熟知。例如，alpha go与柯洁的对战再次改变了人们对人工智能的认识。此外，VR、AR、全息投影等技术的运用也让人们看到了一个颇具科幻色彩的未来。信息技术将影响我们生活的各个方面基本上成为共识，基于该认知，企业培训者也在思考着如何将技术与培训结合起来，提供给学员更加流畅、便捷、高效的体验。

技术如何影响学习？

根据2017年新媒体联盟中国高教版《地平线报告》的研究，智慧教育、人工智能等将对未来的教育学习产生很大的影响，具体来看，在未来的不同时间段，影响学习的技术分别为：未来1年之内的适应性学习技术、大数据、创客空间、移动学习；未来2-3年的物联网、混合现实、下一代学习管理系统、可穿戴技术；未来4-5年，情感计算、人工智能、自然用户界面、虚拟助手将全面影响学习教育的形态。技术与学习培训相结合构成了我们说的智慧学习。所谓智慧学习，即通过技术重构教学、学习空间，为学员提供个性化的学习内容、学习体验等。其具有泛在性、感知性、个性化、适应性、多向交互性及趣味性等特征。

智慧学习实践

l  系统框架

    具体到我们的实践，智慧学习系统框架包含两部分，即基础功能与智慧功能部分。基础功能部分作为底层部分，与常见学习管理系统并无二致，包括网络课程学习与管理和面授培训实施与管理功能。在此基础之上，我们对智慧学习进行了相应探索，开发出智慧功能，包括学习行为采集、自适应学习、智慧课堂助手、深度教学分析、专家机器人及游戏化学习等。智慧学习的构建过程中会涉及基于统一规范的学习行为采集、知识图谱与专家心智培训、自动知识点标注、个性化智能推荐算法和自适应学习、PC/黑板/手机多屏交互、智能学习分析与可视化、游戏化激励等核心技术。系统支持的终端除了常见的电脑、手机外，还包括VR/AR终端、电子智能白板等。

图1 智慧学习系统框架

l  系统设计逻辑

智慧学习系统设计与开发以自适应学习模型为基础，该模型以自适应引擎为核心，并依赖于三个模型：领域模型、用户模型、教学模型。其中，领域模型指包括领域知识及知识之间的联系；用户模型主要指用户肖像，通过对用户学习行为的分析，了解其学习偏好、认知风格、知识水平等，构建出清晰的用户肖像；教学模型指一套针对不同学习偏好的用户提供相应教学内容的规则。自适应引擎的工作逻辑为：通过实时收集学员学习数据，分析其学习偏好及学习需求之后调取教学模型中的教学规则为其动态匹配个性化的学习内容，并对上述三个模型进行实时更新。当学员学习习惯有了变化，如从喜欢观看视频转为偏好音频课程，系统会自动为其推送符合其最新喜好的课程。

模型的搭建需要一定的数据作为支撑，我们通过xAPI，即一种用于采集并存储学习经历的技术规范来采集学员的学习行为和教员的教学行为，然后将之储存至学习记录库，最后应用于自适应学习和教学改进等环节。总体来看，数据采集的特点包括：1.跨终端学习行为采集，这里提到的终端包括电脑、手机、摄像头等；2.多渠道教学行为采集，这包括对老师在教学过程中的肢体动作、语气、互动方式等细节行为进行记录；3.多类型学习资源行为采集，包括对视频、文档、仿真、动画、考试、图文的采集等。

图2基于xAPI的线上线下学习行为采集技术

l  自适应学习场景

通过以上技术我们基本实现了自适应学习场景的搭建，总体来看，自适应引擎技术主要应用于以下学习场景中：

智能推荐课程

基于统一、规范的学习行为采集，系统分析出每个学员的学习偏好，由于每个人学习偏好有一定差异，因此其登陆进入学习系统中看到的界面也不相同。系统会自动根据其学习行为的记录推荐符合其“口味”的课程，并预测学员接下来的学习意愿，同时将其可能会感兴趣的课程推荐给他。此外，对于视频课程，我们参考视频网站的做法，利用自动知识点标注技术将课程中的重要知识点在进度条中标注出来。这使得学员能够根据自己的需求随意跳转至某一知识点进行深入学习。

图3 个性化的学习界面

对于特定课程的报名学习，系统会自动帮助学员把关。例如，在学员报名参加某课程时，通过调取该学员的学习历史数据，分析其目前是否适合参加这样的课程，若分析得出该学员还未掌握这门课程所必须的前期知识储备，则会自动为其推荐更合适的“前导课程”，并由学员选择是否接受这样的推荐。

图4 自适应课程推荐1

此外，当学员报名学习某课程时，经系统分析，若发现该学员的历史学习记录中的大部分知识点与此课程知识点重合，则会在学习库中搜索到相关精简课程推送给学员。一般来说，企业学习中学员的目的性较强，这类精简课程更能帮助学员即时地解决其在工作中遇到的问题。

图5 自适应课程推荐2

考试结果分析

当学员学完一门课程后，将进行一次考试，系统会对考试结果进行分析，分析得出学员的知识薄弱点后会自动推送相应课程的链接，同时具体指出该知识点所在的位置。这大大减少了学员返回搜索课程复习的时间，优化了其学习体验。如果学员在此次考试中表现较好，所有知识点均已掌握，系统会为其推荐下一阶段需要学习的课程。

图6 考试结果及课程推荐

在测试学习效果方面，我们正在考虑通过主动测试来实时探测学员的知识水平并利用情感计算技术分析其学习状态，实现对学员的自动辅导。

智能指导

目前，我们对智能指导这一功能也在不断探索过程中。当学员在观看学习视频过程中拖动进度条跳过某些知识点时，则会在课程结束后收到一份来自系统的提醒，即“您选择跳过了部分内容的学习，是否将其完成？”如果学员选择“是的”，该视频将从跳过的知识点开始播放。这能够在最大程度上避免学员在学习过程中对知识点的遗漏。

图7 智能指导场景

l  情境模拟学习

技术与学习培训的结合还有很大的想象空间。鉴于电力行业的特殊性，我们不能在培训中让员工进行某些实景体验，尤其是电力系统中与安全相关的培训，不可能通过制造安全事故现场让员工学习到经验教训等。因此，我们通过模拟情境的方法完成对员工的培训，如，利用虚拟现实技术为员工创造一个模拟真实的情境，通过虚拟设备使之置身其中，员工在这个情境中找到解决问题的办法并总结经验教训。模拟学习场景同样可以应用于企业危机管理培训中。随着虚拟技术的进一步发展，未来理想化的学习行为应发生在工作场景中，即员工能够借助虚拟技术及时解决其在工作中遇到的问题。如通过AR或VR设备进入一个增强现实或模拟现实中，学习解决某一特定问题的所有关键操作等。

  图8 情境模拟技术的应用

为了让学员体验到增强现实与真实场景的交互性，我们在培训实践的过程中开发了类似HoloLens的应用，并在中国电力科学研究院中采集一些地点用于“设点埋题”。这些题目与当期培训内容相匹配，我们鼓励学员在休息时间在研究院中用手机“扫点答题”，其可以根据App中的指示寻找埋题点，将题目扫出来之后，每答对一道得5分，之后以团队为单位进行分数PK。除了埋设考题，还可以埋设学习资料、知识点等信息。此外，还可围绕寻找问题或资料埋设点做一些学习活动，如将这些点散布在学校的各个地方，在培训过程中要求学员每天坚持走步，在走步过程中随时发现这些问题埋设点，这种游戏化元素的加入能够有效提高学员参与积极性。

l  深度分析

对智慧学习的深度分析可以从多个维度进行，我们目前做了一些尝试，基于对学员行为的采集进行学习效果、课件质量等方面的分析。如，画出学员的学习轨迹，通过分析其学习过程中的停顿、跳转、回退的频率及时间点等了解其学习过程中遇到的问题。不仅如此，通过与其他同学留下的行为数据对比，能得到各自学习轨迹的差异，同时与标杆人物进行对比，找到差距并着力改善。

另外，我们还通过对整体学习数据的分析来评判课件质量。针对某一课件，不仅粗略地参考学员打分情况，同时调出与整个课件相关的更精细的数据，如课件完成中暂停、跳入、跳出、退出等行为发生的情况。如果学员频繁在某课件中跳入、跳出、暂停或者退出，我们会重新评估该课件，找到相应的问题，有针对性地进行课件改进。

项目体会

关于智慧学习，我们还在摸索阶段，并且积累了一些体会。智慧学习体系搭建前期需要做充分的准备，可以从以下几点来考虑：

首先，做开发的培训工作者是否具备相关能力。新一代的培训工作者需要能够担任多重工作，如设计方案、做课件、授课、外聘老师、评估效果、管理项目等，这对其胜任力提出了较高要求，不仅如此，技术的发展推动着我们不仅需要懂学习背后深层次的心理学动机，还需要具备一定的信息技术能力，而且多多益善。

其次，在企业中找到充足的资源。这包括优质学习资源以及支撑整个学习系统的IT资源。优质学习资源是任何形式的学习必不可少的部分，很多企业内部也有足够的积累，而IT资源是向智慧学习转型的必备条件，这需要专业的IT技术人员将我们对整个学习体系的设计付诸实践。

再次，获得领导支持。智慧学习前期需较大的投入，包括人力、物力的投入，因此，若缺少领导的支持会使项目后劲不足。一方面，可通过项目前期完备的设计向领导描绘一个极具吸引力的项目前景，另一方面，我们在项目过程中持续产出各项科技成果（如专利等），通过项目产出坚定领导继续投入的信心。

再次，启动大数据。由于整个智慧学习以大数据为基础，因此在系统运行前期对数据的需求较大，而此时系统还未到达生产数据的阶段，这需要我们人工进行输入来启动整个数据系统的运转，一般来说，输入一定的行业知识图谱便可以冷启动学习大数据。

    最后，系统持续改进。系统正式上线之后需要持续不断地进行迭代更新、宣传营销、数据分析等工作，因此培训工作者最好尽量参与整个系统的搭建工作，如此才能确保未来持续迭代工作的顺利进行。