好结局

自从几年前关闭Readmill以来,我对结局深有兴趣。 当我们意识到有可能结束时,我们对我们周围的创业墓地做了一些研究,以寻找我们想效仿的例子。 除了社论式的(当我们进入项目时就结束了),我们还差一点。 最终,我们创建了一个示例文档,说明了我们不想结束的方式。 看起来很像这样。 与以前的功能和发布一样,我们着手设计一个我们希望对读者有所帮助的目标。 大卫提出了一些指导我们工作的原则。 如果我的记忆能为我服务,他们就是这样。 为结局设定新标准 以最有用的格式返回读者的数据 甚至在结束时也给读者一些有价值的东西 当然,如果我们可以返回并再次结束,有些事情我可能会做得更好或有所不同。 但是这些原则引导我们走向了一个令我感到骄傲的结局。 从现在到现在的有利时机,我可以说我们的结局是成功的,就保存了读者的数据以及他们的尊重而言。 我的Readmill阅读器故事的封面。 借助我们的导出工具,再见页面和我们的读者故事,我们专注于打出适当的,富有同情心的口吻并提供帮助。 即使我们在Dropbox开始新工作,三个月后,我们仍然在另一端,帮助最后的读者拿到书本和笔记,以便她可以在其他地方继续学习。 在写我们的再见时,我们还试图避免做出我们无法兑现的承诺。…

自适应学习将改变L&D。 这是…

上周,我写了一篇有关“转变L&D以产生更大的ROI”的文章,其中我强调必须进行模式转变,以将L&D转变为生产性和盈利性功能。 在本文中,我还描述了特定的“评估L&D影响的计数器和指标”以提高生产率和保留率。 我相信达到这些结果的最大杠杆将是通过自适应学习。 我对这种方法的信心甚至使我创造了“自适应学习体验。 ™”当我们想到受欢迎的吸引人的网站时,我们中的许多人都想到了Google,Facebook,Netflix,Amazon等。它们的共同点是该平台不断适应用户的行为。 如果您要购买有关技术的书籍,则将收到有关其他一些相似书籍的更新和通知。 如果您正在观看电影,即使同一类型的电影具有“匹配”百分比,您也会获得其他此类电影的列表。 自适应学习与该模型相呼应。 ‘ 那么,什么是适应性学习 ? 传统的L&D干预措施侧重于“一刀切”的方法,并逐渐转向基于绩效的方法,仅专注于HiPo开发。 自适应学习是基于自定义学习风格而从这些方法中得到改进的。 适应性学习平台致力于在开发过程中将学习者从被动的信息接受者转变为协作者。 它利用人工智能和机器学习算法的融合来满足每个学习者获得结果的独特需求。 这个行业仍处于起步阶段,目前市场规模约为3.5亿美元,但每年以100%的速度增长。 以此速度,我认为自适应学习将成为L&D的首选模型,成为主流,因为它的好处和好处是遥不可及的。 [在Sproutlogix.com上继续阅读]