Learning analytics nella formazione professionale: come sfruttare i dati?

I learning analytics stanno diventando una leva strategica per migliorare l’efficacia della formazione professionale. Oggi, ogni percorso formativo genera una grande quantità di dati: tassi di completamento, livelli di engagement, risultati delle valutazioni, feedback dei partecipanti. Ma il vero valore non è nei dati in sé, bensì nella capacità di interpretarli e trasformarli in decisioni operative.

In questo articolo scoprirai cosa sono i learning analytics, quali dati analizzare e come utilizzarli concretamente per ottimizzare le performance formative, aumentare il coinvolgimento dei discenti e guidare le scelte strategiche in ambito L&D.

Learning analytics: cosa sono?

Cominciamo col definire i learning analytics o dati di apprendimento. Essi designano la misurazione, la raccolta, l'analisi e lo sfruttamento dei dati generati durante i percorsi di formazione. Nella formazione professionale, questi dati provengono principalmente dalle piattaforme LMS (Learning Management System), dai moduli e-learning, dagli strumenti collaborativi e dalle valutazioni.

Obiettivo dei learning analytics

L’obiettivo è convertire i dati grezzi in insight azionabili, capaci di migliorare l’efficacia pedagogica, personalizzare i percorsi e massimizzare il ritorno sugli investimenti formativi.

Quali sono i 4 tipi di dati di apprendimento?

• Descrittivo: cosa è successo? (Tasso di completamento, tempo impiegato).
• Diagnostico: perché è successo? (Analisi delle cause di fallimento o di successo).
• Predittivo: cosa succederà? (Identificazione dei discenti a rischio).
• Prescrittivo: cosa dobbiamo fare? (Raccomandazioni di azioni correttive).

L'efficacia delle formazioni è sotto osservazione

Un contesto economico che spinge a misurare il ROI

Gli strumenti digitali utilizzati nei percorsi formativi generano migliaia di dati. Troppo spesso non sfruttati, questi dati sono tuttavia miniere d'oro che possono aiutare i professionisti della formazione ad adattare meglio i propri contenuti ai target, e quindi a rendere i percorsi più performanti.

Strumenti tecnologici che democratizzano l'analisi

Altre ragioni spiegano questo entusiasmo per l'analisi dei dati. Tra queste: la diffusione generalizzata delle piattaforme LMS, che permettono di raccogliere questi preziosi dati, in particolare il tasso di completamento delle attività didattiche da parte degli apprendenti.

Le soluzioni di Business Intelligence (B.I.) e i dashboard interattivi sono ormai nelle mani anche dei non esperti. Questi strumenti permettono in particolare di recuperare automaticamente i dati formativi provenienti dai big data e di renderli visivamente comprensibili (tramite grafici, tabelle…), semplificando così il monitoraggio.

La buona notizia è che è possibile sfruttare i dati legati alla formazione — siano essi individuali o collettivi — nel rispetto della legislazione sulla protezione della vita privata (GDPR).

Il tasso di completamento: un indicatore da monitorare assolutamente

Perché il tasso di completamento è essenziale?

È inutile cercare di utilizzare in modo efficace tutti i dati di learning analytics disponibili. È preferibile concentrarsi sui dati più strategici, come quelli legati alle performance della formazione.

Oltre al numero di partecipanti per sessione, è utile analizzare il tasso di completamento di un’attività formativa: la percentuale di partecipanti che portano a termine un modulo o un corso online, segno di un livello di coinvolgimento sufficiente a completarlo.

Come interpretare i risultati del tasso di completamento?

Questo tasso permette di sapere se il contenuto incontra davvero le aspettative degli iscritti e se questi ultimi sono attivi nella realizzazione degli esercizi proposti. Non esiste uno standard riconosciuto in materia di tasso di completamento. Tuttavia, l'esperienza rivela che questo è più basso in un percorso 100% in e-learning rispetto a un percorso in blended-learning, che mescola diverse modalità di apprendimento.

Quali sono i benchmark da tenere a mente?

Quali altri indicatori di coinvolgimento monitorare?

Il tasso di completamento — che differisce a seconda che la formazione seguita sia obbligatoria o meno — dice molto anche sul coinvolgimento dei partecipanti, così come altri dati, che è ugualmente interessante sfruttare: la loro partecipazione ai forum di discussione (tramite un volume di interazioni, ad esempio), il numero di domande poste online al formatore…

La progressione si valuta in tempo reale

Correggere rapidamente grazie ai dati in tempo reale

Uno dei vantaggi dell'analisi dell'apprendimento è che permette di correggere rapidamente il tiro quando diversi indicatori lasciano intendere che una formazione è troppo ambiziosa o che un gruppo di partecipanti si trova in una situazione di fallimento. Ciò è possibile perché i dati vengono raccolti in tempo reale lungo tutto il percorso.

Test frequenti per un monitoraggio ottimale

In una formazione, in particolare a distanza, i test di conoscenza sono molto frequenti. Così, è relativamente facile, per i docenti che hanno accesso ai risultati, agire. Se vedono che i loro "alunni" non sono in una situazione di progressione, possono offrire un accompagnamento personalizzato a coloro che sono in difficoltà, aggiungere risorse complementari, raccomandare sessioni di coaching, riallocare altre risorse…

La personalizzazione dei percorsi grazie ai learning analytics

L'analisi dell'apprendimento in tempo reale è quindi al servizio della personalizzazione dei percorsi formativi. Questo pilotaggio in tempo reale modifica la postura dei formatori. Illuminati da questi dati, i formatori possono essere propositivi riguardo agli aggiustamenti da realizzare in aula o a distanza.

Una nuova postura da coach per i formatori

È uno strumento potente per rafforzare la propria postura da coach nei confronti dei propri alunni. Quando un partecipante è sulla buona strada, il formatore, o la formatrice, può ad esempio congratularsi con lui e così stimolare il suo coinvolgimento. Al contrario, quando i partecipanti vedono la propria curva di progressione stagnare, i docenti possono inviare loro messaggi personalizzati di incoraggiamento, per evitare che si arrendano.

La misurazione della soddisfazione al termine della formazione

Le indagini di soddisfazione: un primo livello di valutazione

Al termine delle formazioni, è frequente che le aziende (o i loro partner formativi) inviino ai propri partecipanti indagini di soddisfazione. Questi questionari permettono in particolare di raccogliere il parere dei discenti sull'utilità della formazione.

Il Net Promoter Score: un indicatore chiave da monitorare

Anche qui, è difficile dare una media, poiché ogni percorso formativo ha obiettivi diversi.

La valutazione in situazione lavorativa: misurare l'impatto reale

Per valutare l'efficacia reale di una formazione, è anche importante sfruttare i dati raccolti in situazione lavorativa. La sfida è qui sapere se la formazione seguita dai partecipanti ha generato nuovi comportamenti una volta al lavoro. Sondare i partecipanti sull'argomento alcune settimane dopo la loro formazione è un buon approccio, "anche se l'auto-dichiarativo presenta necessariamente dei limiti".

L'incrocio dei dati: la valutazione tra pari

Da qui l'interesse di incrociare questa auto-valutazione con una valutazione tra pari.

Un argomento di peso per i responsabili della formazione

È precisamente ciò che le aziende si aspettano: poter tracciare la crescita delle competenze dei propri dipendenti. È anche un argomento di peso per i responsabili della formazione: portare al Comitato di direzione dati tangibili sull'impatto di una formazione permette loro, ad esempio, di negoziare budget più importanti.

L'intelligenza artificiale: una buona alleata per sfruttare i dati?

Strumenti di IA per analizzare i volumi massivi di dati

Esistono oggi numerosi strumenti potenziati dall'intelligenza artificiale che permettono ai professionisti della formazione di analizzare i volumi massivi di big data che raccolgono e di renderli intelligibili.

ChatGPT al servizio dell'analisi delle indagini di soddisfazione

ChatGPT, che è già nelle mani dei formatori, fa parte di questi:

L'IA per facilitare l'ancoraggio delle conoscenze nel flusso di lavoro

Inoltre, l'intelligenza artificiale può anche facilitare l'ancoraggio delle conoscenze nel flusso di lavoro.

L'accompagnamento personalizzato pilotato dall'IA

Queste soluzioni di accompagnamento personalizzato, pilotate dall'IA, analizzano di continuo i dati di apprendimento per adattarsi al profilo di ciascun discente.

Un esempio concreto di prompt su ChatGPT

Ruolo: sei un* ingegnere pedagogic* espert* nell'analisi della voce degli apprendenti e nella progettazione di modalità blended/ibride, con una padronanza dei requisiti Qualiopi.

Contesto: devi far evolvere un'offerta formativa esistente a partire da indagini di soddisfazione dei discenti, rimanendo realistic* e conforme a Qualiopi.

Obiettivo:

• Analizzare le indagini per identificare tendenze, criticità, aspettative e bisogni prioritari.
• Collegare questi bisogni alla modalità attuale.
• Proporre una nuova modalità pedagogica (o un'evoluzione significativa) allineata ai feedback.

Compiti:

• Sintetizzare gli insegnamenti chiave (quanti + quali).
• Produrre una diagnosi "bisogni dei partecipanti ↔ modalità attuale".
• Raccomandare una nuova modalità giustificata dai dati.

Dati da fornire:

• Contesto della formazione.
• Risultati quantitativi.
• Verbatim dei discenti.

Vincoli:

• Nessuna supposizione non fondata: qualsiasi ipotesi deve essere segnalata.
• Raccomandazione operativa, realmente differenziante, ed esplicitamente supportata dai feedback.

Leggi l'articolo scritto da Aurélie Tachot con l'expertise di Carolina Gracia Moreno in lingua originale.

Hai trovato utile questo articolo?

Scritto da

Cegos

Dal 1926 il Gruppo Cegos è a fianco delle imprese, delle istituzioni, dei team e delle persone che forma, seleziona, supporta e aiuta a svilupparsi. Questo ha fatto di Cegos il leader della formazione manageriale, in Europa e nel mondo. Scopri di più