社会的学習-効果的な原則

社会的学習を促進する1つの技術が他の技術よりも効果的である理由は何ですか？これは、答えを見つけるためにますます重要になっている質問です。特に、何百ものソーシャルラーニングソフトウェアが従業員のニーズとトレーニングに対応するために列を作っているときはなおさらです。

優れた社会的学習手法の9つの原則を特定しましょう-

録音効率

社会的学習を提供する技術は、情報を記録するタスクでユーザーに負担をかけるべきではありません。開発者が古いバージョンのコードを調べるだけで過去の過ちから学ぶことができるように、この情報は自動的に記録される必要があります。たとえば、スクラムに関するブログ投稿は最小限のディスク容量しか必要としませんが、関連するリソースや同様のコードを大量に提供することで、コードを最初から作成する必要がある人々に十分な支援を提供します。

プライバシー保護

社会的学習を設計する技術は、プライバシーを可能な限り保護する必要があります。たとえば、著者が複雑なプロジェクトにアジャイルフレームワークを実装したときの悪い経験について書いた場合、その著者は、その手法が機能しなかったかどうかを一般の人々に知られたくないかもしれないと述べました。代わりに、作成者は、企業のプライバシーを維持するために、テクニックの経験を匿名で投稿できます。

ターゲティング

最も利益を得る人々に焦点を当てるべきです。アジャイルフレームワークの複雑なプロジェクトに使用される手法に関する個人のWebサイトへの投稿は、インターネットで確認できるため、適切な人に会う可能性が高くなります。開発者が自分のチームがコーディングに問題を抱えていることを理解できない場合、彼女はテクニックを検索することを考えない可能性があり、したがって投稿にまったく気付かない可能性がありますが、ユーザーがそのテクニックを必要とする場合、彼女はできるはずですWebサイトで投稿を検索します。

信頼

開発者が参照を信じるように促す必要があります。開発者が同僚からツールやテクニックについて学ぶとき、彼はそれに高い価値を与えます。チームで働く人々は、以前に一緒に働いたことがあり、同じような目標を持っているため、お互いを信頼していることを学びました。一方、本からツールやテクノロジーを学んだ開発者は、説明されているテクノロジーやツールの実装の成功と比較して、著者が本の販売に興味を持っていることを疑うため、著者を完全に信頼できない可能性があります。

理論的根拠

彼らは、参照が学習者にとって重要である理由などの質問に答えるための論理的根拠を確実にする必要があります。たとえば、アジャイルフレームワークのプロジェクトに関するブログ投稿では、作成者が直面した問題と、この手法が役立つと彼女が信じた理由について言及しています。投稿の読者が、元の開発者と同じアプローチで同様の問題に直面した場合、彼女はその論理的根拠を認める可能性があります。ただし、さまざまな理由があり、ブログ投稿の概要が1つしかない場合、読者はこの手法が彼女に役立つ理由を理解できません。

フィードバック効率

推奨事項や参照が役に立った/役に立たなかった場合は、学習者がフィードバックを共有できるようにする必要があります。すべてのテキストを閲覧するのにかかる時間を短縮するために、フィードバックもセクションで提供する必要があります。たとえば、テクニックのブログ投稿に重要なものとしてレビューしてコメントすることは、多くの読者をそのコメントに引き付ける可能性がありますが、コメント全体を調べて、推奨事項または推奨事項を確認するために、読者から多大な労力が必要になります。参照が機能したか、機能しませんでした。

ブートストラップ

それらは、広く既存のコミュニティなしで学習することの利点を提供するはずです。たとえば、大企業の効率的な働き方を学ぶことは、独身ビジネスを運営する人に提供されるべきではありません。

一般性

開発者がさまざまなテクニックを学ぶことができるようにする必要があります。読者は、開発者が主観的または自由形式の質問をすることを制限されているブログと比較して、さまざまなインタラクティブツールからさまざまなソフトウェア技術と革新について学ぶことができます。これは、そのような情報を提供するように設計されていないためです。

これらの原則のバランスを取り、最大化するための技術は、社会的学習の未来と見なすことができます。これらの原則をすべて最大化する単一の手法を設計することはできませんが、さまざまな状況をさまざまな手法でさまざまなタスクに対応させる必要があります。テクノロジーが社会的学習の促進と促進に役立つことを私たちが学ぶブログの例を形成します。

学習効率

社会的学習を簡素化する技術は、学習への支出を最小限に抑える必要があります。データベースの本からデータベースを選んで読むには時間がかかります。社会的学習技術を使用すると、本の執筆者や任意の数の学習者に強制される学習オーバーヘッドはありません。

たとえば、チームは頻繁に期限を逃し、マネージャーはこれを認めます。マネージャーはソースコードを詳しく調べてみると、その理由はチームが多額の技術的負債にさらされていることにあります。したがって、マネージャーはチームが問題に対抗することを奨励し、指導します。この学習は、問題の認識に時間を割いたマネージャーからの本質的なオーバーヘッドと、問題とその原因についての学習に費やされたチームからのかなりの時間のオーバーヘッドを獲得します。