Телеграм канал «Лаборатория онлайн-обучения»

Полина, добрый день!

Ещё раз спасибо за такую внимательную работу с учебным материалом.
Мелкие опечатки и ошибки мы исправим, отдельное спасибо за них.

1. Модуль 7, вопрос про универсальный язык коммуникации

Здесь мы опирались на формулировку из теории напрямую, поэтому ответ звучал близко к тексту модуля. Но вы верно подметили, что в отрыве от абзаца он читается не как причина, а как описание ситуации, и вариант про должность на этом фоне выглядит правдоподобно.

Мы сделали формулировку прозрачнее. Верный ответ теперь звучит ближе к тому, что мы объясняем дальше в модуле: у участников проекта разные роли, задачи и профессиональная логика, поэтому один формат коммуникации не работает для всех.

Заодно уточнили формулировку правила 1, чтобы акцент был именно на роли участника, как мы это разбираем в модуле про роли и ответственность, а не его должности.

2. Модуль 7, вопрос то, как формулировать руководителю итоги спринта

Тут действительно могла возникнуть путаница между результатами - задачами верхнего уровня и задачами нижнего уровня.

Мы синхронизировали формулировки теории и теста, чтобы они звучали одинаково. Теперь и в теории, и в вариантах ответа речь идёт о достигнутых результатах, а планы на будущее сформулированы через результаты следующего спринта.

3. Модуль 8, последовательность шагов

Действительно, может быть не до конца понятна логика передачи прав и подписания финальных документов.
Мы дополнили теорию, давайте я приведу вам пояснение сюда:

Шаг 5. Передача курса в использование

После завершения и согласования проекта учебный курс нужно передать в дальнейшую работу

Передача может выглядеть по-разному: публикация курса на платформе, выгрузка в подходящем формате, например SCORM, передача исходных файлов или предоставление ссылок и доступов к материалам. Конкретный формат зависит от того, как устроен курс и что было согласовано с заказчиком.

Почему передача идёт после приёмки, а не до неё?

На этапе согласования заказчик знакомится с материалами. Вы демонстрируете учебный курс, предоставляете доступ к демоверсии, собираете комментарии, при необходимости вносите правки.

Но это ещё не означает, что результат окончательно передан в использование.

Приёмка фиксирует, что заказчик ознакомился с результатом и подтвердил его соответствие согласованным требованиям. Только после этого имеет смысл передавать материалы, исходники, доступы и права в том объёме, который предусмотрен условиями проекта.

Если поменять эти шаги местами, может возникнуть путаница. Например, заказчик получает материалы, начинает самостоятельно вносить изменения, а спустя некоторое время возвращается с замечанием о том, что раздаточный материал к модулю 5 подготовлен неверно. Если исходные материалы уже изменялись после передачи, становится сложно однозначно определить, на каком этапе появилась ошибка и кто вносил конкретные правки.
Кроме того, порядок приёмки и передачи материалов может быть отдельно зафиксирован в договоре. В одном проекте материалы передаются после письменной приёмки, в другом — после финальной оплаты или одновременно с ней. Поэтому важно заранее определить, в какой момент результат считается принятым и когда заказчик получает доступы, исходники и права на использование материалов.

Последовательность в данном случае следующая: сначала подтверждаем, что разработанный курс соответствует согласованным требованиям, и фиксируем приёмку письменно. После этого передаём материалы, доступы, исходники и права в соответствии с условиями проекта.

4. Диаграмм Ганта

Мы сейчас взяли этот момент в проработку. Добавляем полноэкранный режим ко всем тренажёрам курса - это позволит в более удобном формате изучать и диаграмму Ганта в том числе.

Увидеть все зависимости диаграммы на одном экране, обычно, нельзя ни в одном проекте, если он длится дольше месяца. Но мы работаем над тем, чтобы картинка, которая сохраняется, была шире без потери в размере шрифта.

5. По поводу финального теста
Спасибо за вашу обратную связь 😊
Добавим для студентов информацию о том, как работает платформа, что происходит после прохождения теста и отдельно заострили внимание на скриншоте сразу после прохождения.

Ещё раз спасибо за обратную связь!
Такие развивающие комментарии помогают нам делать обучение эффективнее 🙌🏼

Нам в команду поступают комментарии по улучшению учебных курсов, а мы спокойненько их прорабатываем.

Да, студентоцентричность и клиентоориентированность — это то, к чему хочется стремиться.

Делюсь примером того как мы отрабатываем комментарии от замечательных студентов👇🏼

🎓 Циферки, такие циферки

Друзья, в продолжение темы отвечаю на вопрос:
В чём разница между Data-driven и data-informed при работе с образовательным продуктом?

Главная разница в том, какую роль данные играют в принятии решения.

В случае с data-driven данные имеют очень высокий вес и могут становиться главным основанием для принятия решений.

Логика примерно такая:
«Вариант B статистически и практически значимо лучше варианта A по нашей целевой метрике — значит выкатываем B».
Подход работает там, где метрика достаточно хорошо соответствует цели, данных много, эффект проявляется быстро, решение относительно дёшево проверить (и при необходимости отменить).

В EdTech это часто применимо именно к продуктовой логике (которая классно сочетается с Unit-экономикой).
Например:
- какой онбординг лучше доводит пользователя до первого занятия;
- какой интерфейс платформы снижает количество технических ошибок;
- какая последовательность экранов повышает конверсию в регистрацию;
- какой алгоритм рекомендаций точнее определяет следующий полезный материал и т.д.

В подобных случаях можно накопить большое количество наблюдений и достаточно чётко определить метрику.

Но по мере приближения к непосредственно образовательному результату возрастает значение контекста и его интерпретации. И тут не всё так очевидно как кажется.

Предположим, аналитика нам показывает:
Если сократить объяснение темы с 12 минут до 4 минут, COR увеличивается на 23%.
Можно принять решение сократить объяснение.

Но возникает следующий вопрос:
А что произойдёт с эффективностью обучения? (т.е. смотрим на соседние факторы)
Допустим, мы выясняем, что через неделю группа с четырёхминутным объяснением усваивает материал существенно хуже.

Вот как раз в этом случае становится важен data-informed подход 👍🏼

То есть данные становятся одним из основных источников информации для принятия решений, но рассматриваются вместе с особенностями целевой аудитории, экспертными оценками, ограничениями образовательного продукта и т.д.

Поэтому data-informed вовсе не означает, что мы «меньше доверяем данным». Нет.

Скорее речь идёт просто о признании того, что данные требуют интерпретации, а значение конкретной метрики зависит от других факторов, влияющих на неё.

Краткое саммари:

Data-driven особенно уместен там, где связь между метрикой и целью является непосредственной, эффект наблюдается быстро, решение можно сравнительно легко проверить и отменить.

Data-informed там, где результат сложный, отсроченный, плохо наблюдаемый, зависит от множества факторов.

Более подробнее c разницей подходов можно ознакомиться в данном материале:
https://www.chelidze-d.com/post/data-driven-informed-inspired

🎓 Одна образовательная метрика
и три разные проблемы

На прошлой неделе побывал на полезной встрече от School Of Education, где обсуждались образовательные метрики.

В какой-то момент речь зашла о том, почему на одну и ту же образовательную метрику важно смотреть с позиции продакта, педагогического дизайнера, методиста, преподавателя и других участников команды.

Решил поделиться своим ответом ниже 👇🏼

Дело в том, что одна и та же цифра может указывать на разные проблемы в зависимости от профессиональной оптики специалиста.

Возьмём простой пример.

До конца курса доходят только 38% студентов второго курса онлайн-школы «Математика для всех».

Что может увидеть продакт? Верно, проблему с retention.

А педагогический дизайнер или методист? Правильно, предположить, что причина связана с ростом когнитивной нагрузки.

Преподаватель, в свою очередь, может заметить, что на третьей неделе начинается регрессионный анализ, с которым значительная часть студентов не справляется из-за слабого владения базовой алгеброй.

Получается одна метрика и сразу несколько гипотез.

Самое интересное — они все могут потенциально оказаться верными.

Например, недостаток базовых знаний может увеличивать когнитивную нагрузку при изучении регрессионного анализа. Из-за этого студенты начинают хуже выполнять задания, чаще пропускают занятия, реже возвращаются к обучению и в конечном счёте часть из них прекращает проходить учебный курс.

В данном случае продакт, педагогический дизайнер и преподаватель фактически описывают разные уровни одной причинной цепочки. И это действительно ценно.

Причём мне кажется, что сам процесс работы с метриками должен быть заранее организован.

То есть до их обсуждения полезно определить, какие специалисты участвуют в анализе конкретного показателя, какую часть образовательного процесса каждый из них способен диагностировать и за какие решения отвечает. Только после этого каждый участник команды может сформулировать гипотезу и аргументировать её.

Но возникает ещё один важный момент.

Наличие нескольких позиций не означает, что каждый специалист может самостоятельно менять образовательный процесс в пределах своей гипотезы.

Допустим, преподаватель видит, что студентам тяжело даётся конкретная тема, и предлагает добавить ещё три занятия. С педагогической точки зрения решение может выглядеть вполне обоснованным (тем более учитывая тот факт, что преподаватель довольно хорошо знает своих студентов и их уровень знаний).

При этом увеличение количества занятий изменит продолжительность курса, нагрузку студентов, образовательный путь, и, в конечном счёте, экономику образовательного продукта.

Поэтому локально разумное решение может создать проблему на уровне всей системы.

Поэтому важно не только организовать процесс обсуждения метрик, но и определить кто отвечает за итоговое решение.

При этом я бы разделял владельца метрики и владельца решения.

Например, продакт может отвечать за retention, но это ещё не означает, что он единолично определяет структуру образовательной программы. Точно так же преподаватель, обладающий пониманием затруднений студентов, не должен самостоятельно менять образовательный путь, если изменение затрагивает другие части образовательного продукта.

То есть суть в том, что в спорных ситуациях решение требует, безусловно, совместной проработки, однако финальное решение всё равно должно быть закреплена за конкретным членом команды.

Поэтому перед работой с образовательными метриками я бы рекомендовал заранее определить как минимум четыре вещи.

1. Кто отвечает за саму метрику.
2. Кто участвует в диагностике и формулирует гипотезы.
3. Какими учебными данными эти гипотезы будут проверяться.
4. Кто принимает решение об изменениях в конкретной части образовательного продукта.

Тогда междисциплинарность в обсуждениях метрик действительно начинает работать 🙌🏼

Коллеги, а кто в вашей команде принимает финальное решение, если продакт, методист и преподаватель по-разному объясняют одну и ту же метрику?

Канал Лаборатория онлайн-обучения в МАКС

Друзья, выпустил свою первую книгу «Андрагогика для практиков» 🎉

О всех подробностях рассказал на видео.

p.s. дайте знать на этом посте реакциями, если ждёте книжечку

Карьерное развитие через профессиональные задачи

Поделился личным опытом прокачки продуктовых навыков через рефлексию встреч с заказчиками и рассказал, как создал на базе нейросети персональный тренажёр для обучения на реальных рабочих задачах.

Как строить карьеру, если непонятно, где junior, middle и senior?

Разобрал проблему отсутствия единой системы грейдов в EdTech и поделился мнением, почему специалистам приходится собирать карьерную траекторию самостоятельно под конкретные запросы рынка.

Почему внутренний рынок талантов может стать новым приоритетом для HR?

Порассуждал о смещении фокуса с внешнего найма на развитие внутреннего рынка талантов и поделился мыслями о том, как горизонтальная мобильность сотрудников меняет роль корпоративного обучения.

Недавно побывал на фотовыставке.

В очередной раз убедился в том, что ни один генеративный ИИ не заменит для меня того, что вкладывает фотохудожник в свою работу.

Потому что через фотоработу можно понаблюдать за стилем автора, выбранным им сюжетом, задумку, которую он хотел передать зрителю.

Поэтому мне не нужна идеально сгенерированная «картинка».

Мне гораздо интереснее, что именно хотел сказать своей работой автор.

В этом, пожалуй, и есть ценность фотографии как искусства.