开启个性化学习新模式

王勤

企业借助大数据分析和移动应用等技术，建立以知识援助为中心的员工个性化学习平台，可以更准确地获得员工个性化的学习需求，精准地为员工推送其所需的技术支持，为员工的实际工作带来诸多便利。

个性化信息服务是能够满足用户个人信息需求的一种定制化服务，即通过对用户个性、使用习惯的分析，主动向用户提供其需要的信息。但是，在知识资源数量庞大的知识库中，员工如何准确地发现、及时地获取自己所需的内容，变成了一件比较困难的事情。

构建学习平台的基本原则

大数据分析技术与移动学习技术的发展，为员工个性化特征分析和及时获得相关资源提供了便捷的途径。因此，在企业知识库管理系统的基础上，有必要通过引入大数据分析技术，更精准地为员工推送所需内容，实现个性化学习与知识推送，提升系统黏性，实现员工个性化辅助学习的创新发展，给员工实际工作带来更多的便利。笔者认为，结合大数据分析技术的特点，以知识援助为中心的员工个性化学习平台设计应遵循以下原则：

统一学习资源

首先，知识分类体系要统一。以知识援助为中心的员工个性化学习平台应沿用企业内的专业知识分类体系，必须使二者总体上保持一致。其次，资源要统筹管理。为实现学习资源的统一规划和管理，所有的学习内容应由企业进行统一管理，包括资源的上传、修改、删除等维护操作，并通过网络将这些资源实时上传到员工个性化学习平台中。

统一学习数据

为保持员工学习记录的完整性，员工在个性化学习平台中产生的学习、互动交流等数据，应实时回传至企业内部，从而实现员工学习记录的统一管理。

保证时效性

为保证援助的时效性，员工在个性化学习平台产生的任何互动、学习等行为数据，都必须有明确的时间标识，并建立即时推送机制，保证信息推送、用户答疑等环节的时效性。

确保安全性

建设以知识援助为中心的员工个性化学习平台，需在软件系统安全、数据库安全、硬件系统安全及用户身份认证、数据传输等关键环节、方面满足企业对安全性高规格需求，确保员工数据、公司信息、知识产权等数据的安全。

构建学习平台的重要环节

个性化辅助学习平台主要内容应包括用户特征数据分析，建立“学员—行为—资源”分析模型，实现个性化分析与知识推送，为员工提供个性化学习辅导及工作场景即时学习，同时，为企业资源建设提供辅助决策支持（如图1）。

员工特征数据分析与模型建立

对员工进行特征数据分析，是搭建员工个性化辅助学习平台的基础性工作。主要包括员工特征分析（岗位、职责、专业研究方向、研究成果等）、员工学习行为分析、员工互动行为分析及员工生产业务数据分析。员工行为特征数据分散在网络学院及知识管理平台的各个模块中，也分布在员工的工作环境中，需要进行统一收集与分析。

首先，是员工学习行为的记录。在网络学院及知识管理中心的各功能操作中，记录用户的上述学习行为及其内容，主要包括用户、行为类型、具体内容、时间等，写入用户学习行为数据库中，以备分析用户行为所用。

其次，是对于员工学习行为的分析。将用户学习行为数据库配置到搜索引擎，并设置不同行为类型的权重值，构建分析模型，通过搜索引擎对某用户的所有学习行为、内容进行分析，分析用户在一定时间段内关心的热门词汇。

第三，是建立分析模型。在员工特征数据分析的基础上，利用协同过滤、内容推荐等手段对员工的岗位、年龄、工龄、职责、专业研究方向、研究成果等个人数据、学习行为习惯以及企业知识的数据属性进行数据挖掘，提取学习者的偏好、资源等数据源，建立“学习者—行为—资源”分析模型，建立用户分析模型。

员工个性化辅助学习

在建立了用户分析模型的基础上，建立适合员工个人兴趣和职业发展的个性化学习推荐系统及辅助学习平台。根据所掌握的用户特征，将相关知识资源自动推送给员工，以此实现知识的精准推送和个性化的学习引导。同时，用户也可以定制自己感兴趣的主题内容，系统会自动将相应的内容不定期推送到用户的移动终端，便于查看。

在此基础上，系统会自动分析具有共性的知识需求，将关注相近知识的人群“组团”到一起，在利用知识资源的同时，为这些人群提供互动交流与知识分享的平台，从而形成基于共同个性化需求的朋友圈，为个性化辅助学习提供社会化群组交流机制，降低个人学习的孤独感，提升知识援助的效率，提高用户的系统应用黏性。

工作场景的即时应用

企业工作环境复杂、形势多变、风险性高，在这个背景下情景培训就显得尤为重要。在当前大数据时代的趋势下，情景学习被赋予了更多形式和内容。情景培训可以有效地提高员工的实战能力，提供员工应急处理的知识援助，包括科技援助、管理援助、群创援助等课题。

本系统利用移动终端，嵌入LBS（基于位置的服务）服务，整合桌面系统工作计划、待办事项，利用企业现有的大数据资源，提供对应工作任务的标准、规范、报告等资源。如，根据工作票、操作票、工作计划向现场作业的员工实时推送工作相关的案例、标准、规程等资源，完成工作场景的即时学习。

提供决策支持

员工个性化辅助学习平台为员工提供准确、快速、全面获取知识、指导员工行动的同时，为知识管理平台提供辅助决策支持，包括统计分析、负面影响监测、用户体验改善、资源优化、系统优化、发展趋势分析等。

本系统以原文请求统计分析、自定专题/成果查新统计分析、学习兴趣组统计分析为试点，形成学习活动统计分析的建设思路与总体框架。通过对学员参与培训活动精细的行为分析，掌握学员群体学习的共性需求，并对配套活动、组织与学习资源建设等情况进行系统分析，为组织管理部门提供统计数据与辅助决策支持。

哪些困难需要化解

在学习平台初期实施过程中，会遇到三方面的障碍：首先，缺乏员工的学习行为数据，无法准确地分析员工的知识需求；其次，员工参与知识交流和共享的主动性偏低；最后，未能实现资源建设与员工学习活动组织的准确对接。针对上述困难，不妨尝试从以下几个方面进行改进。

●整合更广泛的员工学习行为数据

为进一步提高对员工知识需求分析的准确性，可以将员工个性化辅助学习平台与其他线上学习方式进行对接，更加广泛地整合员工学习行为数据，并与员工个性化特征数据相结合，对员工个性化知识需求进行更深入的分析，实现更精准的知识推送，提供更全面的知识援助。

建立面向个性化需求的兴趣小组

尽管个性化学习实现了知识的精准推送，但在实施初期还不能建立起围绕某个主题的知识交流与知识共享途径。因此，可以通过对用户行为的分析，将关注相近知识的人群关联起来，建立共享交流与知识分享的兴趣小组，发挥社会化群组学习机制的积极作用。

精细化分析资源建设与员工学习活动组织的关系

在分析网络学习、知识援助与员工绩效提升内在关系的基础上，通过选取部分典型的学习活动，建立以大数据分析为基础的分析模型，了解员工实际参与情况、个性化倾向、实际产生的效果，为配套活动组织、学习资源建设、学习引导与政策导向提供更准确的决策支持。

实践经验与启示

个性化辅助学习系统，是企业利用大数据的分析技术，精准地为员工推送所需专业知识，不仅实现了个性化学习与知识援助，提高了系统的黏性，更是推动了个性化学习平台的创新发展，为员工的实际工作带来了空前的便利。因此，笔者所在公司在个性化辅助学习系统的构建过程中积累的经验与启示，值得借鉴与参考。

首先，建立知识援助专区，能够帮助员工快速及时地解决实际问题。由于移动知识援助的交互性可以实现信息即时双向流通，有利于员工实时与在线的分享与讨论。因此，对于激发员工的学习热情与提高员工的工作能力都有很大帮助，还可以解决工作中遇到的一些实际困难。

其次，基于大数据分析，提供知识的精准推送和专业定制服务。利用大数据分析技术，可以获得更准确的员工个性化的学习需求，建立“学习者—行为—资源”分析模型，进而实现知识精准推送和个性化学习引导，达到专业定制的目的。

最后，引入移动应用技术，方便用户及时学习。移动LBS和即时通讯等技术的引入，使得个性化学习平台可以为员工提供及时的知识推送，实时问题解答、互动交流与知识分享，为员工提供随时随地的知识援助，同时增强系统使用的黏性。 责编/寇斌