How Machine Learning, Intelligent Dialogue, And eMentoring Impact eLearning

Dialogue implies listening, then generating a "tailored" response. With the "renaissance" of machine learning, deploying an automated system that "learns" from the learner's data and makes decisions with minimal human intervention, producing intelligent dialogue, becomes a tangible reality. This post was first published on eLearning Industry.

Should You Care About AI And ML In Your Corporate L&D Initiatives?

Artificial Intelligence and Machine Learning is where the world is moving. As AI and ML enter the enterprise space, should L&D bodies start caring about integrating them into different training activities? Is it really needed? Let’s find out. This post was first published on eLearning Industry.

Der Einfluss von Machine Learning & Künstlicher Intelligenz auf Arbeiten & Lernen im Unternehmen

„Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern.“ Soweit Wikipedia. Thomas Jenewein (SAP) knüpft hier in seinem Beitrag an und zeigt auf, wo heute Einsatzfelder für Machine Learning sind. Für Corporate Learning zählt er folgende Anwendungsfälle auf:

1. Fragen beantworten, Onboarding 
2. Automatisierung von Aufgaben in Administration oder beim Lernen
3. Empfehlungen: Lern-Inhalte, Experten oder ähnliche Lerner (Kuratierung)
4. Chatbot & Mixed Reality im Arbeitsfluss (Performance Assistent)
5. Automatische Erstellung von Lerninhalten
6. Adaptiv Lernen je nach Vorwissen
7. Individuelles proaktives Coachen von Lernern
8. Neuroschnittstelle

Aber das Thema bietet natürlich mehr. Fragen zur Automatisierung und Zukunft der Arbeit. Ein konkretes SAP-Beispiel („Ed-the-Bot“) sowie grundsätzliche, ethische Fragen. Thomas Jenewein schließt mit einem vorsichtigen Appell: „Mitarbeiter, Kunden & Partner je nach Kontext fit machen und schauen, wie damit das Lernen in der Firma transformiert werden kann.“
Thomas Jenewein, LinkedIn/ Pulse, 17. November 2018

Bildquelle: Markus Spiske (Unsplash)

Trends In Learning Analytics: Educational Institutions Take Heed

Although Learning Analytics is currently in its infancy stage, learning institutions should take heed: ultimately, it will revolutionise the way all education is delivered. This paper provides an overview of the discipline, presents some visualisations, and discusses some possible future trends. This post was first published on eLearning Industry.

Machine Learning Applications in E-Learning: Bias, Risks and Mitigation

Stella Lee präsentiert eine gute, ausgewogene Darstellung der Vorteile und Herausforderungen, die mit den Entwicklungen in „adaptive e-learning, fueled by the advances of machine learning and artificial intelligence“ auf uns zukommen. Auf der Habenseite stehen die Möglichkeiten: Personalized learning paths, chatbots, performance indicators. Auf der anderen Seite die Herausforderungen: „prediction could be too prescriptive“, „adaptive learning is costly and time consuming to build“, „algorithm black box“, „trust“.

Sie wirft dann noch das Stichwort „explainable AI“ in die Runde: Nutzer sollten das Recht haben zu erfahren, wie zum Beispiel Algorithmen funktionieren und eingesetzt werden. Dazu passt eine Begegnung, die sie schildert: „One adaptive e-learning company I spoke to recently couldn’t tell me how many of their data scientists have a solid grasp of pedagogical principles; yet they are the people who make decisions on what and how we learn.“
Stella Lee, Chief Learning Officer, 12. September 2018

Bildquelle: Markus Spiske (Unsplash)