Achtergrond

Op deze pagina treft u een serie achtergrondartikelen aan die zijn geschreven door aanbieders die zich hebben aangesloten bij e-Learning.nl.


Van Let’s Learn! | 30-11-2020 | Article Rating | (0) reacties

Hoe meet je de impact van microlearning?

Hoe meet je de impact van microlearning?

Door: Helma van den Berg, microlearning expert Let’s Learn!

Micolearnings zijn effectief in het gebruik, maar hoe effectief? Hoe meet je de impact van het leren met microlearnings? We geven je in dit artikel 5 manieren waarmee je de impact kunt achterhalen.

Een goede serie microlearnings draagt bij aan een doel. Zonder doel, zonder behoefte bij de lerenden heeft het geen zin om een serie learnings te maken. Door aan de voorkant het doel helder te hebben, kun je na de implementatie ook meten wat de impact is van je gekozen strategie met microlearnings. Het beste werkt dit als je het doel op een meetbare (SMART) manier hebt vastgelegd. SMART staat voor: Specifiek, Meetbaar, Acceptabel, Realistisch, Tijdgebonden

Hoe meet je het behalen van je doel?

Er zijn vijf gangbare manieren om je resultaat te meten. Deze zijn:

1. Toepassing van de vaardigheden
Werken de medewerkers met de geleerde vaardigheden zoals ze geleerd hebben in het microlearning-programma? Deze meetmethode kan goed ingezet worden voor programma’s waar voor nieuwe software of een nieuw product werd geleerd. Stel je hebt microlearnings ingezet om nieuwe software te implementeren en er komen nog steeds veel vragen binnen bij de helpdesk, dan is het microlearning programma niet goed (genoeg) geweest. Als je de doelstelling vooraf smart hebt geformuleerd, is nog beter te bepalen in hoeverre je de doelstelling hebt gehaald.

2. Snelheid en efficiëntie
Hebben individuele medewerkers of hun team hun taken sneller op de juiste manier afgerond? Metingen op snelheid en efficiëntie zijn goed inzetbaar als het gaat om meetbare zaken als het aantal klantcontacten dat nodig is om tot een goed resultaat te komen of het aantal doorverwijzingen dat gemaakt wordt. Ook hier geldt weer dat als de doelstelling vooraf smart geformuleerd is, je snel kunt bepalen of de doelstelling is gehaald.

3. Kwaliteit van het werk
Is de kwaliteit van het werk verbeterd? Dit kun je laten bepalen door supervisors of managers in (tussentijdse) beoordelingen.

4. Aantal fouten
Is het aantal fouten of errors veranderd na het volgen van het programma? Als het leertraject impact heeft gehad is het aantal fouten of errors flink afgenomen.

5. Kwalitatieve feedback
Kwalitatieve feedback helpt om een goed beeld te krijgen van het hele project en om te bepalen wat de impact is geweest van het programma. Ook kan het informatie opleveren over de gebruikte leervorm. Je kunt hier kiezen voor de insteek op medewerkers of op klantniveau. Bij de medewerker kun je de resultaten van de feedback op het programma gebruiken of de uitkomsten van het MTO (medewerkertevredenheidsonderzoek).
Een andere manier is om te kijken of er een verandering zichtbaar is in de feedback van de klanten. Denk bijvoorbeeld aan de score op klanttevredenheid, aantal herhaalaankopen of herhaalcontacten.

Elk van deze meetwaardes geeft inzicht in de inzetbaarheid van het microlearning trainingsprogramma voor het verbeteren van de prestatie van de medewerker. Het helpt je om verbeterpunten te benoemen en je programma te verbeteren. Meer weten over microlearning? Vraag dan hier het gratis eboek aan.

Gebruikte inspiratiebronnen:
5 Training Statistics that Will Help You Get Leadership Buy-In
Measuring The Impact Of Microlearning: 5 Employee Performance Metrics That Never Lie


Hoe waardeert u deze bijdrage?




Reacties

Plaats hieronder uw reactie.

Naam (verplicht)

E-mail (verplicht)

Website

CAPTCHA Afbeelding
Voer de hierboven staande code in:

Column

0 reacties
Van Let’s Learn! 09-10-2023

Retentie en AI

Helma van den Berg van Let's Learn! beluisterde de bijdrage van Jeanne Bakker aan de podcastserie BrainBakery. Bakker vertelde over de bedreiging en kansen die we nu en in de toekomst van AI kunnen verwachten. In de podcast sprak zij haar verwachtingen uit voor de toekomst van AI in leren. Helma is het met haar eens. Zoals de gedachte om AI voor gepersonaliseerd leren te gebruiken.