Das Ziel unserer Forschungsarbeit ist ein Assistenzsystem, das das Weiterbildungsmanagement in kleinen und mittleren Unternehmen (KMU) unterstützt, indem es didaktisch wertvolle sowie bedarfsgerechte und individualisierte Weiterbildungsmaßnahmen auf Basis eines Algorithmus dem Anwender – häufig der Personalentwickler, aber in vielen Fällen auch der Lernende selbst – empfiehlt.

Das entwickelte Assistenzsystem den Anwender durch den Einsatz von vier Komponenten (siehe Abbildung 1):

e_Grafik_Forschungsvorhaben_2016-01-24_v1-1_mip

Das Contentmanagement unterstützt den Anwender bei der systematischen Erfassung und Verwaltung von Weiterbildungsinhalten und -angeboten sowie Weiterbildungsmaterialien in Form von Dokumenten, Videos oder Bildern. Das Anforderungsmanagement nimmt Anforderungen bezüglich einer geplanten Weiterbildungsmaßnahme auf und stellt sie dem System als Planungsgrößen zur organisatorischen und didaktisch-methodischen Programmplanung zur Verfügung. Inhaltsbezogen steht hierbei insbesondere der individuelle Weiterbildungsbedarf im Fokus, welcher im Zuge von systematischen Bildungsbedarfsanalysen zu ermitteln ist. Die Qualitätssicherung unterwirft dem gesamten Weiterbildungsmanagementprozesses sowie dem Wissensmanagement einem Qualitätsmonitoring als Grundlage zur kontinuierlichen Verbesserung der innerbetrieblichen Weiterbildungsarbeit.

Die Kerninnovation des Assistenzsystems ist allerdings der sogenannte Education Graph, der für die Entscheidungsunterstützung sowohl die didaktisch-methodischen Eigenschaften einer Weiterbildungsmaßnahme als auch den Lernstil eines Lernenden für die Auswahl einer Weiterbildungsmaßnahme berücksichtigt.

Stufen_des_Education_Graph

Der Algorithmus agiert in fünf Stufen (siehe Abbildung 2). Zunächst wird durch die Eingabe eines Suchkriteriums (1) eine grobe Filterung hinsichtlich der geforderten Zielstellung vorgenommen. Das Suchkriterium kann fallbezogen sowohl eine zu erwerbende Kompetenz, ein Themenbereich oder ein anderweitiger Schlüsselbegriff sein. Daraufhin kann der Anwender seine Suchergebnisse auf Basis von organisatorischen Rahmenbedingungen (2) zusätzlich eingrenzen. Dies betrifft Faktoren wie beispielsweise Zeit- und Kostenrahmen, organisationale und gesetzliche Rahmenbedingungen oder die gewünschte Umkreissuche für den Lernort. Der entscheidende Aspekt wie sich der Education Graph zu konventionellen Weiterbildungsdatenbanken unterscheidet, verbirgt sich in der Bewertung des Lehr-Lern-Arrangements (3). Diese Bewertung deckt Qualitätsunterschiede der verschiedenen Weiterbildungsmaßnahmen aus didaktisch-methodischer Sicht auf und differenziert dahingehend die Empfehlung. Der Education Graph wertet dafür die Abhängigkeiten didaktisch-methodischer Merkmale einer Weiterbildungsmaßnahme (beispielsweise Lernform, Lernmethode, Sozialform, Lernziele oder Lehr-/Lernmedien) aus. Arrangements ,deren Zusammenspiel zielführend ist, weil etwa die avisierten Lernziele durch die eingesetzten Methoden besonders gut zu erreichen sind, werden aufgewertet. Zusammenstellungen von tendenziell sich gegenseitig hemmenden Faktoren werden hingegen abgewertet.

Das hierfür erforderliche Wissen wurde durch eine Datentriangulation erschlossen. Es konnten mithilfe einer strukturierten Literaturanalyse zur Identifikation von relevanten und sich bedingenden Faktoren wesentliche Erkenntnisse gewonnen werden. Weiterhin wurden durch Expertenbefragungen Entscheidungsprozesse von Personalentwicklern bezüglich der Ausgestaltung von Maßnahmen im Algorithmus abgebildet und werden zur Bewertung herangezogen.

Den bewerteten Maßnahmen fehlt allerdings noch die Abstimmung auf den Lernenden. Dem Lernenden bietet sich infolgedessen die Möglichkeit, seine individuellen Lernpräferenzen und Lernstile durch eine Lerntypermittlung (4) für die Auswahl der Weiterbildungsmaßnahme zu berücksichtigen. Für die Ermittlung des Lerntyps wurde ein entsprechendes Lernstilmodell in Anlehnung an die Verfahren von David A. Kolb sowie Christopher Allinson & John Hayes entwickelt. Deren Theorien nach (Learning Styles Inventory und Cognitive Styles Index) besitzen Lernende stabile Lernpräferenzen und setzen Lernstile flexibel ein. Die nach diesem Filterverfahren übriggebliebenen Optionen werden dem Anwender angezeigt, so dass eine manuelle Auswahl (5) den Optimierungsprozess abschließt.

Für den Lernenden bietet der Education Graph mit diesem fünfstufigen Verfahren die Möglichkeit, sowohl die didaktisch-methodische Konzeption als auch die Abstimmung auf individuelle Lernpräferenzen im Auswahlprozess automatisiert zu berücksichtigen.

Durch das Zusammenspiel aller Komponenten ergibt sich ein systematisch ganzheitlicher Prozess für das Weiterbildungsmanagement.

Literatur

Allinson, Christopher; Hayes, John (2012): The Cognitive Style Index. Technical Manual and User Guide. United Kingdom: Pearson TalentLens.

Kolb, David A. (1985): Learning Style Inventory. Boston: Training Resources Group/Haygroup.