Theo khảo sát của LinkedIn Learning, 70% nhân viên cho biết họ sẽ gắn bó lâu dài với công ty hơn nếu được cung cấp chương trình đào tạo phù hợp. Việc hiểu được nhu cầu và hành vi học tập của nhân viên chính là chìa khóa để xây dựng chương trình đào tạo hiệu quả, đáp ứng đúng mục tiêu và tối ưu hóa chi phí. Trong số các phương pháp phân tích dữ liệu học tập, phân tích mô tả nổi lên như một công cụ hiệu quả giúp doanh nghiệp đạt được mục tiêu này. Trong bài viết này, hãy cùng OES tìm hiểu chi tiết về phương pháp phân tích mô tả nhé. 

Xem thêm: Bắt kịp xu hướng quản trị nguồn nhân lực hiện nay với Learning Data

Phương pháp phân tích dữ liệu – Phân tích mô tả là gì

Descriptive analytics – Phân tích mô tả là một phương pháp thống kê được sử dụng để tìm kiếm và tổng hợp dữ liệu trong quá khứ, từ đó giúp doanh nghiệp dự đoán xu hướng và mô phỏng mối quan hệ giữa các biến.   

Đây là phương pháp phân tích dữ liệu dễ tiếp cận và đang được doanh nghiệp sử dụng hằng ngày qua các phần mềm thống kê cơ bản như Excel, công cụ trực quan hóa dữ liệu, hệ thống bảng biểu,… Trong phạm vi phân tích dữ liệu học tập, đây là một phân tích phản ánh về dữ liệu người học và được thiết kế để cung cấp cái nhìn sâu sắc về các mẫu hành vi và hiệu suất trong môi trường học tập trực tuyến.   

Mô hình dữ liệu 

Mô hình phân tích dữ liệu đào tạo thường bao gồm:    

• Dữ liệu đầu vào: Thông tin học viên (độ tuổi, trình độ học vấn, kinh nghiệm trước đây,…) và dữ liệu học tập ban đầu (bài kiểm tra đầu vào, khảo sát,…)     
• Dữ liệu đầu ra: Hệ thống thông tin dữ liệu về hiệu suất học tập (điểm số, tỷ lệ hoàn thành khóa học), tỷ lệ tham gia (thời gian trực tuyến, tương tác), phản hồi từ giảng viên, đánh giá của học viên.

Ứng dụng phương pháp phân tích dữ liệu “phân tích mô tả” vào hoạt động L&D trong doanh nghiệp như thế nào?

Theo dõi tiến trình học tập 

Phân tích mô tả cho phép doanh nghiệp dễ dàng theo dõi và đánh giá tiến trình học tập của học viên thông qua:  

• Ghi chép lại thời lượng và mức độ tương tác học viên dành cho bài giảng, qua đó xác định được sự tập trung, hứng thú và cam kết của học viên.   
• Lưu trữ kết quả các bài kiểm tra để theo dõi tốc độ phát triển, tiến độ bắt nhịp với bài, sự thay đổi trong hiểu biết về kiến thức và kỹ năng của học viên.   
• Theo dõi các nhóm, diễn đàn, bài tập thực hành để đánh giá mức độ tham gia của học viên trong các hoạt động chung.  

Phương pháp phân tích dữ liệu “phân tích mô tả” đã hỗ trợ doanh nghiệp nhìn rộng hơn về bức tranh toàn cảnh về cách học viên tương tác với nội dung học tập. Thông qua đó, doanh nghiệp sẽ dễ dàng định hình chiến lược đào tạo và hỗ trợ cá nhân hóa quá trình này.   

Phân loại học viên 

Phân tích mô tả dựa trên những dữ liệu đã có trong quá trình học, được sử dụng để phân loại học viên theo các nhóm, với những tiêu chí nhất định như:  

• Phân loại theo hiệu suất 

Phân tích mô tả sử dụng các tiêu chí về điểm số từ bài kiểm tra và bài tập nhóm để phân loại học viên theo mức độ hiệu suất học tập. Các nhóm có thể bao gồm: Nhóm xuất sắc – Nhóm trung bình – Nhóm yếu. 

• Phân loại theo mức độ tham gia  

Phân tích mô tả cũng khai thác những thông tin về mức độ tham gia của học viên trong các hoạt động học tập để phân loại thành các nhóm cơ bản: Nhóm tham gia tích cực – Nhóm tham gia trung bình – Nhóm ít/không tham gia.  

Đánh giá hiệu suất khóa học 

Phương pháp phân tích dữ liệu phân tích mô tả có thể hỗ trợ người làm quản lý đào tạo đưa ra đánh giá hiệu suất khóa học thông qua các yếu tố như:  

• Tổng hợp điểm số  

Xác định điểm cao nhất, thấp nhất để hiểu rõ phạm vi của hiệu suất trong khóa học. Chỉ số này cho biết độ chênh lệch về điểm số để người làm đào tạo nhận định rõ điểm mạnh, điểm yếu của học viên và nội dung đào tạo.  

Xác định điểm trung bình để đánh giá mức độ hiểu biết chung của lớp đối với nội dung khóa học và đối chiếu với mục tiêu đã đặt ra ban đầu.  

Tổng hợp điểm số không chỉ cung cấp cái nhìn tổng thể về hiệu suất học tập mà còn là cơ sở để thực hiện các điều chỉnh và cải thiện trong quá trình đào tạo.  

• Phân tích, đánh giá học viên thông qua phản hồi   

Bước 1: Thu thập và tổng hợp đánh giá từ học viên sau mỗi bài giảng, bài kiểm tra, hoặc hoạt động học tập. Qua đó người làm đào tạo sẽ đánh giá sự hài lòng và độ hứng thú của học viên đối với nội dung và phương pháp giảng dạy.  

Bước 2: Xem xét các phản hồi chi tiết để hiểu rõ hơn về các vấn đề cụ thể và đề xuất cải tiến. Phân tích chi tiết giúp nhà quản lý xác định nguyên nhân của các vấn đề được đề cập trong phản hồi. Dựa trên đánh giá và phản hồi, nhà quản lý có thể điều chỉnh nội dung, phương pháp giảng dạy để đáp ứng mong đợi và nhu cầu của học viên.  

• Đánh giá tỉ lệ hoàn thành và hài lòng về khóa học   

Phân tích mô tả đưa ra các chỉ số liên quan đến sự thành công của khóa học để đo lường và đánh giá chất lượng trải nghiệm học tập.  

Tỷ lệ hoàn thành cho thấy mức độ hứng thú của học viên đối với nội dung và phương pháp giảng dạy, qua đó cũng thể hiện hiệu quả nhất định của tổng thể toàn khóa học. Nếu tỉ lệ hoàn thành thấp, người tổ chức đào tạo cần xem xét và điều chỉnh cấu trúc khóa học để tăng tính hấp dẫn và thú vị.  

Mức độ hài lòng của học viên cung cấp thông tin chi tiết về cảm nhận và trải nghiệm cá nhân của học viên, từ đó giúp nhà quản lý xác định những điểm mạnh và điểm cần cải thiện của khóa học.   

Xem thêm: Tầm quan trọng của Learning Analytics khi triển khai đào tạo trực tuyến

Ưu điểm và hạn chế khi ứng dụng phân tích mô tả vào hoạt động L&D trong doanh nghiệp

Ưu điểm 

Phân tích mô tả cung cấp thông tin một cách rõ ràng và dễ hiểu, làm cho dữ liệu trở thành công cụ hữu ích cho người quản lý, giáo viên và học viên.  

Phương pháp phân tích dữ liệu này còn có khả năng hỗ trợ xác định xu hướng và đặc điểm chung trong quá trình học tập, từ đó cho phép quản lý đào tạo và giáo viên đưa ra quyết định dựa trên thông tin cụ thể về hiệu suất cũng như mức độ tham gia của học viên.  

Hạn chế 

Phương pháp phân tích dữ liệu này chủ yếu tập trung vào việc mô tả dữ liệu hiện tại mà không thể dự đoán tương lai, dự báo các xu hướng tiềm ẩn nên khó sử dụng để đưa ra các chiến lược dài hạn.   

Phân tích mô tả có thể phản ánh “điều gì đang xảy ra” nhưng không thể giải thích “tại sao” nó lại xảy ra.  

Ngoài ra, yêu cầu chất lượng dữ liệu đầu vào cao có thể được coi là thách thức lớn, nhất là với môi trường học tập nhiều biến động. 

Xem thêm: Cách đưa ra quyết định đúng đắn dựa trên dữ liệu trong L&D (Phần 1) 

Kết 

Có thể nói, doanh nghiệp cần thường xuyên thực hiện phân tích dữ liệu học tập để cập nhật xu hướng học tập của nhân viên và điều chỉnh chương trình đào tạo cho phù hợp. Áp dụng phương pháp phân tích dữ liệu mô tả, doanh nghiệp có thể nâng cao hiệu quả đào tạo, phát triển nhân lực và đạt được lợi thế cạnh tranh trong thị trường ngày càng khốc liệt. Thấu hiểu được nhu cầu của doanh nghiệp, OES cung cấp dịch vụ phân tích và trực quan hóa dữ liệu, giúp việc đưa ra phân tích ban đầu hoặc báo cáo, đánh giá trở nên chính xác – chuyên nghiệp – nhanh chóng – tiện lợi. Hãy liên hệ ngay với OES – Công ty Cổ phần Dịch vụ Đào tạo Trực tuyến hàng đầu tại Việt Nam nhé!