终身学习 机器学习_成为终身学习者并在工作中取得成功

终身学习 机器学习

持续学习是指人们为了发展自己而进行的,以职业为导向的持续学习过程。 对于认为自己是持续学习者的人们,学习永无止境,而这些人会在日常经验中看到学习机会。 在工作中进行非正式学习活动的例子包括与同事进行辩论,反思反馈,在互联网上搜寻令人沮丧的问题的解决方案,尝试新事物或冒险。

持续学习是开放组织中任何人的核心能力。 毕竟,开放式组织是建立在同行之间相互思考,争论和共同行动的基础上的。 在开放组织的歧义,话语驱动的世界中蓬勃发展,每天都需要员工掌握这些技能。

不幸的是,科学文献在传播我们的工作学习知识方面做得很差,无法帮助个人欣赏和发展自己的学习能力。 因此,在本系列文章中,我将向您介绍非正式学习,并帮助您了解将学习视为一项技能如何在任何组织( 特别是开放组织)中蓬勃发展。

为什么这么正式?

迄今为止,组织学习的科学研究主要集中在正式培训而非非正式学习的设计,交付和评估上。

投资于其员工的知识,技能和能力的发展是组织保持领先于竞争对手的重要方式。 组织通过创建或购买课程,在线课程,讲习班等形式来正式规定学习机会,这旨在指导个人就职方面的内容,就像在学校上课一样。 提供课程是组织确保其员工技能或知识保持最新状态的一种简便(如果花费昂贵)的方法。 同样,教室环境是研究人员的自然实验室,不仅使基于培训的研究和工作成为可能,而且功能强大。

最近的估计表明,所有与工作相关的知识中有70%至80%不是在培训中学习的,而是非正式的在职知识。

当然,人们不需要培训就可以学到一些东西。 人们通常通过研究答案,与同事交谈,反思,试验或适应变化来学习。 实际上, 最近的估计表明 ,所有与工作相关的知识中有70%至80%不是在培训中学习的,而是非正式地在职学习的。 这并不是说正式培训无效。 培训可能非常有效,但这是一种精确的干预方式。 正式就某项工作的各个方面对某人进行培训是不切实际的,尤其是当这些工作变得越来越复杂时。

因此,非正式学习或在结构化学习环境之外进行的任何学习对于工作场所都极为重要。 实际上, 最近的科学证据表明,非正式学习比正式培训更能预测工作绩效。

那么,为什么组织和科学界如此关注培训呢?

周期性过程

除了我前面提到的原因之外,研究非正式学习可能非常困难。 与正式培训不同,非正式学习发生在非结构化的环境中,高度依赖于个人,并且可能很难或无法观察。

直到最近,关于非正式学习的大多数研究都集中于定义非正式学习的资格特征,并确定非正式学习在理论上如何与工作经验联系起来。 研究人员描述了一个动态的,周期性的过程 ,个人可以通过该过程在组织中进行非正式学习。

与正式培训不同,非正式学习发生在非结构化的环境中,高度依赖于个人,并且可能很难或无法观察。

在此过程中,个人和组织都有代理机构来创造学习机会。 例如,一个人可能对学习某些东西感兴趣并执行学习行为来这样做。 该组织以传递给个人的反馈的形式,可以表示需要学习。 这可能是绩效评估不佳,项目期间发表的评论,或者是组织环境中非个人指导的更广泛的变化。 这些力量在组织环境中相互作用(例如,某人尝试一个新想法并且他或她的同事认识并奖励该行为),或者通过反思在个人的思想中相互作用(例如,某人对自己的绩效反馈进行反思并决定为学习这份工作付出更多的努力)。 与培训不同,非正式学习不遵循正式的线性过程。 个人可以随时体验过程的任何部分,并同时经历过程的多个部分。

开放式组织中的非正式学习

特别是在开放式组织中,减少对等级制度的重视和对参与式文化的重视都助长了这种非正式的学习过程。 简而言之,开放式组织只是为个人和组织环境提供了更多互动和激发学习时刻的机会。 此外,思想和变革要求在开放组织的员工中进行更广泛的认同,而认同则需要对他人的适应性和洞察力进行评估。

就是说,仅仅增加学习机会的数量并不能保证学习将会发生或成功。 甚至可以说,在一个开放的组织可以防止有人含糊和不公开讨论共同谁不是在连续技能学习,再学习一段时间的这种习惯,并从组织,促进本组织有效的开放的核心竞争力就像在更传统的组织中一样。

解决这些问题需要一种以一致的方式跟踪非正式学习的方法。 最近,科学界呼吁建立一种衡量非正式学习的方法,因此可以进行系统的研究来解决非正式学习的前因和结果方面的问题。 我自己的研究集中在此调用上,并且我花了几年的时间发展和完善我们对非正式学习行为的理解,以便可以对其进行衡量。

在本系列文章的第二部分中,我将重点关注我在一个开放式组织内进行的一项近期研究的发现,在该研究中,我测试了非正式学习行为的度量,并将其与更广泛的工作环境和个人工作成果联系起来。

翻译自: https://opensource.com/open-organization/19/7/informal-learning-adaptability

终身学习 机器学习

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值