站在數字化學習的實踐前沿，尤其是在疫情助推下，大部分培訓遷移到了線上。在這場數字化學習事件中，諾華制藥培訓總監王星恒認為，數字化學習存在兩大誤區，分別是“手段和目的混淆”以及“費用節省與效能衰減”，誤區背后的根本問題是學習到績效轉化的不確定性，而數字化學習使學習到績效轉化的確定性成為可能。

1. 學習的內容一定要能夠促使員工的行為轉變，達到組織行為學的要求，同時能夠推動績效的產生。

2.我們發明了“三點式”教學法，把10、20、70（從內容學習、從同儕學習、從經驗學習），全部放在線上，這樣能把所有的行為學習、行為練習、行為改變的所有數據點全部留存，為未來的分析帶來了可能。

3.同樣都是線上學習，學習之后，一組進行老師一對一的課后輔導，另一組完成自我反思問題，效果竟然是自我反思組超過老師一對一輔導組。并且我們用教育學研究方法驗證了這個結論，在統計檢驗上達到顯著。

明確數字化學習的目標 先分享我認為2020年最有趣的一個故事。爸爸和孩子在山間走路，爸爸指著遠方的一棵樹，跟小孩說，“我們各自走，但是我們要到達樹那里”。爸爸和小孩兩個人做了兩個不同的行為，小孩看著自己的腳下，一步接一步地走。爸爸則盯著遠方的那棵樹走了過去，縱然山路有崎嶇，有不同的環境。結果我們可以預料到，爸爸最終到達了那棵樹，而一直看著自己腳下的小孩，雖然每一步走得很精準，但方向早已偏離。 同理，數字化的方向或者數字化學習的方向究竟是在哪里？我將分享在諾華的實踐中所收獲的。 諾華制藥是一家跨國的制藥企業，在全球一直位列第三或者第四名，一年大概500億美金左右的銷售額，在中國也是一個龐大的機構。

疫情來臨，線下的教育似乎如坐針氈、如履薄冰，線上教育似乎一飛升天，飛黃騰達，但真的是這樣嗎？ 看上去因為疫情，80%的線下教育轉成了線上，但我們要思考，教育行業的上市公司并沒有因為疫情帶來巨大的流量而使得市值帶來巨大的發展，為什么？ 類似的，淘寶購物節交易額每年都創新高，字節跳動的抖音也在不斷發展，他們背后的驅動力是什么？ 我是醫生出身，我的答案是，靠多巴胺。購物有欣喜繼續購物，看到自己喜歡的新聞不斷地看，刷抖音不停地刷，為什么？多巴胺在不停地刺激和釋放。反觀教育，有多巴胺嗎？哪個小朋友說學完了數學以后有多巴胺的分泌，沒有。 這是一個問題，問題在哪里？我根本要講的一個點叫數據，為什么我們在其他的行業不斷地在產生多巴胺？是因為我看到的淘寶界面和你看到的淘寶界面是不一樣的，甚至大家都說連價格都不一樣。

比如我女兒在線學英文，她選擇一個level的難度之后，這個level所有小孩的課都是一樣的，然后再測試，再到下一個level。這個過程不會讓小孩產生多巴胺，反觀我們教育行業，成人或在線教育，怎么能持續地產生多巴胺？ 線上和線下的目的到底是什么，一定程度上、從生理學上來說可能是多巴胺，而我們企業教育的目的是什么？很簡單，學習的內容一定要能夠促使員工的行為轉變，達到組織行為學的要求，同時能夠推動績效的產生。 我想問在企業里的HR或者HRD，我們的學習能推動績效嗎？如果你回答我說“不知道”，你的回答很正常。如果你的回答告訴我，“我覺得可以”，那么告訴我推動多少，0.5%還是0.05%？如果你告訴我，“我覺得可能還不能夠”，那也是現實。 我們做過研究，發現對于有些學習來說，學習之后的效果還不如不學。 不管是線上還是線下學習，要搞清楚目的究竟是什么。

最大問題：學習績效轉化不確定 當大量的學習從線下轉成線上的時候，效能高度衰減。線上直播的教學，有多少人實際上在聽、聽完效果如何，這個其實并不知道。

如果我們真正想推動企業學習效能來改變員工的行為、推動績效，我們就要認認真真去研究這當中相關度是多少。 我們現在面臨的根本問題不是線上和線下的問題，而是學習績效轉化不確定性的問題。當我們把愿景、組織目標落到最后能夠使戰略戰術得到執行，能力是當中非常重要的一環，但是又是不確定的一環。 雖然我們也做學習過程評估，但那個評估是在一個非常嚴酷的環境下做的測試，在泛行業，這個標準根本不實用。這個評估只能限定在一定人群范圍內，做微小或者精準的項目。 我們長期的研究認為，數字化的學習能讓績效轉化的確定性成為可能，但還并沒有成為現實。

數據點要能夠去驗證績效 線上學習有兩個要素，第一是場景，第二是數據。所有行業都一樣，阿里巴巴也說自己是場景和數據，得到也講的是場景和數據，字節跳動講的還是場景和數據，看來有通識性，場景實現了什么？數據實現了什么？ 數字化學習有四大特征。

第一，場景窮盡化。線上學習讓我們窮盡場景成為可能。老師上課講完原理之后舉例子，讓大家練習，最后會總結說練習是局限的，回去以后要靈活應用。真正做到靈活應用其實非常難。組織行為學里有一致性理論，（編者注：所謂一致性，即如果其他人在相似的場合下都有相同的反應， 則說該行為具有一致性），我們希望把所有的場景窮盡，這樣才能夠真正做到類似場景下的一致性的能力遷移。諾華制藥在實踐中總結了大量的場景。

第二，反饋及時。要充分設計好反饋的時間節點。即便是線下培訓，也需要點評，線上更是如此。

第三，數據績效化。我們對數據的理解有偏差。比如時長這個數據，什么叫時長？你會覺得這個問題太簡單，時長就是這個視頻有多長。那么請問，回看怎么算？快進怎么算？如果你對時長的定義沒有考慮這些學習行為，那就麻煩了，你拿到的數據是稀奇古怪的。所以，數據定義本身就有大量的需要研究的空間。

第四，有了數據之后，有可能采集到數據點跟績效去對接嗎？跟行為改變去對接嗎？我問過大量的學習供應商這個問題，有多少個數據點可以提供給我，而且這些數據點被驗證過跟行為改變相關。非常少的供應商能直接回答我。數據點沒驗證過，這就麻煩了。更多的供應商甚至根本沒有埋過數據點。只有時長，沒有埋過其他數據點，這樣的證據材料就是廢物，將來不可能去做數據化績效考核分析。

基于以上種種條件的達成，我們才能談到學習定制化，定制化才能產生多巴胺。

打造數字化學習的數據閉環 我把整個環節用下面這棵樹來表示。樹根是績效模型，長出的樹枝就是我們的行為，桃子是場景。

我們有大量的老師去一線采集場景，把桃子采回來，再把桃子里面的知識點萃取出來，這是一個費時、費力、費技術的工作。人工智能的前期需要人工，之后才能智能，并且人工是巨大的。我們采集了大量的場景，然后把它根據不同的桃子組合形成課件，并且進行運營，運營過程中，要有行為改變去匹配。 在這個過程當中會產生大量的數據，這些數據要能夠連通形成閉環。現在都很流行討論閉環，但問題是一個環到另外一個環之間真有數據證實嗎？我們要對學與不學的區別、以及怎么學來進行嚴謹的研究，要看統計學的差異，這些都值得我們持續討論。

每一級的知識點搭建，是一個大工程。比如，與客戶互動是我們最小的一個行為，會落到最小的點就是一個知識點。因為有場景，一個溝通行為就會有一個知識點，很細節，但確實是很龐大的工程，需要人來做。 有知識點形成教材以后，我們發明了“三點式”教學法，把10、20、70，（從內容學習、從同儕學習、從經驗學習）全部放在線上，這樣能把行為學習、行為練習、行為改變的所有數據點全部留存，為未來的分析帶來可能。 另外，如果你發現我們的學習可能跟績效或行為改變相關性差，你一定反思一下，你在整個“三點式”當中的某一點的有效性可能出了問題。 激勵部分不是我們擅長的，我們找了一家公司幫我們運營，減少運營的壓力，可以保證100%讓學員學完。具體的激勵方法，有一系列除了錢以外的辦法。

數字化學習未來一定走向人工智能 既往的行為改變，甚至做測評評估的時候，我認為叫自嗨。全部靠個人的判斷，一個常見情境是，五個評委坐在下面評審一個人，評出來的差異會非常大。我們做過這樣的研究，老師之間評分的離散度非常大，大到可以推倒這個研究。我們現在逐漸地走向了用人工智能去評估學習行為，目前跟供應商合作有一系列成功的產品，去評估人各種各樣的學習行為。

到目前為止，我們公司的企業學習平臺上大概每天有20%左右的人會自發去學習，我們公司大概有5000人，每天他們學習的時長大約是半個小時，所以我每年可以累計下來30-50萬小時的學習數據。 我們把這些數據深入研究之后，有驚人發現。線上學習最后的行為改變竟然優于面對面學習，自我反思式學習超過老師一對一輔導學習效果。并且我們用教育學研究方法驗證了這個結論，在統計檢驗上達到顯著。 培訓老師們也很緊張未來自己的價值在哪里。未來一定是走向人工智能，但是前期需要人工，老師們需要思考人工智能結合下的轉型。

我們公司今年已經把80%的學習內容遷移到了線上，未來還會持續在數字化道路上繼續前行，擁抱數字，發現數字的洞察，這是我們的必經之路，也是未來的方向。在數字化之路上，我們可以像最開頭的故事里的爸爸一樣，目標清晰地盯住那棵樹，雖然歷經曲折，但終究會走向目標，但最怕的是每個腳印都走得正確，但方向錯了。數字化之路上，希望我們都能不忘最初的目標。我期待有更多的同道加入我們數字化學習探索的道路。

原文標題：王星恒：數字化學習使學習到績效轉化的確定性成為可能

文章出處：【微信公眾號：中歐商業評論】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq