работая в сфере коммерческого образования, наблюдаю, как на рынке ооочень медленно, но меняется отношение к образовательной и продуктовой аналитике. и это не может не радовать!

я сильно топлю за исследования. но почему?

потому что без исследовательской логики очень легко создать обучение из собственных представлений о том, как должно быть, а не как оно есть на самом деле.

а дальше мы начинаем копировать привычные решения и рискуем получить продукт, который не подходит ни под реальную проблему, ни под цели обучающихся. иногда так и рождаются образовательные рудименты: никому толком не помогают, но продолжают существовать и тратить ресурсы.

вот несколько антипаттернов, которые я встречала и в сфере ДПО, и в корпоративном обучении:

❌ использовать ФГОС, профстандарты и другие нормативные документы как замену исследованию аудитории

они могут дать рамку компетенций и требований, но не расскажут, что происходит с людьми в конкретном контексте.

вообще, для меня ориентация ТОЛЬКО на стандарты, если мы говорим про ДПО - это довольно странная штука. но это пожалуй тема дискуссионная, предназначенная для отдельного поста. а вы сами как относитесь к этому? пишите в комментарии 🤍

❌ определять потребности ЦА только через заказчика

заказчик знает бизнес-проблему и видит ситуацию со своей позиции. но его представление о причинах поведения сотрудников не обязательно совпадает с реальностью самих сотрудников. "они просто не знают / не умеют / не понимают"

а потом при контакте с людьми выясняется, что они все прекрасно знают / в рабочий контекст это не встроено / пользы для сотрудников никакой нет / прямой руководитель требует делать иначе и т.д.

❌ начинать принимать решения по запуску обучения раньше, чем закончилось исследование

когда дедлайн горит, очень хочется уже что-нибудь сделать, желательно - вчера. и тогда исследование незаметно превращается из способа найти ответ в способ подтвердить решение, которое команда или конкретный руководитель уже успели принять.

❌ опираться только на один метод

опрос? интервью? посчитать статистику? методы бывают разные, но каждый показывает лишь часть картины и имеет свои ограничения в том, какую именно информацию мы получаем. поэтому важно смотреть на один и тот же вопрос / проблему с нескольких сторон и сопоставлять результаты.

❌ поручать анализ аудитории ИИ вместо общения с реальными людьми

ИИ отлично помогает в кабинетном исследовании. но запрос вроде "опиши типичные трудности специалистов, которые впервые становятся руководителями" даст нам НЕ исследование нашей аудитории, а правдоподобные гипотезы о ней.

мы не знаем, существует ли этот "усредненный руководитель" в нашей организации, какие из трудностей действительно актуальны и что осталось за рамкой ответа нейросети.

контакт с реальными людьми все еще никто не отменял.

📂 в карусели разобрала, как некорректное исследование ЦА или его отсутствие влияет на результаты реализации образовательной программы 👇

коллеги, колитесь! у вас в команде вообще делают анализ ЦА?