Unser einzigartiges Recommender System hilft Lernenden, zu ihren Themen up-to-date zu bleiben und sich weiterzuentwickeln. Wir vergleichen die Lernerdaten mit neuen Artikeln, Studien und Kursen, die wir auf hinterlegten Websites, firmeninternen Quellen oder optional ganz allgemein im Internet finden.
Was sind Recommender Systems?
Ein Empfehlungssystem, auch Recommender System genannt, ist eine Softwarelösung, die Benutzern personalisierte Vorschläge für Produkte, Dienstleistungen oder Inhalte macht – basierend auf Vorlieben, Verhalten und Interaktionen. Solche Systeme kommen häufig in Online-Shops, Streaming-Plattformen und sozialen Netzwerken, aber auch auf modernen Lernplattformen wie chunkx zum Einsatz.
Auf klassischen Lernplattformen beschränken sie sich meist darauf, neue Kurse der eigenen Plattform oder einer begrenzten Zahl an Partnern zu empfehlen. Wir finden, das geht besser.
Recommender Systems in chunkx
In chunkx verarbeiten wir nicht nur, welche Kurse ein Lernender macht, sondern analysieren direkt die Inhalte der vielen einzelnen Lerneinheiten. Das erlaubt inhaltliche Vergleiche. Lernst du z.B. viel zum Thema Diverse Leadership, können wir die Inhalte deiner Lerneinheiten sowie deine Lerndaten nutzen, um sie mit Skills zu matchen und passende Empfehlungen zu generieren:
1) Passende Kurse in chunkx
Eine sehr wichtige Funktion für unsere Kunden, die unsere Micro-Learning-Plattform nutzen.
2) Passende Kurse außerhalb von chunkx
Per KI und gut aufgesetzter Data Extraction können wir passende Kurse zum Weiterlernen finden – unter Berücksichtigung von Skills, Entwicklungszielen und anderen Parametern.
3) Artikel, Studien und Updates
chunkx unterstützt dich bereits intensiv beim Lerntransfer. Mit unserem Recommender System machen wir es dir leicht, von neuen Artikeln, Studien und Updates zu deinen Themen zu profitieren. Solange du das Abo zum Kanal behältst, werden wir deine Lerndaten und Skills automatisch mit neu gefundenen Artikeln vergleichen und dich informieren, sobald wir etwas Passendes finden.
Quellen von Recommendations
Qualität ist eine Kernanforderung. Der erste Schritt ist es, die Quellen zu kontrollieren, aus denen Empfehlungen generiert werden dürfen:
Selektierte Quellen: Gemeinsam mit unseren Kunden legen wir fest, welche Quellen wir regelmäßig crawlen sollen. Diese Inhalte werden vektorisiert, um sie leichter mit Lerndaten vergleichen zu können.
Firmeninterne Quellen: Noch mehr Kontrolle haben Kunden über ihre internen Daten. Ähnlich wie bei selektierten Quellen vektorisieren wir z.B. Produktdatenbanken oder Knowledge Platforms und reagieren auf identifizierte Wissenslücken mit den perfekten internen Empfehlungen.
Das freie Internet: Gerade bei hochaktuellen Themen wie Generative AI, bei denen sich täglich etwas ändern kann, empfehlen wir Kunden, auf die Einschränkung der Quellen zu verzichten – für noch passendere Empfehlungen.
Validierung von Recommendations
Bei innovativer Automatisierung ist eine sorgfältige Validierung entscheidend. Alle Ergebnisse, die inhaltlich gut genug passen, landen zunächst auf einer Shortlist. Diese wird mit GPT-4 analysiert und nochmals mit den Lernerdaten verglichen. Wir nutzen dabei ausschließlich Services über Microsoft Azure – alle Daten werden in Europa (konkret in Frankreich) verarbeitet.
Die Top-Ergebnisse werden vor Veröffentlichung nochmal menschlich geprüft, sodass wirklich nichts schiefgehen kann.
Verknüpfung mit der nächsten Lerneinheit
Jeder Kommunikationsanlass wird von chunkx genutzt, um Lernenden die nächste Lerneinheit zu schicken. Dadurch unterstützen wir das kontinuierliche Weiterlernen und ermöglichen Lernen direkt im Flow-of-Work – in den Kanälen, die Menschen eh bereits nutzen (aktuell E-Mail und MS Teams).
Sprich mit uns über eure Lernkultur und die Veränderungen in eurem Unternehmen – und wie chunkx euch am besten unterstützen kann.
