Peut-on prédire les échecs ?
Voici la plus grande promesse des éditeurs de solutions à base d'intelligence artificielle. Prédire les échecs pour mieux les éviter. Doit-on les croire ? Peut-on (et faut-il) prédire les échecs ?
tips
Vous voulez réussir votre stratégie Learning Data ? Voici une série de petits conseils entre amis.
8 articles
Le piège du Garbage Data
Du "Big Data" au "Garbage Data", il n'y a qu'un pas. Accumuler toujours plus de données peut se révéler être la pire des stratégies. Si vous n'êtes pas convaincu, lisez cet article avant qu'il ne soit trop tard.
Membres
Des dashboards "actionables", sinon rien !
Nos amis anglo-saxons raffolent du terme "actionable" qui reflète bien leur approche pragmatique et opérationnelle des choses. Nous devrions peut-être nous en inspirer pour construire des tableaux de bord plus efficaces.
Membres
La stratégie de l'impact maximal
Ca y est, vous avez convaincu votre hiérarchie de l'intérêt des Learning Data. Vous avez le feu vert pour un projet pilote. Reste à choisir un thème et à définir une stratégie pour prouver à votre chef que vous aviez raison. Comment faire ?
Membres
Les outils passent, la Data reste
Si vous n'avez pas encore adopté un standard comme xAPI pour vos données d'apprentissage, voici une bonne raison de le faire. C'est peut-être la plus importante et la plus urgente. Alors commencez par là !
Membres
Des formations "adaptive", sinon rien !
L'"Adaptive Learning" n'est pas qu'un mot à la mode. C'est une nécessité grandissante et je vais essayer de vous expliquer pourquoi. (PS : oubliez le "sinon rien", ce n'est qu'une accroche, et non une injonction.)
Membres
Sélectionner les meilleurs indicateurs
Remplir un tableau de bord avec des 10aines de diagrammes est une chose facile, mais rarement productive. En la matière, mieux vaut être sélectif. Mais quels sont les indicateurs que vous devriez privilégier ?
Membres
Comment (ré)concilier data et éthique ?
La crainte d'un usage abusif des données personnelles peut être un frein au développement des Learning Data. Dès lors, comment naviguer entre un cadre règlementaire exigeant et une résistance probable des utilisateurs ?