النجم القطبي في تحليلات التدريب: 12 مقياسًا ودليل قرار لـ L&D (ما بعد معدل الإكمال)

قد لا يكون تدريبٌ ما جيدًا لمجرد أنه «اكتمل بنسبة %90»؛ وقد لا يُعد تدريبٌ آخر سيئًا لأنه «%40»—لأن المقياس حين يفقد سياقه يصبح مجرد رقم. في التعلم المؤسسي، هذا أكثر عمى أراه: تنحشر التقارير في ثلاثة أرقام، ثم يتشاجر الجميع حول تلك الأرقام الثلاثة.

أجد هذا مثيرًا في البشر: المدير نفسه، في الأسبوع نفسه، قد يقول «إذا كان الإكمال منخفضًا فالتدريب فاشل»، ثم في اليوم التالي يقول «إذا لم يشاهده أحد فلنقصّر المدة». الأولى مقياس نتيجة؛ والثانية قرار تصميم. قد يكون الاثنان صحيحين—لكن ليس على اللوحة نفسها، وفي الجملة نفسها.

سأجمع المقاييس في هذا المقال ضمن 4 طبقات: التشغيل، المشاركة/التجربة، دليل التعلم، أثر الأعمال. ثم سأربط 12 مقياسًا واحدًا واحدًا بسؤال: «أي قرار يدعمه؟». لأن النجم القطبي في تحليلات التدريب ليس مقياسًا واحدًا؛ بل جودة القرار.

“Not everything that can be counted counts, and not everything that counts can be counted.” [William Bruce Cameron, 1963]

1) لماذا يكون معدل الإكمال مضللًا إذا أُخذ وحده؟

معدل الإكمال هو أسهل ما يُقاس؛ وهو أيضًا أسهل ما يُساء تفسيره.

• في تدريب إلزامي مثل السلامة المهنية/GDPR، غالبًا ما يعني ارتفاع الإكمال نجاح آلية المتابعة لا «التعلم».
• في فرق ديناميكية مثل المبيعات، قد يعني انخفاض الإكمال أحيانًا ليس «عدم اهتمام» بل احتكاكًا تشغيليًا (توقيت غير مناسب، وحدة طويلة، توافق سيئ مع الأجهزة).
• إذا كان هناك %95 إكمال + درجات منخفضة، تظهر صورة على شكل حزن: «هناك مشاركة لكن لا يوجد تعلم».

بالنسبة لي، يصبح معدل الإكمال ذا معنى فقط مع هذه الأسئلة:

• من أكمل؟ (الشريحة)
• خلال كم من الوقت أكمل؟ (السرعة/التأخير)
• في أي خطوة تعثّر؟ (آثار النقر/الإجابة/الوقت)
• ثم ماذا حدث؟ (السلوك/الأداء)

لهذا لا أرمي «الإكمال» في سلة المهملات. إنما أضعه داخل مجموعة قرارات أكبر.

2) نموذج المقاييس ذي الأربع طبقات: التشغيل → التجربة → الدليل → الأثر

برنامج التدريب هو في الوقت نفسه أربعة أشياء: عملية تشغيلية، وتجربة، وادعاء تعلم، و(نأمل) نتيجة أعمال.

أفكر في الجدول التالي كأنه «معمار لوحة متابعة»: كل طبقة تغذي التي فوقها؛ لكنها لا تثبتها وحدها.

ما يعجبني في هذا النموذج: يمكن التحدث ضمن الإطار نفسه عن قرارات L&D التشغيلية اليومية (تذكير، تدفق، مراجعة محتوى) وأسئلة الإدارة العليا (استثمار، مخاطر، أداء).

3) 12 مقياسًا: التعريف + أي قرار يقدّم؟

اقرأ المقاييس الـ12 التالية ليس كـ«قائمة واحدة»، بل كـ دليل قرار. لكل مقياس: ماذا يقيس، كيف يُفسَّر، وبأي إجراء يُربط.

A) طبقة التشغيل (1–4)

1) التأخر (deadline slip / overdue rate)

• التعريف: نسبة من أكملوا بعد الموعد النهائي أو متوسط أيام التأخر.
• القرار: توقيت التذكير، التصعيد، تداخل عبء العمل.
• تلميح: في تدريبات الامتثال مثل السلامة المهنية/GDPR، هذا المقياس «رادار مخاطر». إذا ازداد التأخر فغالبًا المشكلة ليست المحتوى بل التقويم.

2) Time-to-competency (مدة الوصول إلى الكفاءة)

• التعريف: الزمن حتى الوصول إلى المستوى المستهدف لدورٍ ما (مثل تجاوز عتبة تقييم محددة).
• القرار: تصميم onboarding، طول الرحلة حسب الدور، المتطلبات المسبقة.
• انتباه: يُساء فهم هذا المقياس إذا قُرئ على أنه «الأسرع أفضل». بعض الكفاءات يجب أن تُتعلَّم ببطء (خصوصًا العمليات عالية المخاطر).

3) معدل التسرب حسب خطوة الرحلة (step drop-off)

• التعريف: في برنامج متعدد الخطوات، عند أي خطوة نفقد المشاركين.
• القرار: أي خطوة ستُعاد هندستها؟ وأمام أي خطوة سنضع تهيئة؟
• تفسير: التسرب وحده لا يعني «خطوة سيئة»؛ أحيانًا تؤدي تلك الخطوة وظيفة بوابة (gate) للفرز الطبيعي.

4) الدورات/المشاركون المعرّضون للخطر (علم خطر تشغيلي)

• التعريف: فئة مستمرة لكنها بعيدة عن الإكمال، قريبة من التأخر، وتُظهر إشارات مشكلة.
• القرار: من الذي نتدخل معه، وأي دورة نتدخل فيها؟
• ملاحظة: هنا يلزم نهج منهجي بدل «المتابعة فردًا فردًا»؛ وإلا تحوّل L&D إلى مركز اتصال.

B) طبقة المشاركة / التجربة (5–7)

5) احتكاك المحتوى (content friction index – تعريف عملي)

• التعريف: آثار تدل على أن المستخدمين يتعثرون بلا داعٍ داخل وحدة: وقت مفرط، إعادة مشاهدة، التوقف عند شاشة معينة، حلقة نقرات متعددة.
• القرار: ليس تقصير المحتوى؛ بل غالبًا إعادة هيكلة (إضافة أمثلة، توضيح، ترتيب الخطوات).
• المثير: أحيانًا يحب الناس المحتوى «الصعب»، ولا يحبون المحتوى «الضبابي». الاحتكاك ليس هو الصعوبة.

6) معدل الإعادة (rewatch / retry rate)

• التعريف: نسبة إعادة مشاهدة/إعادة محاولة القسم نفسه.
• القرار: هل هناك حاجة للتثبيت أم عدم وضوح؟
• تفسير: إعادة عالية + نجاح عالٍ = تثبيت. إعادة عالية + نجاح منخفض = مشكلة تصميم.

7) نسبة المتعلمين النشطين (active learners)

• التعريف: نسبة المستخدمين الذين يقومون فعلًا بنشاط تعلم على المنصة خلال فترة محددة.
• القرار: تصميم الحملات، قناة التواصل، التوقيت، آليات التحفيز.
• انتباه: «نشط» لا يعني «تعلّم»؛ لكن إذا لم يكن «نشطًا» فلا يمكنك أصلًا ادعاء التعلم.

C) طبقة دليل التعلم (8–10)

8) معدل نجاح البوابة (checkpoint / gate pass rate)

• التعريف: نسبة من يتجاوزون عتبة النجاح في نقاط التحقق.
• القرار: هل العتبة صحيحة؟ هل المحتوى كافٍ؟ أي موضوع فرعي ينهار؟
• ضبط دقيق: إذا كانت البوابات سهلة جدًا تنتج ثقة زائفة؛ وإذا كانت صعبة جدًا يُنظر إلى النظام كأنه «آلة عقاب».

9) الدقة من المحاولة الأولى (first-attempt accuracy)

• التعريف: النجاح من المحاولة الأولى في الأسئلة/نقاط القرار.
• القرار: هل هذا مستوى معرفة حقيقي أم تخمين؟
• تفسير: إذا كانت دقة المحاولة الأولى منخفضة ثم ترتفع بعد الإعادة، فقد يكون التدريب «يعلّم». والعكس—محاولة أولى عالية ثم هبوط—قد يكون أحيانًا مشكلة جودة الأسئلة.

10) إشارة النسيان (spaced decay proxy)

• التعريف: انخفاض الأداء على المفهوم نفسه مع مرور الوقت (بإعادة القياس).
• القرار: فاصل التثبيت، التجديد الدوري، تكرار صغير.
• ملاحظة علمية: فكرة منحنى النسيان تقول إن الذاكرة تضعف مع الزمن (Ebbinghaus, 1885). المؤسسات تتصرف وكأنها تعرف ذلك لكنها لا تبني تقاويمها وفقه—وهذا تناقض صغير.

D) طبقة أثر الأعمال (11–12)

11) العلاقة مع مؤشر الأداء (KPI correlation, حسب الشريحة)

• التعريف: التغير المشترك بين مقاييس التدريب ومقاييس الأعمال.
• القرار: أي البرامج «تتحدث بلغة الأعمال»؟
• تحذير: الارتباط ليس سببية. سأتحدث عن هذا تحديدًا؛ لأن أكثر الأخطاء تقع هنا.

12) مؤشر مخاطر الامتثال (compliance risk posture)

• التعريف: في التدريبات الإلزامية مثل السلامة المهنية/GDPR: التأخر + عدم الإكمال + انكسارات دورات التجديد.
• القرار: الاستعداد للتدقيق، إتاحة الرؤية للمديرين، خطة دورية.
• وضوح: في تدريب الامتثال، قد لا يكون الهدف «التعلم» بل عملية قابلة للإثبات. هذا ليس أمرًا سيئًا؛ إنه هدف مختلف.

4) التقسيم إلى شرائح: الخروج من فخ «المتوسط»

المتوسط هو أخطر حكاية في الحياة المؤسسية. لأنه يروي قصة أن الجميع «جيد قليلًا وسيئ قليلًا»؛ بينما الواقع غالبًا عالمان منفصلان.

أُصرّ على التقسيم إلى شرائح وفق هذه المحاور:

• الدور
• الموقع / الفرع / المنطقة
• الأقدمية (جديد–متوسط–خبير)
• الفريق / المدير
• الفترة (موجة حملة، ربع سنة، موسم)

نمط مثال (افتراضي لكنه مألوف جدًا):

• متوسط الإكمال: %70
• الشرائح:
  • الجدد: %92
  • ذوو الخبرة: %41

في هذه الحالة، التسرع في القول «المحتوى سيئ» غير حكيم. ربما يبدأ ذوو الخبرة لأنهم «يعرفون»، ثم يضيّع المحتوى وقتهم بلا داعٍ. أو العكس: المحتوى واضح للجدد، لكنه «يفتقد التفاصيل» لذوي الخبرة فيصبح مزعجًا.

من دون التقسيم إلى شرائح، لن تحسّن تصميم المحتوى؛ بل ستحسّن شبح المتوسط.

5) تحذيرات السببية: الارتباط، التجارب التجريبية وA/B

عندما أصل إلى طبقة أثر الأعمال، يعمل داخلي مكبح تلقائي. لأن بيانات التدريب متشابكة مع سلوك البشر؛ وسلوك البشر مثل متاهات بورخيس: إذا دخلت من الباب نفسه مرتين لا تخرج إلى الممر نفسه. (لا أجد هذا التشبيه «تامًا»؛ فالممر ثابت في المتاهة، وليس في الإنسان. لكن التشبيه ما زال يؤدي الغرض.)

أرى هذه الأخطاء الثلاثة كثيرًا:

1. «الذين أخذوا التدريب أداؤهم أفضل → إذن التدريب نجح.»
   ربما كان الجيدون أصلًا هم من ينهون التدريب أسرع.

2. «ارتفعت الدرجة → إذن تغيّر السلوك في الميدان.»
   الارتفاع في الاختبار ليس هو نفسه الارتفاع في العمل.

3. «هناك هبوط في منطقة → إذن المحتوى سيئ.»
   ربما تغيّر نظام الورديات هناك، أو انخفض الوصول للأجهزة، أو تغيّر المدير.

نهج أكثر صلابة:

• Pilot مضبوط: طبّق في وحدة A، وأجّل وحدة B المشابهة لفترة قصيرة؛ راقب الفارق.
• اختبار A/B: الهدف نفسه، محتوى/تدفقان مختلفان؛ أي تصميم ينتج «دليلًا» أفضل؟
• قبل-بعد + شرائح: لا تضع الجميع في الكيس نفسه.

هذه الطرق ليست من أجل «صرامة أكاديمية»؛ بل لأن تكلفة القرار الخاطئ مرتفعة.

6) أتمتة التحليلات في Nextrain: اكتب السؤال، واقترب من البصيرة

عملي هو إخراج البيانات من كونها «شيئًا ينتظر على لوحة مؤشرات» وتحويلها إلى شيء يقترب من القرار.

في Nextrain أفعل ذلك عبر ثلاثة سلوكيات عملية:

• استعلام باللغة الطبيعية: بدل ضبط الفلاتر، تطرح السؤال كجملة. مثلًا عندما تسأل: «من هم الموظفون الذين لم يكملوا تدريبهم في فرع إسطنبول؟» أعرض النتيجة بشكل مفهوم، ويمكنك حفظ هذا الاستعلام وإعادة استخدامه.
• عرض صحة الدورة: بدل التنقيب في التقارير دورةً دورة، تراها على خريطة صحة ملوّنة؛ ثم تنزل إلى التفاصيل.
• التعمق عبر التقسيمات: في تحليل الدورة وقوائم المشاركين، تكسر النتائج حسب حقول مؤسسية مثل الفرع/المنطقة/القسم، فتفكك «المتوسط».

هنا أسمع أيضًا الجملة التي تسمعها Saadet كثيرًا في الميدان: «أريد التقرير، لكن مشكلتي ليست التقرير؛ غدًا صباحًا سيسألني مديري: ماذا نفعل؟». عمل Saadet هو تهدئة ذلك السؤال؛ وعملي هو ربط ذلك السؤال بالبيانات. يحدث الاثنان في اليوم نفسه، لدى العميل نفسه، وأحيانًا بفارق خمس دقائق.

ملاحظة قصيرة عن GDPR: أثناء إنتاج التحليلات لا أرى البيانات الشخصية بالاسم؛ أعمل على أنماط السلوك. هذا يجعل الخط الفاصل بين «القرار بالبيانات» و«المراقبة بالبيانات» أوضح—على الأقل معماريًا.

7) دليل قرار سريع: أي مقياس، أي إجراء؟

كتبت هذا القسم لتفتحه قبل اجتماع وتلقي نظرة. مطابقة: «ما المشكلة؟» → «أي مقياس؟» → «أي إجراء؟».

إذا كانت المشكلة "لا يكتمل":
  - التأخر + drop-off + احتكاك المحتوى + نسبة المتعلمين النشطين
  - الإجراء: التوقيت/التذكير، تبسيط الخطوات، إعادة هيكلة الوحدة

إذا كانت المشكلة "يكتمل لكن لا يحدث تعلم":
  - معدل نجاح البوابة + الدقة من المحاولة الأولى + معدل الإعادة
  - الإجراء: أضف أمثلة/تغذية راجعة، اضبط عتبة البوابة، ابنِ تفرعات حسب الأخطاء

إذا كانت المشكلة "يحدث تعلم لكنه لا ينعكس على العمل":
  - علاقة KPI (حسب الشريحة) + pilot مضبوط/A-B
  - الإجراء: حدّد السلوك المستهدف، صمّم نقل التعلم إلى الميدان، اربط القياس بسير العمل

إذا كانت المشكلة "مخاطر تدقيق":
  - مؤشر مخاطر الامتثال + التأخر + انكسارات التجديد الدوري
  - الإجراء: تقويم التجديد، إتاحة الرؤية للمديرين، التدخل مع الكتلة الحرجة

النجم القطبي هنا: ليس أن «تبدو جيدًا» في مقياس واحد، بل ربط المقاييس بسلسلة القرار. معدل الإكمال مجرد حلقة واحدة من السلسلة.

ملاحظات

1. Hermann Ebbinghaus، Über das Gedächtnis (1885) — أعمال مبكرة في الذاكرة التجريبية حول منحنى النسيان وأثر التكرار.
2. William Bruce Cameron، Informal Sociology: A Casual Introduction to Sociological Thinking (1963) — عبارة كثيرة الاقتباس حول القياس والمعنى.