Tudásmérés e-learning eszközökkel
A HR számára az egyik legnehezebb feladat egy szervezetben az egyedi, illetve szervezeti szintű tudás mérése. Az nyilvánvaló, hogy mérésre szükség van. A kérdés az, hogyan, milyen eszközökkel tesszük ezt meg. Megfelelő eszközök nélkül egy bizonyos méret és komplexitás fölött lehetetlen feladatnak tűnik rendszeresen felmérni, hogy a dolgozók mit tudnak a szervezetről, a termékekről és szolgáltatásokról illetve a folyamatokról.
A mérési rendszer bevezetése előtt, a folyamatok kialakításakor az alábbi elvárásokat kell figyelembe vennünk:
- A mérés legyen objektív, vagyis az értékelésben ne játszhasson szerepet semmilyen szubjektív szempont. Ez nem azt jelenti, hogy a cégnél 2,5 hónapja dolgozó kollégának és a 10 éve foglalkoztatott veteránnak ugyanannyit kell tudnia, csak annyit jelent, hogy az értékelés során a szempontokat előre le kell fektetni.
- A mérést ne lehessen kijátszani, vagyis mindenkinek ugyanannyi esélye legyen a helyes válaszok megadására. Gyakori ellenvetés, hogy a felmérés közben a kollégák egymást segítik, puskáznak, a később vizsgázók már előre ismerik a kérdéseket, így az eredmény nem teljesen reprezentálja a valós tudásszintet.
- A mérés rendszeres időközönként történjen meg, de ez a rendszeres időköz ne évente egyszer legyen. Az évenkénti mérés eredménye egy pillanatfelvétel az aktuális tudásszintről, amire nem érdemes képzési tervet készíteni. Minél gyakrabban mérünk, annál jobban látszanak a folyamatok, annál pontosabban és célzottabban tudjuk a képzési tervet elkészíteni.
- A mérést ne stresszként éljék meg a dolgozók, mert a negatív élmények rontják a koncentrációs képességet és az eredményt. Legyen a napi, heti rutin része a mérés, ekkor nyugodtan, különösebb izgalom nélkül fogják a felmérést kitölteni.
- Az értékelés számos szempontrendszer szerint legyen elvégezhető, vagyis kérdésenként, témakörönként, szervezeti egységenként vagy akár egyénenként is lehessen következtetéseket levonni az eredményekből.
- Az eredmény kerüljön felhasználásra, vagyis legyen látható következménye a felmérésnek.
- A felmérés lebonyolítása, az értékelés illetve a kérdések összeállítása szervezett folyamat legyen, felelőssel, határidőkkel, dokumentált folyamatokkal. Ellenkező esetben a felmérés előbb-utóbb káoszba fordul.
Egyértelmű, hogy a fent leírt szempontrendszernek megfelelő tudásfelmérő rendszert papír alapon (vagy szóban) csak nagyon sok adminisztrációval és hibalehetőséggel lehet üzemeltetni úgy, hogy a rendszer nem gyors és még drága is.
Mi a megoldás? Számos lehetőség létezik a felmérések informatikai támogatására, ezekből mutatunk be néhányat:
- Logint tesztek: a felhasználó számítógépébe vagy valamelyik munka végzéséhez szükséges alkalmazásba történő belépéskor, egy erre a célra készített modul kérdéseket tesz fel, és a belépési folyamat a kérdések megválaszolása után folytatódik. Tipikusan call centerekben alkalmazott megoldás.
- E-learning tudásmenedzsment eszközök használata: egyes rendszerek rendelkeznek saját kérdésszerkesztővel, másokba tananyag modulként lehet importálni kérdéssorokat. Előnye, hogy ha már van e-learning, akkor nem kell újabb rendszert bevezetni, megtanulni. Hátránya, hogy az e-learning tudásmenedzsment eszközök nem feltétlenül erre a célra lettek kifejlesztve, így a kérdéssorok kezelése, a statisztikák készítése nem a legegyszerűbb és a rendszerek teljesítménye drasztikusan csökkenhet, ha adott esetben több száz felhasználó jelentkezik be.
- Dobozos céleszközök használata: számos olyan informatikai eszköz kapható, amelyek a fenti igényeknek megfelelnek, szinte csak meg kell venni, feltelepíteni és üzemeltetni őket. Előnyük, hogy számos olyan igény is megvalósításra került bennük, amelyre a bevezetés tervezéskor nem gondolunk. Hátrányuk, hogy általában zárt rendszerek, vagyis az eredmények esetleges exportálása vagy a felhasználók automatikus létrehozása nem egyszerű feladat.
- Egyedi fejlesztésű céleszközök használata: egy, a fenti szempontoknak, valamint a vállalkozás informatikai területén érvényes előírásoknak megfelelő egyedi fejlesztésű eszközökkel juthatunk a legközelebb a fenti listában megfogalmazott elvekhez. Hátránya az ilyen fejlesztéseknek, hogy hosszabb átfutási idővel vehető használatba a rendszer.
A rendszeresen, informatikai eszközzel támogatott tudásfelmérés eredménye rövid távon pillanatképek sorozata, amelyekből csak az adott napra vonatkozóan tudunk következtetést levonni. Ha azonban középtávon nézzük a dolgot és rendelkezésünkre áll 15-20 kitöltött teszt, amelyek akár csak 5-10 kérdést tartalmaztak, akkor már rendelkezésünkre áll egy olyan adatbázis, amely alkalmas az elemzésre. Az elemzés során kiszűrhetjük például azokat a dolgozókat, akik rendre az átlag alatt teljesítenek, azokat a kérdéseket vagy témaköröket, amelyek megválaszolása a legnagyobb hibaszázalékkal történik. Amennyiben az adatok alapján (ismétlő) képzéseket indítunk az adott kollégák illetve témakörök kapcsán ideális esetben az adatbázisban az eredmény igen hamar megjelenik.
Koharek András
ARTanácsadó
- 2026.04.24Pannon HR Konferencia Székesfehérvár Tavaszi Pannon HR Konferenciánkon Székesfehérváron, ahol ismét neves előadókkal, érdekes és aktuális témákkal készülünk. Amikor a döntéseknek súlya van – felelősségvállalás kultúrája a vezetésben és HR-ben
Részletek
Jegyek
- 2026.05.20Pannon HR Konferencia Debrecen Célunk, hogy lehetőséget biztosítsunk a HR-es közösségnek, hogy megvitassák az aktuális kihívásokat, trendeket, valamint hogy szakmai újdonságokkal ismerkedhessenek meg.
Részletek
Jegyek
- 2026.05.31Az Év Felnőttképzője 2026. - Páyázzon! A HR Portal által alapított díj célja, hogy láthatóvá tegye azokat a felnőttképző intézményeket, amelyek mérhető eredményekkel és valódi munkaerőpiaci hatással dolgoznak.
Részletek
Jegyek
- 2026.09.23Mi tesz egy tréninget valóban hatékonnyá 2026-ban? Élménnyel eredmény! Országos kutatás és gyakorlati iránymutatás HR és L&D szakembereknek a Tréning Kerekasztal konferencián.
Részletek
Jegyek
Rohamosan bővül a magyar felnőttképzési szektor, ahol évente közel egymillió résztvevő és akár 500 milliárd forint mozog. Bár a kínálat a... Teljes cikk
A mesterséges intelligencia nemcsak felgyorsítja a fejlesztést, hanem alapjaiban alakítja át a mérnöki szerepet is. Egy tapasztalt AI-mérnök példája... Teljes cikk
A magyar cégek 43%-a romló gazdasági környezetre számít, miközben közel kétharmaduk már vizsgálja a mesterséges intelligencia alkalmazását –... Teljes cikk
- Önéletrajzminta: Machine Learning Engineer (Gépi tanulási mérnök) 7 hónapja
- 2030-ra a dolgozók 60%-át újra kell képezni – készen állunk? 9 hónapja
- Machine Learning Engineer 10 hónapja
- Változás: a felvételibe is beleszámít majd a kompetenciamérés eredménye 1 éve
- Mik azok OKR-ek? - ismerkedjünk meg velük 7 lépésben 1 éve
- Új mérőszámok, új eszközök HR területen 2 éve
- Hogyan tudunk pontosabb 360 fokos mérést készíteni kevesebb erőforrással? 2 éve
- Miért érdemes teljesen új irányból ránézni a 360 fokos felmérésekre? 2 éve
- Kompetenciamérés: 2023-ban alacsonyabb átlageredmények születtek mint egy évvel korábban 2 éve
- Mitől jobb egy munkatárs, mint a másik: egy értékelési rendszer 2 éve
- A technológiai innovációt, a műszaki és mérnöki kutatómunka terén kiemelkedő teljesítményeket díjazták 2 éve

Milyen tanulságokat rejt a HR számára egy extrém csapatépítő?