Jak uczymyStrona główna
Metodyka AIQLAB
Metodyka AIQLAB to unikalne podejście edukacyjne, które łączy naukowe teorie psychologii poznawczej z praktycznym projektowaniem dydaktycznym (Instructional Design). Zamiast opierać się na przypadkowych szablonach czy czysto teoretycznych wykładach, proces tworzenia szkoleń w Akademii ujęto w rygorystyczne ramy metodyczne, które maksymalizują retencję wiedzy oraz zapewniają natychmiastowe przełożenie umiejętności na praktykę zawodową.
Metodologia AIQLAB INSTITUTE
Pobierz PDFKluczowe elementy
Jak projektujemy skuteczne szkolenia
- Podejście zorientowane na wyniki (Backward Design) - projektowanie szkoleń zaczyna się od zdefiniowania pożądanych rezultatów i tzw. Idei Przewodnich (Big Ideas), a nie od tworzenia slajdów. Następnie określa się mierzalne dowody opanowania wiedzy, a materiały dydaktyczne powstają na samym końcu.
- Kształcenie dopasowane do dorosłych (Andragogika) - szkolenia bazują na 5 filarach uczenia się dorosłych: natychmiastowym zastosowaniu wiedzy w praktyce, rozwiązywaniu realnych problemów zawodowych, wykorzystaniu dotychczasowego doświadczenia oraz jasnym wyjaśnieniu pragmatycznej potrzeby nauki.
- Mierzalne cele operacyjne (Taksonomia Blooma) - zamiast ogólnych pojęć stosuje się precyzyjne czasowniki operacyjne opisujące sprawdzalne działania. Każdy moduł szkolenia stopniowo buduje wyższy poziom zaawansowania poznawczego.
- Nacisk na aktywne działanie (Pierwsze Zasady Nauczania Merrilla) - nauka osadzona jest w rozwiązywaniu autentycznych problemów według cyklu: aktywacja dotychczasowej wiedzy, demonstracja, natychmiastowa aplikacja w praktyce z informacją zwrotną oraz integracja nowych kompetencji z codzienną pracą.
- Mikrouczenie w 9 krokach (model Gagnégo) - pojedyncza lekcja prowadzi przez przyciągnięcie uwagi, poinformowanie o celu, nawiązanie do wcześniejszej wiedzy, prezentację zwięzłych porcji treści, wsparcie myślenia, praktykę, informację zwrotną, ocenę i wzmocnienie transferu wiedzy.
- Praca na autentycznej infrastrukturze - uczestnicy wykonują zadania w realnych środowiskach, takich jak Jupyter Notebook, logi systemowe, instancje narzędzi automatyzacji czy cyfrowi bliźniacy, co eliminuje nauczanie wyłącznie teoretyczne.