Webintelligency - Intelligence Thinking Patterns

  We've finished designing the state of the art learning event. We need to address the execution of the design. Sure, if we were the designer and the executor, it would be better. But, most of the time, we find that the execution is the role of a trainer, or rather an instructor, or maybe a facilitator?? Is there a difference between them, and what type is best for our design? Inspired by the online chat on the FB group @Training Designers Club, I've decided to write this informative article to help training designers match their designs to the right training executor. Basic concepts regarding officials in the world of training: Training designer Professional L&D practitioner. Their job is to build the learning event from A to Z while understanding the organization's needs, the appropriate and most fit event time-frame for the organization, and also an understanding of budget constraints and technology. Also, understanding the main messages to be conveyed in instruction

  “…. נו אז מה הבעיה? , שיהיה בזום. לי זה לא משנה. העיקר שהקורס יהיה מוצלח ונבצע אותו עד סוף השנה” גם אתם שמעתם את זה לאחרונה? מצפים ממפתחי-ההדרכה לעשות את הקסמים שלהם ולהמיר קורס או סדנה שיועדו מראש למפגש פנים-אל-פנים עם הלומדים, לאירוע למידה זהה, אבל… בתווך המקוון במאמר הזה אני רוצה לנסות להסביר מהם המאפיינים של פיתוח קורס מקוון (סדנה חד-יומית ועד קורס מלא), בהשוואה למאפייני הפיתוח של אותו האירוע אבל במתכונת פיסית של פנים-אל-פנים מה לא לעשות לא לסבך את הלומד עם תפעול מורכב של הפלטפורמה שבה אנו משתמשים להדרכה. כלומר, אם אנחנו למשל בזום, אז לא לסבך עם רקעים וכד’, אלא לייצר את האתגרים ללומד מהתוכן בעיקר לא להשתמש בכל הפיצ’רים של הפלטפורמה שאותה בחרנו ללמידה, רק בשביל השימוש. כלומר, אם צריך לייצר במהלך הלמידה לוח עבודה משותף ועליו המשתתפים מדביקים סטיקרים, אז זה נפלא, בתנאי שבאמת צריך את זה לטובת קידום הלמידה יש לזכור שבתווך המקוון אנחנו סומכים באופן מוחלט על הטכנולוגיה. ולכן, כדי לצמצם סיכונים, לא נעביר את הלומדים במהלך הלמידה בין יותר מדי מערכות וכלים. עדיפות לבצע הכל באפליקציה אחת אנח

I read the article, and it is fascinating. It reminds me of a puzzle that has only two parts, and yet, nobody can complete it. Big-data does not exist without thick-data, although modern approaches rely almost entirely on Big-data for making decisions. I once attended a lecture about AI and its characteristics, and I learned that AI has its limitations, especially when it comes to identifying patterns that are not on the 'highway' of the total data. That is the area where Thick-data comes in hand. As a CI person, you'd always want to merge these kinds of data and cross-check big-data by thick-data and vs. So, although this article is interesting, I don't see anything here but the obvious and the explanation of the right way to conduct any kind of serious intelligence research. https://medium.com/ethnography-matters/why-big-data-needs-thick-data-b4b3e75e3d7