Корпоративные тренинги по развитию навыков медиаграмотности в социальных сетях: персонализированный подход

Обложка

Цитировать

Полный текст

Аннотация

Сегодня социальные сети могут выступать эффективным инструментом в области бизнеса для привлечения новых клиентов, получения от них обратной связи, формирования лояльности и увеличения доли рынка. Однако, что происходит, когда их использование приводит к обратному эффекту? Самая важная проблема заключается в том, что информация, которая раньше носила исключительно частный характер, теперь находясь на расстоянии одного клика, может стать общедоступной во всем мире. Сотрудники имеют непосредственную аффилиацию со своими работодателями в социальных сетях, поэтому в результате публикации ими спорного заявления в Сети, компании может быть нанесен непоправимый репутационный ущерб. Следовательно, работники компании должны получить базовые навыки медиаграмотности в социальных сетях, чтобы уметь правильно коммуницировать, осознавая весь груз своей ответственности. Единственными поставщиками такого образовательного контента для департаментов обучения и развития персонала (L&D) являются авторитетные представители медиаиндустрии, которые могут внести положительные изменения в то, как компании обучают сотрудников. Согласно исследованию LinkedIn, повышение квалификации и переквалификация персонала стала важной задачей стратегического развития многих корпораций. Универсальный подход к обучению уже неэффективен. Поэтому даже подход к развитию навыков медиаграмотности в социальных сетях должен быть персонализированным. Исследование нацелено на определение: 1) современного понимания навыков медиаграмотности в социальных сетях с точки зрения бизнеса; 2) характеристик среды персонализированного обучения, влияющих на результаты обучения; 3) существующих инструментов персонализированного обучения (PL). В работе использовался теоретический анализ современных эмпирических исследований, связанных с внедрением PL в корпоративное обучение в период с 2018 по 2022 годы.

Об авторах

Елизавета Андреевна Осиповская

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: osipovskaya-ea@rudn.ru
ORCID iD: 0000-0002-4192-511X

кандидат филологических наук, доцент кафедры массовых коммуникаций

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 10, корп. 2

Анастасия Алексеевна Савельева

Тюменский государственный университет

Email: an.a.saveleva@utmn.ru
ORCID iD: 0000-0002-7727-9850

ассистент, Школа образования

Российская Федерация, 625003, Тюмень ул. Володарского, д. 6

Список литературы

  1. Allal-Chérif, O., Lombardo, E., & Jaotombo, F. (2022). Serious games for managers: Creating cognitive, financial, technological, social, and emotional value in in-service training. Journal of Business Research, 146, 166-175. https://doi.org/10.1016/j.jbusres.2022.03.083
  2. Armstrong, M.B., & Landers, R.N. (2018). Gamification of employee training and development. International Journal of Training & Development, 22(2), 162-169. https://doi.org/10.1111/ijtd.12124
  3. Chunaev, A., & Shikov, A. (2018). The method of personalized corporate e-learning based on personal traits of employees. Procedia Computer Science, 136, 511-521. https://doi.org/10.1016/j.procs.2018.08.253
  4. Dekoulou, P., & Trivellas, P. (2015). Measuring the impact of learning organization on job satisfaction and individual performance in Greek advertising sector. Procedia-Social and Behavioral Sciences, 175, 367-375. https://doi.org/10.1016/j.sbspro.2015.01.1212
  5. Gambhir, V., Asnate-Salazar, E., Prithi, M., Alvarado-Tolentino, J., & Tongkachok, K. (2022). Using artificial intelligence and deep learning methods to analysis the marketing analytics and its impact on human resource management systems. Communications in Computer and Information Science, 1591. Springer, Cham. https://doi.org/10.1007/978-3-031-07012-9_30
  6. Gerdenitsch, C., Sellitsch, D., Besser, M., Burger, S., Stegmann, C., Tscheligi, M., & Kriglstein, S. (2020). Work gamification: Effects on enjoyment, productivity and the role of leadership. Electronic Commerce Research and Applications, 43. https://doi.org/10.1016/j.elerap.2020.100994
  7. Haque, M., Goyal, A., Joshi, S., & Parmar, S. (2021). Transformation of human resource management due to impact of artificial intelligence. PalArch’s Journal of Archaeology of Egypt/Egyptology, 18(10), 803-809.
  8. Hromada, D. (2022). Humans teaching, machines learning: Machines teaching, humans learning: Invitation to peer learning of human and artificial pupils. Preprint of the article. https://doi.org/10.13140/RG.2.2.35146.08649
  9. Kesson, K.R. (2021). Channeling John Dewey: What would Vermont's philosopher of democracy have to say about personalized learning? Middle Grades Review, 7(2). Retrieved December 12, 2022, from https://scholarworks.uvm.edu/mgreview/vol7/iss2/2
  10. Kim, S. (2021). How a company’s gamification strategy influences corporate learning: A study based on gamified MSLP (mobile social learning platform). Telematics and Informatics, 57. https://doi.org/10.1016/j.tele.2020.101505
  11. Larkin, J. (2017). HR digital disruption: the biggest wave of transformation in decades. Strategic HR Review, 16(2), 55-59. https://doi.org/10.1108/SHR-01-2017-0006
  12. Lazar, T. (2022). Organizational scandal on social media: Workers whistleblowing on YouTube and Facebook. Information and Organization, 32(1). https://doi.org/10.1016/j.infoandorg.2022.100390
  13. Lengnick-Hall, M.L., Neely, A.R., & Stone, C.B. (2018). Human resource management in the digital age: Big data, HR analytics and artificial intelligence. Management and Technological Challenges in the Digital Age, 3, 1-30.
  14. Maity, S. (2019). Identifying opportunities for artificial intelligence in the evolution of training and development practices. Journal of Management Development, 38(8), 651-663. https://doi.org/10.1108/JMD-03-2019-0069
  15. Patki, S., Sankhe, V., Jawwad, M., & Mulla, N. (2021). Personalised employee training. 2021 International Conference on Communication information and Computing Technology (ICCICT) (pp. 1-6). https://doi.org/10.1109/ICCICT50803.2021.9510056
  16. Pavlát, V., & Knihová, L. (2019). The personal learning cloud as an innovative tool in corporate training. In J. Beseda, L. Rohlíková & V. Duffek (Eds.), 2019: E-learning: Unlocking the Gate to Education around the Globe: 14th Conference Reader (pp. 40-59). Prague: Center for Higher Education Studies.
  17. Saxena, M., Bagga, T., & Gupta, S. (2021). HR during Covid-19 era: Study on recent HR transformations through technological tools and trends. 11th International Conference on Cloud Computing, Data Science & Engineering (Confluence) (pp. 110-113). https://doi.org/10.1109/Confluence51648.2021.9377167
  18. Shivakumar, S.K. (2020). Digital workplace case study. Build a Next-Generation Digital Workplace. Apress, Berkeley, CA. https://doi.org/10.1007/978-1-4842-5512-4_7
  19. Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management: Challenges and a path forward. California Management Review, 61(4), 15-42. https://doi.org/10.1177/0008125619867910
  20. Vorm, E.S. (2018). Assessing demand for transparency in intelligent systems using machine learning. Innovations in Intelligent Systems and Applications (INISTA) (pp. 1-7). https://doi.org/10.1109/INISTA.2018.8466328
  21. Zhang, B., Yin, C., David, B., Xiong, Z., & Niu, W. (2016). Facilitating professionals' work-based learning with context-aware mobile system. Science of Computer Programming, 129, 3-19. https://doi.org/10.1016/j.scico.2016.01.008

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».