جوجل تكشف مستقبل التعلم الرقمي... 500 ألف برنامج تدريبي في سلة المهملات

الجديد في تعليم المنظّمات

جوجل تهدم منصة تعلم تضم 500,000 ألف دورة وتتبع نهج التعلم الاستباقي

في ربيع 2025، تلقّى موظفو Google إشعاراً غير معتاد: الدورات التي سجّلتم فيها على منصة Grow  تم إلغائها،  المواد محفوظة في الأرشيف سنبدأ من جديد.

كانت Grow قد نمت على مدى أكثر من عشر سنوات لتضم أكثر من 500,000 برنامج تعليمي، من بناء المنتجات إلى الطباعة ثلاثية الأبعاد وحل مكعب روبيك. لكن الرسالة التي وصلت إلى الموظفين كانت واضحة: Google تتخلى عن برامج "الجيد أن تعرفها" لتركز على ما هو ضروري للأعمال، مع تركيز كامل على الذكاء الاصطناعي. 

ولم يتوقف الأمر عند برامج الموظفين. في يناير 2026، أطلقت Google منصة Google Skills التي تجمع ما يقارب 3,000 دورة ومختبر وشهادة في مكان واحد. موحّدةً محتوى Google Cloud وGoogle DeepMind وGrow with Google وGoogle for Education. 

القرار يحمل رسالة استراتيجية عميقة، التعلم لم يعد ميزة إضافية في حزمة مزايا الموظف بل أصبح بنية تحتية للمنظمة بأكملها.

ما يجعل هذا النموذج مثيراً للاهتمام ليس حجم المحتوى  بل المنهجية. Google لا تسأل "ما الذي يحتاجه موظفونا اليوم؟" بل تسأل سؤالاً مختلفاً تماماً: "ما الذي ستحتاجه الصناعة بعد سنتين، وكيف نبني هذه الكفاءة الآن قبل أن يحتاجها أحد؟" هذا هو جوهر مبدأ التعلم الاستباقي  وهو التحول الأهم الذي تحتاج كل منظمة أن تفهمه.

ما هو التعلم الاستباقي وكيف يختلف عمّا تفعله الآن؟

معظم برامج التدريب في المنظمات اليوم تعمل بمنطق رجعي: تنتظر حتى تظهر مشكلة أو فجوة مهارية، ثم تُصمّم برنامجاً لمعالجتها. هذه المنهجية كانت منطقية في بيئة تتغير ببطء لكنها أصبحت عبئاً في عالم تتغير فيه متطلبات المهارات بشكل أسرع من أي برنامج تدريبي يمكن إطلاقه.

التعلم الاستباقي يعمل بمنطق مختلف جذرياً بناء الكفاءات بناءً على المتطلبات المتوقعة مستقبلاً، وليس الحالية. 

المنظمات التي تتبنى هذا النهج تستخدم التحليلات التنبؤية لرصد متطلبات الأدوار الناشئة قبل أن يتحول شُح المهارات في السوق إلى أزمة توظيف.  فتطور المواهب استباقياً بدلاً من الاستعجال الرجعي.

المنظمات الرائدة في 2025 حولت خطط التدريب من لوحات البيانات السلبية إلى استخبارات استباقية تدعم التصحيح الفوري للمسار، مستخدمةً رؤى تنبؤية لتحديد فجوات المهارات قبل أن تؤثر على الأداء. 

كيف تطبّق مبدأ التعلم الاستباقي داخل منظمتك؟ 4 خطوات عملية

الخطوة الأولى: ابدأ بخريطة المهارات المستقبلية، وليس الحالية 

اجلس مع القادة وناقش المشاريع الاستراتيجية المخططة للسنوات الثلاث القادمة. ما التقنيات التي ستعتمدها المنظمة؟ ما التغييرات التنظيمية أو السوقية المتوقعة؟ هذه المحادثة تُنتج قائمة بالمهارات التي ستكون حرجة لكنها ليست بعد في أي برنامج تدريبي.

الخطوة الثانية: حوّل بيانات الأداء إلى إشارات إنذار مبكر 

استخدم التحليلات التنبؤية لتوقع فجوات المهارات استناداً إلى أهداف الأعمال واتجاهات أداء الموظفين. 

الخطوة الثالثة: صمّم مسارات تعلم تنمو مع الموظف لا تُصحّح مساره 

الفرق الجوهري أن التدريب الرجعي يقول للموظف "أنت تفتقر إلى X". التعلم الاستباقي يقول "أنت في مسار ممتاز، وهذا ما ستحتاجه بعد 12 شهراً". المنظمات الأكثر نجاحاً تُضمّن في برامجها مسارات تعلم طبقية تُعزز المهارات عبر الممارسة المتكررة والتأمل  وليس عبر التدريب المرحلي المنفصل.

الخطوة الرابعة: اجعل التعلم جزءاً من محادثات الأداء الدورية 

منظمة مثل Siemens أطلقت منصة MyGrowth التي تدمج تقييم المهارات وتحليل الفجوات والتوصيات التعليمية الفردية ضمن حوارات مستمرة تُسمى "Growth Talks"  وهو ما يجعل التطوير حواراً دورياً و ليس حدثاً سنوياً. 

الدرس الذي يمكن أخذه من Google غداً

منظمتك لا تحتاج إلى منصة بـها 500,000 دورة لتطبّق هذا المبدأ. تحتاج أنت تسأل سؤال واحد في اجتماعك القادم مع القادة. الإجابة على هذا السؤال هي نقطة انطلاق استراتيجية التعلم الاستباقي في منظمتك. وهذا هو سؤال الإسبوع

سؤال الأسبوع

ما المهارة التي إذا لم تبنيها منظمتك اليوم، ستكلّفكم غداً؟

أهم المستجدات

الفجوة التي تتسبب في فشل البرامج التدريبية عن بعد وكيف يحلها الذكاء الإصطناعي؟

لسنوات، كان المصمم التعليمي يعيش مع سؤال لا إجابة له: هل هذا المحتوى الذي صممته يحقق الأثر؟ كان الرد يأتي في أحسن الأحوال بعد أسابيع، عبر درجات اختبار أو استبيان رضا. 

ما يُغيّره الذكاء الاصطناعي اليوم هو تحويل هذه المعادلة رأساً على عقب. بتوظيف خوارزميات التعلم الآلي والتعلم العميق لتحليل بيانات سلوك المتعلمين، بات الذكاء الاصطناعي قادراً على تعزيز التفاعل من خلال توصيات مخصصة وتقديم محتوى موجَّه واستراتيجيات تواصل استباقية. 

بمعنى أوضح، النظام يعرف متى بدأ المتعلم يتشتت قبل أن يعرف هو بنفسه.

لكن الأهم من القدرة التقنية هو ما كشفته الأبحاث الأكاديمية عن طبيعة هذه البيانات. دراسة منشورة في Journal of Learning Analytics رصدت كيف أن تغييراً مقصوداً ومدروساً في التصميم التعليمي  مستنداً إلى بيانات التعلم  أحدث أثراً قابلاً للقياس على أساليب التعلم الذاتي المنظَّم لدى المتعلمين ونتائجهم.  هذا يعني أن البيانات لا تصف فقط ما حدث  بل تُخبر المصمم كيف يُعيد التصميم.

وعلى صعيد لوحات تحليلات التعلم تحديداً، كشفت دراسة تجريبية عشوائية نُشرت في Applied Sciences (أكتوبر 2025) وشملت 8,745 متعلماً أن لوحات تحليلات التعلم تكون الأكثر فاعلية حين تُصمَّم بتغذية راجعة قابلة للتنفيذ وليس مجرد أرقام وإحصاءات تُعرض على المتعلم أو المصمم.

الخلاصة التي تتشكّل من هذه الأبحاث أن تحليلات التعلم لم تعد مجرد أداة رصد  بل تطورت لتصبح تخصصاً ناضجاً يُقدّم رؤى نظرية وعملية قابلة للتطبيق لتحسين التعلم والتدريس. الدورة التدريبية التي كانت منتجاً يُسلَّم مرة واحدة ويُنسى، أصبحت اليوم كياناً حياً يُراجَع ويُطوَّر باستمرار  بناءً على أدلة حقيقية لا على تخمين.

ترشيحات الأسبوع

👨‍💻تعاني الشركات من الشركات من بطء القرار وضعف الابتكار بسبب الإدارة التقليدية وكثرة القيود.

يكشف  هذا المقال أسلوب نتفلكس في الإدارة، القائم على الثقة والشفافية ومنح الموظفين حرية القرار، لتحقيق سرعة وأداء أعلى.

💡أسلوب القيادة التقليدي يركز على إظهار الكفاءة، مما يعيق تطور الفريق.

يقدّم هذا المقال 3 أساليب لقيادة الفريق  ودفعه نحو التطور المستمر وتقديم أفضل أداء.