Design Lab · Fortgeschrittenes Muster

Branching Diagnostic Coach

Eine Storyline-bereite diagnostische Interaktion, die Lernenden hilft, ein Problem einzugrenzen, einen Reaktionsweg zu wählen und Coaching basierend darauf zu erhalten, wie sie die Situation interpretiert haben. Dieses Muster ist für chaotische operationale Momente konzipiert, in denen die beste Antwort davon abhängt, was der Lernende zuerst bemerkt.

Zweck

Helfen Sie Lernenden, bevor sie handeln, zu diagnostizieren.

Viele Entscheidungen am Arbeitsplatz scheitern bereits vor dem Handlungsschritt, weil der Lernende die Situation falsch einschätzt. Dieses Muster verlangsamt den Moment gerade genug, um Lernenden zu helfen, das Signal zu identifizieren, einen Weg zu wählen und Coaching zu ihrem Denken zu erhalten.

Am besten geeignet für

  • Fehlersuche in Arbeitsabläufen
  • Coaching-Praxis für Manager oder Kollegen
  • Sicherheits- und Eskalationsentscheidungen
  • Kundenproblem-Triage
  • Richtlinieninterpretation ohne komplizierte Compliance-Sprache

Lernphilosophie

Dieses Muster behandelt Urteil als einen Prozess. Es belohnt das Wahrnehmen, die Interpretation und das Denken über den nächsten Schritt, anstatt den Lernenden raten zu lassen, was der Designer heimlich wollte, dass sie klicken.

Live-Vorschau

Diagnostizieren Sie das Signal, wählen Sie dann den Reaktionsweg.

Die Demo verwendet zwei Schritte: Zuerst identifiziert der Lernende das Hauptsignal, dann wählen sie eine Reaktion. Das Feedback passt sich beiden Entscheidungen an.

Fallakte

Ein Lernender berichtet, dass er das Onboarding abgeschlossen hat, sich aber immer noch unvorbereitet für seine erste Route fühlt.

Sie sagen, der Inhalt sei leicht zu folgen, aber sie sind nervös, was zu tun ist, wenn die Anweisungen der App nicht mit dem übereinstimmen, was sie in der realen Welt sehen.

Schritt 01

Was ist das stärkste Signal?

Schritt 02

Welchen Reaktionsweg würden Sie wählen?

Warum das fortgeschritten ist

Es bewertet das Denken, nicht nur die Auswahl.

Dieses Muster ist raffinierter als ein standardmäßiges Verzweigungsszenario, weil das Feedback von zwei verbundenen Urteilen abhängt: was der Lernende denkt, was passiert, und was er darüber tun möchte. Das macht das Coaching realistischer und viel weniger wie ein Quiz mit einem falschen Schnurrbart.

Notizen zum Storyline-Aufbau

Vorgeschlagene Variablen

Verwenden Sie Storyline für die Benutzeroberfläche, Zustände und Foliensteuerung. Verwenden Sie JavaScript, um die Beziehung zwischen der Diagnose und der Reaktion zu bewerten.

selectedSignal
selectedResponse
signalClarityScore
responseFitScore
fieldUsefulnessScore
coachTitle
coachBody
coachTone
recommendedNextMove
pathLabel

Interaktionsmodell

Wie das Muster funktioniert

01

Präsentieren Sie einen chaotischen Fall aus der realen Welt

Der Fall sollte genügend Mehrdeutigkeit enthalten, damit der Lernende die Situation interpretieren muss.

02

Fragen Sie nach dem stärksten Signal

Der Lernende identifiziert, welche Art von Problem er zu sehen glaubt, bevor er eine Reaktion wählt.

03

Reaktionspfade freischalten

Der Lernende wählt, was als Nächstes zu tun ist. Die beste Reaktion hängt von dem Signal ab, das er identifiziert hat.

04

Das Denken coachen

Das Feedback erklärt, ob ihre Diagnose und Reaktion zusammengearbeitet haben, und empfiehlt dann einen nächsten Schritt.

Starter-Logik

Storyline JavaScript Starter-Block

Platzieren Sie dies in einem Execute JavaScript-Trigger, nachdem der Lernende eine Reaktion ausgewählt hat. Es wird davon ausgegangen, dass die Signal- und Reaktionswerte bereits in Storyline-Variablen gespeichert sind.

// Branching Diagnostic Coach starter logic for Articulate Storyline
// Suggested trigger: Execute JavaScript after learner selects a response path

const player = GetPlayer();
const selectedSignal = player.GetVar("selectedSignal");
const selectedResponse = player.GetVar("selectedResponse");

const profiles = {
  "transfer_support": {
    signalClarity: 95,
    responseFit: 94,
    fieldUsefulness: 96,
    tone: "Exactly",
    pathLabel: "Transfer gap → Field-ready support",
    title: "Strong diagnosis, strong response",
    body: "This is the most useful path. The learner is not saying the content was impossible to understand. They are saying the real-world moment still feels uncertain. A field-ready support aid helps bridge the gap between knowing and doing.",
    nextMove: "Provide a short decision guide that supports first-route judgment in context."
  },
  "transfer_repeat": {
    signalClarity: 90,
    responseFit: 45,
    fieldUsefulness: 42,
    tone: "Not exactly",
    pathLabel: "Transfer gap → Repeat content",
    title: "Good diagnosis, weak response fit",
    body: "You identified the right type of gap, but repeating the same content may not solve the problem. The learner needs help applying the content in the field, not necessarily more exposure to the original module.",
    nextMove: "Add a practice aid, checklist, or scenario-based reinforcement moment."
  },
  "transfer_escalate": {
    signalClarity: 90,
    responseFit: 62,
    fieldUsefulness: 58,
    tone: "Cautious",
    pathLabel: "Transfer gap → Escalation",
    title: "Useful only if the risk is high",
    body: "Escalation can help when the situation is unusual or risky. For a common first-route uncertainty, though, escalation may create friction. A lightweight support aid is likely more scalable.",
    nextMove: "Use escalation for exceptions, but design support for repeatable moments."
  },
  "knowledge_repeat": {
    signalClarity: 55,
    responseFit: 72,
    fieldUsefulness: 54,
    tone: "Partial",
    pathLabel: "Knowledge gap → Repeat content",
    title: "Reasonable, but check the assumption",
    body: "Repeating content can help when the issue is retention. In this case, the learner said the content was easy to follow. That suggests the bigger issue may be transfer, confidence, or real-world application.",
    nextMove: "Ask what part feels uncertain before assigning more content."
  },
  "knowledge_support": {
    signalClarity: 58,
    responseFit: 82,
    fieldUsefulness: 88,
    tone: "Useful redirect",
    pathLabel: "Knowledge gap → Field-ready support",
    title: "The response may work even if the diagnosis is off",
    body: "You may have misread the signal as a knowledge gap, but the support aid still helps the learner apply what they know. This is a good reminder that useful support can sometimes rescue an imperfect diagnosis.",
    nextMove: "Pair the aid with one question that confirms what the learner is unsure about."
  },
  "knowledge_escalate": {
    signalClarity: 50,
    responseFit: 38,
    fieldUsefulness: 35,
    tone: "Redirect",
    pathLabel: "Knowledge gap → Escalation",
    title: "This may overcomplicate the moment",
    body: "Escalation is probably too heavy for this signal. If the issue is knowledge or application, the learner needs clarity and usable support before the process gets handed off.",
    nextMove: "Clarify the gap, then provide either reinforcement or a field support aid."
  },
  "motivation_repeat": {
    signalClarity: 42,
    responseFit: 35,
    fieldUsefulness: 30,
    tone: "Redirect",
    pathLabel: "Motivation gap → Repeat content",
    title: "This path misses the main need",
    body: "The learner is not simply asking to be encouraged or sent back through content. The concern is about applying instructions when reality gets messy. Repeating the module may feel dismissive.",
    nextMove: "Focus on context, support, and practical first-route confidence."
  },
  "motivation_support": {
    signalClarity: 48,
    responseFit: 78,
    fieldUsefulness: 86,
    tone: "Useful redirect",
    pathLabel: "Motivation gap → Field-ready support",
    title: "Helpful response, but sharpen the diagnosis",
    body: "A support aid is still a useful move, but the signal is more specific than motivation. The learner needs help transferring knowledge into real-world action, especially when app guidance and field conditions feel mismatched.",
    nextMove: "Name the application gap and provide a simple decision aid."
  },
  "motivation_escalate": {
    signalClarity: 40,
    responseFit: 42,
    fieldUsefulness: 38,
    tone: "Redirect",
    pathLabel: "Motivation gap → Escalation",
    title: "This creates distance instead of clarity",
    body: "Escalating a general confidence concern may slow the learner down and make the support feel less immediate. Start with a practical aid unless there is a clear safety, policy, or technical risk.",
    nextMove: "Give immediate support first, then escalate only if the issue remains unresolved."
  }
};

const key = `${selectedSignal}_${selectedResponse}`;
const fallback = profiles["transfer_support"];
const profile = profiles[key] || fallback;

player.SetVar("signalClarityScore", profile.signalClarity);
player.SetVar("responseFitScore", profile.responseFit);
player.SetVar("fieldUsefulnessScore", profile.fieldUsefulness);
player.SetVar("coachTone", profile.tone);
player.SetVar("pathLabel", profile.pathLabel);
player.SetVar("coachTitle", profile.title);
player.SetVar("coachBody", profile.body);
player.SetVar("recommendedNextMove", profile.nextMove);

Designnotizen

Nutzen Sie Mehrdeutigkeit.

Dieses Muster funktioniert am besten, wenn das Szenario plausible Ablenkungen hat. Machen Sie die falschen Pfade nicht cartoonhaft schlecht. Der Lernwert kommt davon, den Menschen zu helfen, zwischen ähnlich aussehenden Problemen zu unterscheiden.

Anpassungs-Ideen

  • Fügen Sie einen dritten Schritt für das Vertrauen des Lernenden hinzu.
  • Verwenden Sie die niedrigste Punktzahl, um einen Remediation-Pfad zu empfehlen.
  • Verfolgen Sie mehrere diagnostische Entscheidungen über ein vollständiges Szenario hinweg.
  • Verwenden Sie Zustände, um einen visuellen Entscheidungsbaum sichtbar zu machen, während der Lernende fortschreitet.
  • Passen Sie das Muster für Coaching von Managern, Sicherheit, Einarbeitung oder Problemlösung an.

Design Lab

Entwickeln Sie Lernen, das den Menschen beibringt, den Raum zu lesen.

Verwenden Sie dieses Muster, wenn Lernende den Kontext diagnostizieren müssen, nicht nur den Inhalt erinnern. Es ist für praktisches Urteilsvermögen, operationale Klarheit und Selbstvertrauen in der realen Welt konzipiert.

Zurück zum Design Lab