Hoe wordt de trainingsduur berekend in het Trainingsduur-dashboard?

In het Trainingsduur-dashboard zie je precies hoeveel tijd een medewerker aan leren heeft besteed.

• Oude situatie – tot nu toe toonden we altijd de geschatte trainingsduur.

• Nieuwe situatie  – we gebruiken eerst de werkelijke trainingsduur (bijvoorbeeld op basis van aanwezigheidsregistraties of tracking). Is die niet beschikbaar? Dan vallen we terug op de geschatte duur. 

We berekenen steeds de meest actuele en nauwkeurige trainingsduur op basis van de data die op dat moment beschikbaar is. Dat betekent:

• Terugwerkende kracht – Alle historische leeractiviteiten worden automatisch opnieuw berekend volgens het nieuwe model, zodat je altijd één consistente weergave hebt.

• Doorlopende updates – De trainingsduur van een medewerker kan later nog wijzigen als de onderliggende data verandert.
  Voorbeeld: stond iemand eerst als ‘niet aanwezig’ geregistreerd en wordt dat achteraf gecorrigeerd naar ‘aanwezig’, dan tellen die uren vanaf het moment van correctie automatisch mee in de berekening.
  
  

In de onderstaande tabel tonen we welke trainingsduur we gebruiken per leertype:

Voor alle leertypes waar we ‘werkelijke trainingsduur’ gebruiken, vind je hieronder hoe deze duur berekend wordt.

Zelfstudie leertypes:

• Video: De tijd wordt automatisch gemeten terwijl een medewerker de video bekijkt. Inactiviteit wordt automatisch uitgefilterd. 

• Online training (gemaakt in Studytube Auteurstool): De tijd wordt automatisch gemeten terwijl een medewerker de training doorloopt. Inactiviteit wordt automatisch uitgefilterd. 

Event en Klassikale training
Een geregistreerde deelnemer is voor een Event of Klassikale training geregistreerd op een Sessie, en een Sessie heeft 1 of meerdere datums. Per Sessie kan aangegeven worden of een deelnemer de training afgerond heeft of niet. Vervolgens kan per datum aangegeven worden of de deelnemer aanwezig was of niet. 

• Als een deelnemer voor een Sessie de status voltooid of status onbekend heeft, worden alle data van die sessie uit het verleden meegerekend, behalve die met expliciete afwezigheid.

• Als een deelnemer voor een Sessie de status niet afgerond heeft, worden alleen de datums meegeteld waarop waarop de deelnemer expliciet als wel aanwezigheid is geregistreerd.

• Het is mogelijk dat voor een datum geen start- en eindtijd zijn aangegeven. In dat geval rekenen we met een gemiddelde van 2 uur. 

Een voorbeeld om de achterliggende gedachte bij deze Sessie en Datum aanwezigheid te illustreren. Stel je hebt een training van 6 dagdelen. Een deelnemer is 5 van de 6 dagdelen aanwezig, en deze aanwezigheid is voldoende om de training af te ronden. De aanwezigheid op Sessie niveau is voltooid en de deelnemers wordt op 5 dagdelen als aanwezig gezet. In de trainingsduur berekening worden nu 5 dagdelen meegenomen. 

In-company training
Een geregistreerde deelnemer is voor een Incompany geregistreerd op een Sessie, en een Sessie heeft 1 of meerdere datums. Per Sessie kan aangegeven worden of een deelnemer aanwezig was of niet. Bij Incompany is er geen mogelijkheid om per onderliggende datum aan te geven of een deelnemer aanwezig was of niet. Daarom geldt de volgende logica:

• Als een deelnemer voor een Sessie de status aanwezig of aanwezigheid niet bevestigd heeft, worden alle datums uit het verleden meegerekend

• Als een deelnemer voor een Sessie de status niet aanwezig heeft, wordt er geen trainingsduur gerekend 

• Het is mogelijk dat voor een datum geen start- en eindtijd zijn aangegeven. In dat geval rekenen we met een gemiddelde van 2 uur. 

Overige opmerkingen

• De geschatte duur kan aangegeven worden in minuten, uren, dagen, weken, maanden of jaren. Wanneer hier weken, maanden of jaren gebruikt worden, nemen we deze trainingsduur niet mee. De reden hiervoor is dat er met deze duur eigenlijk ‘looptijd’ bedoeld wordt, en niet trainingsduur.

• Wanneer de geschatte duur in dagen gesteld wordt, rekenen we 8 uur per dag.

Voor online trainingen van het type SCORM en LTI hanteren we een maximum van 8 uur per leeritem. Dit doen we omdat deze trainingen extern zijn ontwikkeld en soms foutieve tijdsregistraties bevatten. Aangezien deze data niet binnen ons systeem kan worden aangepast, beperken we op deze manier de impact van mogelijke fouten en zorgen we voor betrouwbare totaalcijfers.