Skip to Content
Product Information

ML Learning Recommendation in SFSF の紹介 (JA/EN)

注記:当ブログは、SAP アドベントカレンダー2020 の12月24日記事として作成されました。

Note: The blog is written as the article “December 24 of SAP Advent Calendar 2020“.

SAP SuccessFactors (以下、SFSF) Learning Management System (以下、LMS) に、Machine Learning (以下ML) 機能 Learning Recommendations がリリースされました。

In 2020, one of the Machine Learning (hereby ML) feature, named Learning Recommendations (hereby LR) is released in Learning Management System (LMS) of SAP SuccessFactors (SFSF).

このブログでは①ソリューションの概要、②設定、③触ってみた感想について紹介したいと思います。

In this blog, I will introduce the 1) solution overview, 2) set up, 3) feedback.

 

ソリューションの概要 Solution Overview

SFSF には、複数のレコメンデーション機能があります。

In the SFSF, there are some recommendation features are released or planned.

今回紹介するLR は「パーソナライズド学習コンテンツ提案」と呼ばれています。

The LR is the one of the recommendations called as “Personalized Recommendations”.

SFSF LMS に格納されている膨大な学習コンテンツを2つの側面から機械学習のアルゴリズムを使って提案します。(以下、SAPソリューション紹介スライドより抜粋。)

LR recommend the large amount of Learning Items stored in the SFSF LMS using ML algorism with two aspects. (You can see the below pictures from SAP  solution overview slides.)

他のMLソリューションと同じく、トレーニングプロセスとインフェレンスプロセスに分かれています。SFSFはクラウドサービスであるため、On Premise のS/4HANA で実行したCash Application とは異なり、データ抽出やトレーニングについてはSFSFチームで実施します。

As same as the other ML solutions, there are two processes of training the model with employee’s learning history and/or profile, topics, etc., and inference to propose the learning contents.

Different from the Cash Application in On Premise S/4HANA environment, the extraction of the training data and training the ML model are done by the SFSF team.

学習が完了してモデルが構築されると、従業員の画面上に提案が表示されてきます。

The proposal to be shown on the screen as below, when the model is trained.

どの従業員に表示するかは、パーミッションで制御できます。

You can control which employee can get access to this recommendation can be set by permissions.

 

(1) 同僚が受けたコースを提案 Recommend the courses which your peer taken

その人の同僚をどのように判別しているのかという点については、SFSF LMSから送られた以下のユーザ属性情報から知ることができます。(更新:2021年1月8日 2018 Q3 release -> 2020 Q3 release )

How the Learning Recommender identified the Peer is the below User Attribute information sent from SFSF LMS. (updated on Jan 8, 2021 from Q3 2018 rel. to Q3 2020 rel.)

詳細については、オンラインヘルプを参照してください。

You can also find the detail in online help.

(2) 購読するトピックから提案 Recommendations from your subscribed topics

ユーザやLMS管理者は規定のトピックから購読を追加することができます。

Employee or LMS Admin can add subscription of the topics predefined by SAP.

 

サポート言語 Support Languages

ラテン言語に加えて、2020 年 11月リリースから日本がサポートされました!

Now Japanese is supported as of November release in 2020 in addition to Latin languages!

 

設定 Setting

(更新: 2021 年1月8日)

  1. Enabling Recommendations Tile (必須)
  2. Enabling Recommendations Engine (必須)
  3. Enabling Recommendations Newsletter
  4. Enabling Custom Fields of Users to be included in Personalized Recommendations
  5. Assigning Permissions to Users for Accessing Recommendations (必須)
  6. Editing the Legal Disclaimer for Learning Recommendations

設定についてはオンラインヘルプもご参照ください。

 

  1. Enabling Recommendations Tile (mandatory)
  2. Enabling Recommendations Engine (mandatory)
  3. Enabling Recommendations Newsletter
  4. Enabling Custom Fields of Users to be included in Personalized Recommendations
  5. Assigning Permissions to Users for Accessing Recommendations (mandatory)
  6. Editing the Legal Disclaimer for Learning Recommendations

Please also refer the online help for the setting.

 

触ってみた感想 Feedback

Learning Content の Topic の抽出について

Learning Recommender は、英語を基本として動作するMLアプリケーションです。

そのため、日本語のコンテンツタイトル、内容説明を一旦機械翻訳で英語にしてからトピックの抽出を行います。

あるお客様のデータでのトピック抽出結果としては、一部誤判定はあったものの7割程度は合っているかなという印象です。

まずは、学習コンテンツのタイトルや内容説明には十分な内容説明、略称ではなく、どんなコンテンツかを判別できるタグのような単語が必要と感じました。

お客様固有の単語(製品名等)については、トピックとして識別することができませんのでご注意ください。

トピックはSAPによって独自に作成された一覧から選ばれます。トピックの中身は時節に応じて、またお客様の要望によって更新されます。

お客様の側での学習コンテンツのメンテナンスは必要となりそうです。

例えば、5年前のコンテンツは受講者が多くても表示しないなど、今後なんらかの改善は予定しているようです。それでも、同じコンテンツの新しい版が出た場合は、古いコンテンツを無効化する対応は必要と思います。

 

Peer Recommendation について

同僚の識別はあくまでもコードをベースに行っています。コードの入るべき項目にテキストが入っていた場合でも、LRはコードと判断して一致する属性の方を同僚(Peer)とみなします。

意味的な文脈は判定できないため、人事の方に技術コンテンツが提案されていることがあり、開発に確認したところ、過去に人事の同僚のが受講された履歴があったということもありました。

同じ部署でも特定の製品の担当を識別して提案することはできません。

あくまでもシステム上でジョブプロファイル等で判別可能なものについてだけということはご理解ください。特定の製品を判別したいというような場合に、LRに送るカスタム項目に設定した値から判断することも可能かと思います。今回のケースでは、そのような有用な情報を更新していなかったので確認できませんでした。

推奨された学習コンテンツに興味がなかった場合や、過去の学習履歴にあるものは推奨されてこない仕組みとなっているので、利用して頂けることで徐々に賢くなってくることを期待します。

 

以上です。

About extracting Topic of Learning Content

Learning Recommender is an ML application that operates based on English.

Therefore, the topic is extracted after the Japanese content title and description are translated into English by machine translation.

As a result of topic extraction from a certain customer’s data, it seems that about 70% is correct, although there were some misjudgments.

First of all, I felt that the title and description of the learning content needed enough detail or words like tags that could identify what kind of content it was, rather than abbreviations.

Please note that customer-specific words (product names, etc.) cannot be identified as topics.

Topics are selected from a list created by SAP. The content of the topic will be updated from time to time and at the request of the customer.

It seems that maintenance of learning content on the customer side will be necessary.

There seems that some improvement is planned in the future, such as not displaying the content of 5 years ago even if there are many students taken. Even so, if a new version of the same content comes out, it is necessary to take measures to invalidate the old content, and put relationship between them or use versioning.

About Peer Recommendation

The peer is identified based on the code in the user profile. Even if the field should contain the code contains text, the LR considers that text as just code and the matching attribute to be a colleague (Peer).

Because the semantic context could not be determined, technical learning items were sometimes proposed to the HR colleagues. It was questioned by the customer but when I checked with the development, there was also a leaning history of the other HR colleague in the past.

In the other case, it is not possible to identify and propose the person in charge of a specific product in the same department.

Please understand that LR can only identify the peer by the user attribute information available in the system. If that specific responsibility is assigned as a custom field to be sent to LR, it might be possible to identify the peer, but in this time the customer does not allocate meaningful custom field, and was not able to check.

If the user is not interested in the recommended learning content, or if it is in his/her learning history in the past, it is not recommended, so I hope that LR gradually to be smarter by using it.

End

Be the first to leave a comment
You must be Logged on to comment or reply to a post.