Skill Trees V2 ainda não foi lançado oficialmente. Estamos preparando o lançamento final e esperamos disponibilizá-lo nas próximas semanas.
Visão geral
LabEx Skill Trees é o modelo de avaliação de habilidades por trás do aprendizado prático da LabEx. Ele conecta habilidades técnicas a Guided Labs, Challenge Labs, progresso do usuário, recomendações, badges e certificados. Skill Trees V2 é uma melhoria importante desse modelo. O objetivo não é apenas adicionar mais habilidades. O objetivo é descrever a capacidade técnica com mais precisão: o que a pessoa praticou, o que demonstrou e o que ainda precisa de mais evidências.
Por que Skill Trees existem
A LabEx é construída em torno da prática. Guided Labs ajudam a entender um conceito passo a passo. Challenge Labs verificam se o conceito pode ser aplicado de forma independente em um ambiente real. Isso exige um modelo separado da estrutura de cursos. Um curso diz o que estudar em seguida. Um Skill Tree descreve o espaço de capacidades de um domínio técnico. Nesse modelo, um laboratório pode ensinar ou avaliar várias habilidades, e uma habilidade pode ser apoiada por vários laboratórios e desafios. O progresso se baseia em evidências de aprendizado, não apenas na conclusão de cursos.Limitações da V1
A V1 estabeleceu a primeira taxonomia ampla de habilidades para a LabEx, mas tinha algumas limitações. Algumas habilidades eram amplas demais, enquanto outras eram estreitas demais. Alguns Skill Trees misturavam domínios adjacentes, como Linux, Shell, Git, Docker, Jenkins e Kubernetes. Algumas áreas, incluindo Cybersecurity, React, Jenkins e Wireshark, estavam submodeladas em relação ao seu espaço real de habilidades. O resultado foi que a contagem de habilidades nem sempre comunicava a capacidade com clareza. Uma pessoa poderia ter muitas habilidades pequenas desbloqueadas, enquanto a capacidade subjacente seria melhor representada por menos habilidades conceituais mais fortes.O que a V2 melhora
A V2 redesenha a taxonomia com limites de domínio mais claros e granularidade de habilidades mais consistente. Cada habilidade deve representar uma capacidade conceitual: específica o suficiente para ensinar e avaliar, mas ampla o suficiente para ser aplicada em vários laboratórios e tarefas reais. Linux se concentra em uso e administração do sistema. Shell se concentra em semântica de comandos e scripts. Docker, Kubernetes e Jenkins são modelados como domínios relacionados, mas distintos, de entrega e automação. No conjunto canônico atual, a V2 inclui:- 25 Skill Trees
- 1.129 habilidades conceituais
- Acima das 783 habilidades da V1
Modelo aberto de avaliação de habilidades
Skill Trees V2 também foi projetado como um modelo aberto de avaliação de habilidades técnicas liderado pela LabEx. Os dados canônicos de Skill Tree são mantidos no repositório labex-labs/labex-skilltrees. Ele define os domínios técnicos, identificadores estáveis, nomes visíveis, descrições e ordem canônica por trás dos LabEx Skill Trees. Ao abrir esse modelo, queremos que Skill Trees seja útil além da própria LabEx. Pessoas podem usá-lo para autoavaliação. Educadores podem usá-lo ao criar cursos, laboratórios e desafios práticos. Equipes podem usá-lo como uma estrutura comum para discutir competência técnica. Contribuidores podem propor melhorias quando uma habilidade estiver ausente, ampla demais, estreita demais, duplicada ou desatualizada. Nosso objetivo é promover um padrão de avaliação de habilidades práticas liderado pela LabEx: aberto o suficiente para revisão e contribuição da comunidade, mas rigoroso o suficiente para apoiar medição, recomendações, badges, certificados e análises de equipe.Migração e progresso do usuário
A V2 não é uma renomeação direta da V1. Quando a V2 for lançada, a LabEx migrará registros de aprendizado existentes reinterpretando laboratórios concluídos, desafios concluídos e evidências relacionadas conforme as definições de habilidades da V2. Isso significa que uma pessoa pode ver sua contagem de habilidades adquiridas mudar. Em muitos casos, esse número pode diminuir. Isso não significa que laboratórios concluídos, histórico de desafios ou trabalho de aprendizado foram perdidos. Significa que a mesma evidência está sendo medida por um modelo mais limpo e conservador. Por exemplo:- Várias habilidades pequenas da V1 podem mapear para uma habilidade V2 mais forte.
- Uma habilidade antes contada em Linux pode agora pertencer a Shell, Git, Docker ou outra árvore mais precisa.
- Um laboratório concluído ainda pode contribuir para o progresso, mas para outro conjunto de habilidades V2.
- Parte do progresso pode exigir evidência adicional de desafios se a V2 definir a habilidade em um nível mais profundo.
