Diseño
de Aprendizaje informado por análisis
Un
diseño que une ciclo productivo
y el análisis de un aprendizaje efectivo
Potencial impacto:
alto
y el análisis de un aprendizaje efectivo
Potencial impacto:
alto
Tiempo de realización:
medio (2-5 años)
Como se toma el aprendizaje en línea, hay oportunidades
para recoger datos sobre las actividades de los estudiantes y analizar
estos, tanto para informar el diseño de nuevos cursos
y para mejorar la experiencia de aprendizaje. los datos
También se pueden vincular con los resultados de pruebas para demostrar que
las actividades de aprendizaje producen buenos resultados y a
identificar donde los estudiantes están luchando.
Este tipo de datos de comportamiento de los usuarios pueden ser
complementado con información de antecedentes
de los sistemas de admisión de estudiantes, mostrando antes
la educación, el registro a los cursos, o el número de
créditos obtenidos en un año. Obtenido con facilidad, pero de baja
datos de calidad, tales como archivos de registro de resultados de las pruebas y
detalles de los materiales que los estudiantes han leído,
se puede combinar con información recopilada directamente
a través de encuestas de metas y la motivación de los alumnos,
para crear una rica imagen de los patrones y las trampas
de tomar un curso en línea.
Lo
que debe medirse?
Hay, sin embargo, no hay consenso en el aprendizaje
análisis en la comunidad en la que las actividades del alumno
y datos de la encuesta sean apropiados para medir, ni
cómo pueden ser interpretados para mejorar la enseñanza
y aumentar el rendimiento. Por ejemplo, un estudio
de la biología 118 estudiantes encontraron que el número
de discusión mensajes publicados, evaluaciones
terminaron, y los mensajes de correo electrónico enviados eran útiles
en la predicción del rendimiento de los estudiantes, pero otros
tales como el tiempo total dedicado en línea no lo eran.
Este estudio y otros métodos similares de
análisis muestran que, en general, los estudiantes que toman
la oportunidad de discutir con sus pares, son
activa en el diálogo con los materiales del curso, y mantener
con los detalles administrativos del curso,
obtener los grados globales más altas.
Si bien estos datos pueden indicar conexiones
entre la actividad y el rendimiento, no lo hacen
explicar
por qué
algunos tipos de aprendizaje son exitosos.
Tampoco pueden predecir el rendimiento de cada
estudiante mediante el estudio de los patrones generales de actividad.
Un estudio reciente de estudiantes en una matemática
curso en la Universidad de Maastricht registra más de 100
variables (como clics, el tiempo dedicado, descargas,
motivación, emociones, concursos). Se encontró que
el rendimiento académico fue predijo sólo escasamente
por estos datos básicos. En lugar de ello, la información más rica
en el rendimiento en diversas evaluaciones durante
el módulo, estrategias de aprendizaje y actitudes
al aprendizaje permitido a los investigadores mejor
comprender por qué y cómo los estudiantes interactuaron en
este entorno en el tiempo.
Es tentador para los desarrolladores de cursos para realizar un seguimiento de datos
que es relativamente fácil de capturar, con el fin de ganar
un panorama amplio de rendimiento. Sin embargo, hay
una necesidad de los investigadores y profesionales para encontrar
'datos procesables' que pueden orientar a los profesores para decidir
cuando para ofrecer ayuda y puede ayudar
diseñadores de curso a mejorar el contenido y la estructura de
sus cursos. Por ejemplo, una oferta de cursos en línea
la oportunidad para que los estudiantes buscan ayuda y oferta
consejos a sus compañeros, pero esto debe ser apoyado
por formas de juzgar cuando las personas están ofreciendo útiles
y asesoramiento fiable. La analítica puede indicar que
métodos sociales (como la calificación de la calidad de
asesoramiento o dar insignias a los estudiantes) son útiles
más eficaz para ayudar a los estudiantes a encontrar y dar
consejos, y así guiar el desarrollo de nuevas herramientas
y servicios. El Pittsburgh Datashop ofrece
herramientas y conjuntos de datos de los cursos en línea existentes
para ayudar con la identificación de aprendizaje importante
actividades y comportamientos de aprendizaje.
Hay, sin embargo, no hay consenso en el aprendizaje
análisis en la comunidad en la que las actividades del alumno
y datos de la encuesta sean apropiados para medir, ni
cómo pueden ser interpretados para mejorar la enseñanza
y aumentar el rendimiento. Por ejemplo, un estudio
de la biología 118 estudiantes encontraron que el número
de discusión mensajes publicados, evaluaciones
terminaron, y los mensajes de correo electrónico enviados eran útiles
en la predicción del rendimiento de los estudiantes, pero otros
tales como el tiempo total dedicado en línea no lo eran.
Este estudio y otros métodos similares de
análisis muestran que, en general, los estudiantes que toman
la oportunidad de discutir con sus pares, son
activa en el diálogo con los materiales del curso, y mantener
con los detalles administrativos del curso,
obtener los grados globales más altas.
Si bien estos datos pueden indicar conexiones
entre la actividad y el rendimiento, no lo hacen
explicar
por qué
algunos tipos de aprendizaje son exitosos.
Tampoco pueden predecir el rendimiento de cada
estudiante mediante el estudio de los patrones generales de actividad.
Un estudio reciente de estudiantes en una matemática
curso en la Universidad de Maastricht registra más de 100
variables (como clics, el tiempo dedicado, descargas,
motivación, emociones, concursos). Se encontró que
el rendimiento académico fue predijo sólo escasamente
por estos datos básicos. En lugar de ello, la información más rica
en el rendimiento en diversas evaluaciones durante
el módulo, estrategias de aprendizaje y actitudes
al aprendizaje permitido a los investigadores mejor
comprender por qué y cómo los estudiantes interactuaron en
este entorno en el tiempo.
Es tentador para los desarrolladores de cursos para realizar un seguimiento de datos
que es relativamente fácil de capturar, con el fin de ganar
un panorama amplio de rendimiento. Sin embargo, hay
una necesidad de los investigadores y profesionales para encontrar
'datos procesables' que pueden orientar a los profesores para decidir
cuando para ofrecer ayuda y puede ayudar
diseñadores de curso a mejorar el contenido y la estructura de
sus cursos. Por ejemplo, una oferta de cursos en línea
la oportunidad para que los estudiantes buscan ayuda y oferta
consejos a sus compañeros, pero esto debe ser apoyado
por formas de juzgar cuando las personas están ofreciendo útiles
y asesoramiento fiable. La analítica puede indicar que
métodos sociales (como la calificación de la calidad de
asesoramiento o dar insignias a los estudiantes) son útiles
más eficaz para ayudar a los estudiantes a encontrar y dar
consejos, y así guiar el desarrollo de nuevas herramientas
y servicios. El Pittsburgh Datashop ofrece
herramientas y conjuntos de datos de los cursos en línea existentes
para ayudar con la identificación de aprendizaje importante
actividades y comportamientos de aprendizaje.
Para
dar sentido a la enorme cantidad de datos que puede
estar vinculado y a entender los viajes de los alumnos, Miller
Mork propone una cadena de valor para el descubrimiento,
integración y explotación de datos a gran escala.
Esto podría ayudar a las organizaciones a alinear su diseño de aprendizaje
con los resultados de análisis de aprendizaje
con el fin de mejorar la experiencia de aprendizaje de los estudiantes.
Hay límites a los tipos de comportamiento de aprendizaje
que las instituciones pueden analizar. Mientras los estudiantes aprenden en
casa o en movimiento con sus propios recursos y
herramientas, por lo que sus actividades son cada vez más allá del alcance de los registradores de datos. La investigación longitudinal a un
Programa médico holandés utilizando problema basa-aprendizaje mostró que el 80% de los estudiantes aprendieron
más de los contactos fuera de su grupo formal que
de sus compañeros de curso. Las informales redes sociales y herramientas personales de los estudiantes tienen
un impacto sustancial en sus actitudes, acciones
y el comportamiento.
límites éticos
Un peligro potencial de la analítica de aprendizaje es
un etiquetado incorrecto estudiantes según incompleta o
información incorrecta o inexacta algoritmos.
¿Cómo se comportan los estudiantes en las aulas o en línea?
depende de una compleja interacción de personal,
factores emocionales, sociales y económicas que no son
directamente observable del comportamiento solo. en su
forma extrema, la analítica de aprendizaje pueden socavar o
restringir la elección de un individuo de acceso a particular,
materiales o recursos. Por ejemplo, cuando
análisis de aprendizaje se utilizan para sugerir cursos
y módulos que aumentan un estudiante de concreto
oportunidad de completar con éxito un título,
existe el peligro de que los estudiantes seleccionarán más fácil
cursos con una mayor posibilidad de éxito en lugar
que los cursos más adecuados, pero desafiantes,.
Por tanto, es importante la participación de los estudiantes como
agentes y colaboradores activos. Centrado en el estudiante
análisis aprendizaje, con los datos mostrados a la
alumnos, podrían proporcionar a los estudiantes y maestros
con oportunidades para la auto-reflexión y la
desarrollo de la comprensión compartida.
conclusiones
Se han hecho progresos sustanciales en el uso
el poder de la analítica de aprendizaje para informar y
innovadores diseños de aprendizaje melodía. un importante
la consideración de que las instituciones que desean implementar
análisis de aprendizaje es su capacidad para producir y
actuar en datos fiables. El cambio organizacional toma
tiempo considerable, esfuerzo y recursos financieros.
Esperamos un aumento en el uso de la analítica de aprendizaje
por los directores y maestros para mejorar la calidad
de sus cursos. Esto, a su vez, ayudará al aprendizaje
análisis comunidad entienda más claramente
qué variables para el aprendizaje son importantes,
cómo incorporar el aprendizaje informal, y donde
los límites éticos de análisis de aprendizaje se encuentran
estar vinculado y a entender los viajes de los alumnos, Miller
Mork propone una cadena de valor para el descubrimiento,
integración y explotación de datos a gran escala.
Esto podría ayudar a las organizaciones a alinear su diseño de aprendizaje
con los resultados de análisis de aprendizaje
con el fin de mejorar la experiencia de aprendizaje de los estudiantes.
Hay límites a los tipos de comportamiento de aprendizaje
que las instituciones pueden analizar. Mientras los estudiantes aprenden en
casa o en movimiento con sus propios recursos y
herramientas, por lo que sus actividades son cada vez más allá del alcance de los registradores de datos. La investigación longitudinal a un
Programa médico holandés utilizando problema basa-aprendizaje mostró que el 80% de los estudiantes aprendieron
más de los contactos fuera de su grupo formal que
de sus compañeros de curso. Las informales redes sociales y herramientas personales de los estudiantes tienen
un impacto sustancial en sus actitudes, acciones
y el comportamiento.
límites éticos
Un peligro potencial de la analítica de aprendizaje es
un etiquetado incorrecto estudiantes según incompleta o
información incorrecta o inexacta algoritmos.
¿Cómo se comportan los estudiantes en las aulas o en línea?
depende de una compleja interacción de personal,
factores emocionales, sociales y económicas que no son
directamente observable del comportamiento solo. en su
forma extrema, la analítica de aprendizaje pueden socavar o
restringir la elección de un individuo de acceso a particular,
materiales o recursos. Por ejemplo, cuando
análisis de aprendizaje se utilizan para sugerir cursos
y módulos que aumentan un estudiante de concreto
oportunidad de completar con éxito un título,
existe el peligro de que los estudiantes seleccionarán más fácil
cursos con una mayor posibilidad de éxito en lugar
que los cursos más adecuados, pero desafiantes,.
Por tanto, es importante la participación de los estudiantes como
agentes y colaboradores activos. Centrado en el estudiante
análisis aprendizaje, con los datos mostrados a la
alumnos, podrían proporcionar a los estudiantes y maestros
con oportunidades para la auto-reflexión y la
desarrollo de la comprensión compartida.
conclusiones
Se han hecho progresos sustanciales en el uso
el poder de la analítica de aprendizaje para informar y
innovadores diseños de aprendizaje melodía. un importante
la consideración de que las instituciones que desean implementar
análisis de aprendizaje es su capacidad para producir y
actuar en datos fiables. El cambio organizacional toma
tiempo considerable, esfuerzo y recursos financieros.
Esperamos un aumento en el uso de la analítica de aprendizaje
por los directores y maestros para mejorar la calidad
de sus cursos. Esto, a su vez, ayudará al aprendizaje
análisis comunidad entienda más claramente
qué variables para el aprendizaje son importantes,
cómo incorporar el aprendizaje informal, y donde
los límites éticos de análisis de aprendizaje se encuentran
Las
redes sociales informales y herramientas personales de los
estudiantes tienen
un impacto sustancial en sus actitudes, acciones y el comportamiento.
un impacto sustancial en sus actitudes, acciones y el comportamiento.
No hay comentarios:
Publicar un comentario