δυνατότητες ανάπτυξης των τπε στο σύγχρονο σχολείο
Ähnlich wie 2015 Πτυχιακή εργασία / Χρήση Τεχνικών Learning Analytics για την εκτίμηση του μαθησιακού αποτελέσματος σε συστήματα διαχείρισης της μάθησης
Ähnlich wie 2015 Πτυχιακή εργασία / Χρήση Τεχνικών Learning Analytics για την εκτίμηση του μαθησιακού αποτελέσματος σε συστήματα διαχείρισης της μάθησης (20)
Νόμος Εκθετικής Μεταβολής και Ραδιενεργή Διάσοαση.pptx
2015 Πτυχιακή εργασία / Χρήση Τεχνικών Learning Analytics για την εκτίμηση του μαθησιακού αποτελέσματος σε συστήματα διαχείρισης της μάθησης
1. Πτυχιακή Εργασία
“Χρήση Τεχνικών Learning Analytics για την εκτίμηση του
μαθησιακού αποτελέσματος σε συστήματα διαχείρισης της
μάθησης”
Φοιτήτρια: Γεωργία Σαψάνη
Επιβλέπων Καθηγητής: Νικόλαος Τσέλιος
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ
ΣΧΟΛΗ ΑΝΘΡΩΠΙΣΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ
ΤΜΗΜΑ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΚΑΙ ΤΗΣ
ΑΓΩΓΗΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΗΛΙΚΙΑ
3. Σκοπός της Εργασίας
● Σκοπός: Χρήση τεχνικών Learning Analytics (LA) με τη βοήθεια εργαλείων για την
εκτίμηση του μαθησιακού αποτελέσματος σε συστήματα διαχείρισης της μάθησης
● Στόχος: Να καταδείξει ότι ένας ενδιαφερόμενος μπορεί με χαμηλό κόστος να κάνει
μια προκαταρκτική ανάλυση με Learning Analytics και να έχει ουσιώδη
αποτελέσματα
Ερευνητικά ερωτήματα
1. Επισκόπηση τεχνικών και εργαλείων LA για την υποστήριξη της διαδικασίας
2. Αξιολόγηση τεχνικών και εργαλείων LA
3. Τεχνικές με σχετικά χαμηλό φόρτο να οδηγήσουν σε ικανοποιητικό αποτέλεσμα
4. Χαρακτηριστικά μαθητών που μπορούν να βοηθήσουν στην εκτίμηση του
μαθησιακού αποτελέσματος
4. Learning Analytics
❖ Επιστημονικό πεδίο όπου ασχολείται με τη επεξεργασία
δεδομένων που προκύπτουν μέσα από περιβάλλοντα
διαχείρισης της μάθησης (π.χ. Moodle).
❖ Σκοπός
Με τη χρήση τεχνικών και μεθόδων να επεξεργαστεί
δεδομένα και να βγάλει σημαντικά συμπεράσματα για
την εκπαιδευτική πορεία των μαθητών και γενικότερα
για τη μαθησιακή διαδικασία
6. Κατηγορίες Εργαλείων Learning Analytics
➔ Κατηγοριοποίηση των εργαλείων σε:
➔ Εργαλεία Οπτικοποίησης (Gapminder, Infogr.am, SNAPP, Gephi)
➔ Εργαλεία Πρόβλεψης (Weka, Course Signals Software, LOCO-
Analyst)
➔ Εργαλεία Στατιστικών Αναλύσεων (SPSS, Microsoft Excel)
➔ Εργαλεία Διαφορετικής Επεξεργασίας Δεδομένων (Greasemonkey,
Surveymonkey, Google Forms)
…. και σε δωρεάν ή μη δωρεάν.
7. Εργαλεία Έρευνας
Χρήση Κριτηρίων
Scheffel, Drachsler, Stoyanov, και Specht
(2014), 1=χαμηλότερη βαθμολογία, 7=
μεγαλύτερη βαθμολογία)
1. Ευχρηστία Εργαλείου
2. Χρόνος Εκμάθησης Εργαλείου
3. Συνεργασία με άλλα εργαλεία
4. Αριθμός Αναπαραστάσεων
5. Τύπος αρχείων που
υποστηρίζονται από τα εργαλεία
6. Δωρεάν Χρήση Εργαλείων
1. Tableau Public (42 βαθμούς)
2. TIBCO Spotfire (42)
3. Microsoft Excel (40 βαθμούς)
4. Node XL (40)
5. Gephi (33)
6. Wordle (33)
7. Many Eyes (33)
8. Infogr.am (29)
9. Gapminder (29)
10.SPSS (31 βαθμούς)
11. Weka (27)
8. Δημογραφικά στοιχεία- Ερευνητική Μέθοδος
● Δείγμα: 336 φοιτητές στο μάθημα “Τεχνολογίας της Πληροφορίας και
των Επικοινωνιών στην Εκπαίδευση” τα έτη 2007-2010 (Kotsiantis et al.,
2013)
● Κορίτσια: 328 / Αγόρια: 8
● Ηλικία: 18-35 ετών (Μ.Ο.= 20,44, SD= 3,06)
Εργαλεία & Τεχνικές Έρευνας
● SPSS (συσχετίσεις, hierarchical regression)
● Microsoft Excel (ομαδοποίηση)
● Tableau Public (οπτικοποιήσεις)
Φύση Δεδομένων (αριθμητικά), μικρό χρονικό πλαίσιο και μικρός κόπος, ικανοποιούν τα
κριτήρια σε μεγαλύτερο βαθμό
9. Μεταβλητές Έρευνας (Kotsiantis et al.,
2013)
● Computer at home
● Internet at home
● Computer use per week
● Ease of moodle use perceptions
● Moodle use capability
perceptions
● Attitude about moodle
● Perceived moodle usefulness
lesson
● Perceived usefulness assignment
● Spectrum of use
● Total of id
● Assignment view
● Course view
● Forum add post
● Forum view
● Glossary view
● Questionnaire view
● Resource view
● User view
● User view all
● Lab note
● Exam note
● Final note
10. SPSS- Στατιστικά Σημαντικές Συσχετίσεις με τελικό
βαθμό (Χ= χαμηλή, Μ= μέτρια, Υ= υψηλή)
1ο έτος (2007-
2008)
2ο έτος (2008-
2009)
3ο έτος (2009-
2010)
3 έτη 1ο & 2ο έτος 1ο & 3ο έτος
Spectrum of use (Χ) Perceived moodle
usefulness lesson
(Χ)
Glossary view
(Χ)
Moodle use
capability
perceptions (Χ)
User view all (Χ) Ease of Moodle use
perceptions (Χ)
Total of id (Χ) Perceived
usefulness
assignment (Χ)
Spectrum of use
(Μ)
Forum view (Χ) Resource view (Χ)
Assignment view
(Χ)
Total of id (Μ)
Course view (Χ) Course view (Μ)
Forum add post (Χ) Questionnaire view
(Μ)
User view (Χ) Computer at home
11. Excel- Ομαδοποίηση
- Ομάδες Μαθητών με βάση τον τελικό βαθμό :
<5 [5, 7) [7, 8.5) [8.5, 10]
- Ανοδική Αύξηση Μ.Ο. Τελικού Βαθμού: ease of moodle use
perceptions, moodle use capability perceptions, forum add post, forum
view, glossary view, user view all
- Ανοδική Αύξηση Μ.Ο. Τελικού Βαθμού στις ομάδες [7, 8.5) και
[8.5, 10]: spectrum of use, total of id, assignment view, course view,
questionnaire view, resource view, attitude about moodle
12. Tableau- Οπτικοποιήσεις
❖ Επιλογή μεταβλητών όπου έδειξαν στις προηγούμενες τεχνικές να έχουν
σημαντική σχέση με τον τελικό βαθμό.
(total of id, assignment view, course view)
❖ Προσπάθεια να παρθούν μέσα από τις οπτικοποιήσεις πληροφορίες για τις
σχέσεις των μεταβλητών total of id, assignment view, course view με τον
τελικό βαθμό όπως η θετική σχέση των μεταβλητών αυτών με τον τελικό
βαθμό των μαθητών, η ένταση της συσχέτισης αλλά και ο ακριβής αριθμός
των κινήσεων για κάθε μαθητή.
14. SPSS- Hierarchical Regression
- Χωρισμός των μεταβλητών της έρευνας με βάση το τι εκφράζουν:
- 1η Ομάδα: δράσεις των μαθητών μέσα στο Moodle
(total of id, assignment view, course view, forum add post, forum view,
glossary view, questionnaire view, resource view, user view, user view
all)
- 2η Ομάδα: αντιλήψεις των φοιτητών για το Moodle
(ease of moodle use perceptions, moodle use capability perceptions,
attitude about moodle, perceived moodle usefulness lesson, perceived
usefulness assignment, spectrum of use)
15. SPSS- Hierarchical Regression
- Εφαρμόζοντας την τεχνική βρέθηκε:
➢ Το παλινδρομικό μοντέλο που περιλαμβάνει όλες τις ανεξάρτητες
μεταβλητές, είναι στατιστικά σημαντικός προγνωστικός δείκτης
της μεταβλητής final note (p=0,00).
➢ Η ομάδα μεταβλητών όπου αφορά τις δράσεις των μαθητών μέσα
στο σύστημα Moodle (9,6%) εξηγεί σε μεγαλύτερο βαθμό το
ποσοστό της διασποράς του τελικού βαθμού από ότι η ομάδα
μεταβλητών που αναφέρεται στις αντιλήψεις των φοιτητών για το
σύστημα (4,5%).
16. SPSS- Επιδράσεις
Μεταβλητές Επιδράσεις
Στατιστική Σημαντικότητα
Επιδράσεων (Sig)
Moodle use capability perceptions 0,20 0,00
Total of id 0,13 0,78
Questionnaire view -0,09 0,58
Course view 0,08 0,60
Glossary view 0,07 0,28
17. Συμπεράσματα Τεχνικών- Εργαλείων
Μέσα σε μικρό χρονικό διάστημα (3 μηνών) και με σχετικά περιορισμένη
προσπάθεια βρέθηκαν:
● Ποια χαρακτηριστικά- κινήσεις των φοιτητών μέσα στο Moodle μπορούν να τους
οδηγήσουν σε καλύτερο τελικό βαθμό (Spectrum of use , Total of id , Assignment view ,
Course view, Forum add post κτλ)
● Ποιες μεταβλητές- χαρακτηριστικά έχουν οι μαθητές με την άριστη βαθμολογία (ease of
moodle use perceptions, moodle use capability perceptions, forum add post, forum view,
glossary view, user view all)
● Οπτικοποίηση: θετική ή αρνητική σχέση μεταβλητών, ένταση συσχέτισης, πόσες
ενέργειες έκαναν αυτοί που πέρασαν ή δεν πέρασαν το μάθημα αλλά και σε κάθε φοιτητή
ξεχωριστά
● Παλινδρόμηση: ποιες ομάδες μεταβλητών δείχνουν να επιδρούν και σε τι ποσοστό πάνω
στον τελικό βαθμό
18. Οφέλη Αποτελεσμάτων
● Να γίνει κατανοητό σε έναν εκπαιδευτικό σε ποια σημεία του μαθήματος θα πρέπει
να δώσει έμφαση ώστε να βοηθήσει τους μαθητές του να επιτύχουν μεγαλύτερη
μαθησιακή πρόοδο.
● Να αναγνωρίσει επαναλαμβανόμενα πρότυπα συμπεριφοράς τα οποία
χαρακτηρίζουν τους μαθητές με υψηλές επιδόσεις (μοντελοποίηση συμπεριφοράς).
● Από τη χρήση των τεχνικών μπορεί να γίνει γρήγορα εμφανές ποιες ενέργειες ή
χαρακτηριστικά των μαθητών συνεισφέρουν περισσότερο στη διαμόρφωση του
τελικού βαθμού.
● Τα συλλεχθέντα δεδομένα και η ανάλυσή τους μπορούν να υποστηρίξουν ένα
εκπαιδευτικό στις αποφάσεις του για τροποποιήσεις στον τρόπο διεξαγωγής του
μαθήματος ώστε να βελτιστοποιήσει τη μαθησιακή εμπειρία.
19. Προτάσεις για μελλοντική έρευνα
● Μεγαλύτερο δείγμα φοιτητών
● Μεγαλύτερο χρονικό διάστημα
● Δεδομένα που προέρχονται από μάθημα διαφορετικής φύσης από ΤΠΕ
● Δεδομένα από άλλο εκπαιδευτικό ίδρυμα
● Χρήση άλλων κριτηρίων για την επιλογή των εργαλείων και τεχνικών
● Χρήση άλλων εργαλείων για τις ίδιες τεχνικές
20. Βιβλιογραφία
➢ Kotsiantis, S., Tselios, N., Filippidi, A., & Komis, V. (2013). Using Learning Analytics
to identify successful learners in a blended learning course. Journal of Technology
Enhanced Learning (special issue on Learning Analytics), 5(2), 133-150.
➢ Scheffel, M., Drachsler, H., Stoyanov S., & Specht, M. (2014). Quality Indicators for
Learning Analytics. Educational Technology & Society, 17(4), 117–132.