教學新趨勢 : 根據資料分析進行學習設計

來源 / Sharples, M., Adams, A., Ferguson, R., Gaved, M., McAndrew, P., Rienties, B., Weller, M., & Whitelock, D. (2014). Innovating Pedagogy 2014: Open University Innovation Report 3. Milton Keynes: The Open University

繼上次的「大規模開放社會學習」的介紹後,這次要介紹另一個英國公開大學預測的十年內教學改革方向:「根據資料分析進行學習設計」,這將在2-5年內會發生,具有高度潛在影響力。

隨著學習在線上發生,就有更多機會蒐集學生活動的資料進行分析,可以用來指引新課程設計及學習經驗提升方式。透過這些資料也可以看出哪些學習活動會帶來好結果,以及辨識出學生在哪個階段遭遇挫折。.

這些使用者行為資料可以搭配學生的背景資訊(先前教育經驗、註冊那些課程、一年內獲得多少學分)進行分析,一些很容易取得、看似沒什麼價值的資料(登入多少次、觀看過那些素材)也可以和學習者目標與動機的調查搭配,使人更了解參與線上課程的模式。

不過目前並沒有到底要測量那些學習者活動以及要怎麼闡釋這些資料來增加教學成效的共識。

有一份研究使用學生討論區貼文數量、完成評鑑次數、寄送郵件次數來預測學生的表現,而沒有利用學生在線花費總時間來衡量。由此可見,參與討論、投入教材使用、符合課程行政要求的學生會有更好的成績。(Pittsburgh DataShop提供了線上課程的資料和分析工具,可以用來辨識重要的學習活動和學習行為,有興趣可以試試看。http://www.learnlab.org/technologies/datashop/)

雖然這些資料可以辨識學生活動與其表現之間的關聯,但是他們並沒有解釋哪些是成功的學習類型。Maastricht大學使用了超過一百種像是點擊次數、花費時間、下載次數、動機、情緒、測驗等變項,發現這些並無發成功預測學習表現,反而是獲得更多關於「學生的學習策略、學習態度、在不同評鑑上的表現」這些資訊,更能讓研究者了解學生在環境中互動的方式和原因。

課程發展者會很想追蹤比較容易取得的資料,然而研究者須要去找「真的能做些事情的資料」,利用這些資料指引老師做出何時要提供協助、提供何種協助的決策。舉例來說,線上課程會讓學生有從同儕身上尋求協助和提供他們建議的機會,但是這需要一個機制來協助判斷這些意見是否有用且可信。資料分析可以指出哪種方式(如針對建議給分或是提供徽章給有幫助者)提供的幫助更為有效,而依此發展出新的工具和服務。

Miller和Mork提出了一個發掘、融合和利用大規模資料的價值鏈,這可以協助機構根據學習資料分析的結果來調整學習設計。價值鏈如下 :

資料發掘              資料融合           資料利用


蒐集與加註 > 準備 > 組織 > 融合 > 分析 > 視覺化 > 做決策

機構可以分析的學習行為類型是有限的,當學生用自己的裝置或工具在家或在路上學習時,他們的活動就很不會被記錄。一個德國醫療課程的長期研究就發現八成學生的學習來自正式學習團體之外,非正式的社會網絡和個人化工具對學生的態度、行為有很明顯的影響。

學習資料分析會碰到的潛在危險是根據不完整或錯誤資訊及錯誤運算機制誤判學生。學習者在教室或線上的行為有賴於複雜的個人、情感、社會、經濟因素互動,這些並非單純觀察行為就可以知道。

舉例來說,學習資料分析被用來推薦課程給學生來增加完成機率,然而可能會選擇比較簡單的課程而非有挑戰性卻更適合他的課程。因此最好是可以讓學生成為主動的參與者,讓學生看到學習資料分析將讓他們有自我規範及與老師發展共識的機會。

英國公開大學的報告全文請見 http://www.openuniversity.edu/sites/www.openuniversity.edu/files/The_Open_University_Innovating_Pedagogy_2014_0.pdf

編譯 / 柯俊如

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *

*