Автор Джеральд Ардито
Введение
В течение последних четырех лет я экспериментировал с платформой социального обучения, которую я называю Pace Commons, которая основана на программном обеспечении для социальных сетей Elgg.
Педагогически моя главная цель состояла в том, чтобы сгладить типичные иерархии, ориентированные на преподавателей, характерные для большинства систем управления обучением (таких как Blackboard). Как педагог-образователь, казалось философски непоследовательным работать с учителями и кандидатами в учителя, чтобы продвигать ориентированные на ученика, поддерживающие автономию классные комнаты, используя инструмент, который усиливал традиционную динамику власти. На этот проект большое влияние оказала работа Dron & Anderson в Teaching Crowds
Я также разработал Pace Commons как исследовательскую платформу. Я изучал следующие исследовательские вопросы:
- Какие типы взаимодействий мы можем видеть у учителей и кандидатов в учителя, использующих платформу социального обучения?
- Какие типы учебных сетей появляются у учителей и кандидатов в учителя с использованием платформы социального обучения?
Конечно, должно было произойти то, что мои ученики были бы настолько вооружены этим типом учебной среды, что они, так сказать, сбросили свои оковы и воспользовались возможностью автономного обучения. В конце концов, это именно то, что случилось с двумя когортами восьмиклассников, когда я сделал нечто подобное на их уроке биологии.
На что можно догадаться, для этих учителей и учителей-кандидатов этого произошло не так уж и много. Вместо этого появились некоторые другие интересные результаты.
Это первый из серии (в настоящее время неопределенной длины), где я изложу свои методы и типы данных, которые я просматриваю.
Как выглядит этот тип учебной среды?
Pace Commons работает как другие социальные сети (это означает, как Facebook), где пользователи могут создавать страницы (например, вики), писать в блогах, комментировать публикации других, делиться фотографиями и файлами и т. д. Существует даже характеристика типа Pinterest. Для своих классов я распределяю студентов по группам (обычно по одной группе в классе) и размечаю работу курса с помощью страниц. Вот пример одного такого курса. На этих двух изображениях вы можете увидеть, как работа разбита на блоки. Этот онлайн-курс называется «Компьютерная наука для учителей» и дает учителям и кандидатам в учителя солидный опыт в истории Компьютерной науки в образовании, а также опыт использования блочного программирования, текстового программирования и робототехники в школах K-12. Каждый из перечисленных модулей содержит ссылки на подстраницы с подробной информацией и требованиями для каждого проекта и учебной деятельности. На протяжении всего курса студенты делятся своими работами в блогах, на страницах и / или фотографиях.
Какие данные я собирал?
Система предоставляет все типичные данные, собранные для каждого сообщения - тип пользовательской активности (например, запись в блоге, комментарий, фотография и т. д.), отметки даты и времени, сами фактические сообщения и сгенерированные системой идентификаторы для каждого сообщения.
Как я анализирую эти данные
В настоящее время я работаю над тем, чтобы сделать две вещи с этими данными. Во-первых, я хочу увидеть шаблоны взаимодействий и сети, которые эти взаимодействия образуют. Изображение ниже иллюстрирует этот тип анализа. В нем мы можем видеть группы взаимодействий между студентами в определенном курсе. Затем я изучаю небольшой набор вопросов. Какие виды взаимодействия и учебные сети появляются? Какие виды деятельности, которые видимо генерируют большие или меньшие сети? Какова роль влиятельных лиц в этом типе обучающей сети?
Второе, над чем я работаю, - это использование инструментов текстового анализа для изучения содержания этих взаимодействий. Например, с какими типами вещей взаимодействуют студенты? Есть ли какие-то темы и / или студенты, которые более или менее «привлекательны» для других?
Давайте посмотрим на некоторые предварительные данные
Вот скриншот из типичного поста в блоге. В нем мы видим конец самого оригинального блога, с разрешением небольшого набора ответов. Я ответил на сообщение в блоге, а автор блога ответил на мой комментарий. Кроме того, еще один студент ответил на первоначальный пост.
Вот как будет выглядеть сетевой график этого набора взаимодействий. Автор оригинала обозначен синим кружком, а два респондента - красным кружком. Двойные стрелки между узлами 1 и 2 указывают на взаимодействие между мной и автором. Одна стрелка из узла 3 указывает на ответ учащегося на исходное сообщение. Не слишком сложно, но это имеет значение.
И вот как выглядит текстовый анализ этого набора взаимодействий. Я создал тело исходного сообщения в блоге и его ответов, рассматривая как частоты слов (изображенные как облако слов), так и сети слов (изображенные как ссылки между словами). Это слово было сделано в Voyant-Tools. Вы можете поиграть с интерактивной версией здесь.
Выводы (пока)
Очевидно, что все это пока не сильно подрывает сферу. Люди взаимодействуют, их взаимодействия могут быть отображены, и их взаимодействия демонстрируют набор ключевых слов.
На данный момент это не более чем доказательство концепции.
Следующие шаги: сделать этот тип анализа по всему курсу. Будьте на связи.