جدول المحتويات
×
بطاقات دعم الطلاب البارزة في Insights للتعليم

نقوم الآن بمعاينة بطاقة دعم الطلاب المستندة إلى الذكاء الاصطناعي مصممة لمساعدة المعلمين على تمييز الانتباه لدعم الطلاب قبل أن يتخلفوا عن العمل. تستخدم هذه البطاقة التعلم الآلي لمراقبة أنماط المشاركة الرقمية للفصل الدراسي بالإضافة إلى كل طالب على حدة وإعلام المعلمين عندما يظهر الطلاب علامات مبكرة على الارتباط. توفر بطاقة spotlight قائمة بالطلاب الذين قد يحتاجون إلى دعم المعلم في الأسبوع التالي، بالإضافة إلى نقاط الحوار المحددة استنادا إلى تغيير الطلاب في النشاط. التنبؤات تكوينية بحتة وتعتمد فقط على إشارات المشاركة الرقمية المتاحة في Insights للتعليم، ولا يتم جمع أي بيانات إضافية.

كيف يجب على المعلمين استخدام بطاقة تسليط الضوء؟

بصفتك معلما، فأنت تعرف طلابك وتفهمهم على أفضل ما يكون. تم تصميم هذا تسليط الضوء على تعلم الطلاب ومشاركتهم لمساعدة المعلمين في التمييز بين الدعم لتمكين طلابهم بشكل عادل.

تهدف هذه الأداة إلى استخدامها مع العلاقات الشخصية وفهم قدرات الطالب وظروفه. لا تقيم مقاطع الفيديو البارزة الطلاب، بل توفر فرصا للمعلمين للبناء على علاقاتهم الحالية وتمييز الدعم.

مثال على قراءة بطاقة دعم الطلاب: قد يحتاج 5 طلاب إلى مزيد من الدعم الأسبوع القادم.

هام: قد يظهر بعض الطلاب الذين يحتاجون إلى الدعم احتياجاتهم مع عدم نشاط متسق. لن يتم تمييز الطلاب غير النشطين باستمرار في بطاقة دعم الطلاب، لأنهم لم يوفروا بيانات النشاط لتفسيرها. يرجى الانتباه عن كثب إلى بطاقة "النشاط" البارزة لتحديد الطلاب غير النشطين، حيث إن هذا مؤشر آخر على أن الطلاب بحاجة إلى الدعم.

البحث عن بطاقة دعم الطلاب

التوافق في مجتمع الأبحاث التعليمية هو أن انخفاض المشاركة هو مؤشر على أن الطلاب يواجهون تحديات ويواجهون مخاطر متزايدة للتخلف عن العمل (كريستينسون، Reschly وWylie، 2012;)، وأنه يمكن استخدام بيانات المشاركة الرقمية للطلاب لتقييم مستوى تفاعلهم والتنبؤ بدقة عالية بالسلوكيات والإنجازات المستقبلية. بالإضافة إلى ذلك، يمكن استخدام هذه البيانات لتحديد الطلاب "المعرضين للخطر"، لأنها ترتبط ارتباطا كبيرا بالإنجازات الأكاديمية (Asarta و Schmidt، 2013؛ Baradwaj, Brijesh Kumar, and Saurabh Pal., 2012; Beck, 2004; جولدشتين وكاتز، 2005؛ ل المتحدة، 2005؛ Michinov et al., 2011; سهى وآخرون، 2005؛ Qu and Johnson, 2005; هافيالي ورافيد، 1997؛ وانغ ونيولينا، 2002؛ أنت، 2016;).

كما تظهر الأبحاث أن التدخل المبكر يساعد على التخفيف من تلك المخاطر. هناك دليل على أن نسبة عالية من الطلاب المعرضين للخطر يرسلون إشارات إزعاج قبل وقت طويل من انقطاعهم فعليا عن المدرسة (Neild و Balfanz و Herzog، 2007). لهذا السبب، تساعد أنظمة التحذير المبكر المعلمين على منع الطلاب من التخلف عن مسار التخرج واستهداف التدخلات والدعم للطلاب الذين يحتاجون إليها أكثر (Pinkus، 2008).

Asarta, C. J., & Schmidt, J. R. (2013). الوصول إلى أنماط المواد عبر الإنترنت في دورة تدريبية ممزوجة. دفتر يومية علوم القرار للتعليم المبتكر، 11(1)، 107-123.

Baradwaj, B. K., & Pal, S. (2012). جمع البيانات التعليمية لتحليل أداء الطلاب. arXiv preprint arXiv:1201.3417.

Beck, J. E. (2004، أغسطس). استخدام أوقات الاستجابة لنموذج الطالب. في وقائع ورشة عمل ITS2004 حول الذكاء الاجتماعي والعاطفي في بيئات Learning (Vol. 20، رقم 2004، pp. 88-95).

، وC.، & Collins، B. (2006، يوليو). التحليلات الأكاديمية: استخدام CMS كنظام تحذير مبكر. في مؤتمر تأثير WebCT.

كريستينسون، س. ل.، ريسشلي، أ. ل.، & ويلي، ج. (Eds.). (2012). Handbook of research on student engagement. Springer Science & Business Media.

Goldstein, P. J., & Katz, R. N. (2005). التحليلات الأكاديمية: استخدامات معلومات الإدارة والتكنولوجيا في التعليم العالي (Vol. 8، رقم 1، pp. 1-12). Educause.

غانم، ز. م. (2005). إبعاد الطلاب، والإنجازات الأكاديمية، واستخدام WebCT. دفتر يومية التكنولوجيا التعليمية & المجتمع، 8(2)، 179-189.

Michinov, N., Brunot, S., Le Bohec, O., Juhel, J., & Detahal, M. (2011). المماطلة والمشاركة والأداء في بيئات التعلم عبر الإنترنت. أجهزة الكمبيوتر & Education، 56(1)، 243-252.

س. س. و.س. وفينيغان وC. & وو وS. S. (2005). تعقب سلوك الطلاب وثباتهم وإنجازهم في الدورات التدريبية عبر الإنترنت. الإنترنت والتعليم العالي، 8(3)، 221-231.

Neild, R. C., Balfanz, R., & Herzog, L. (2007). نظام تحذير مبكر. القيادة التعليمية، 65(2)، 28-33.

Pinkus, L. (2008). استخدام بيانات التحذير المبكر لتحسين معدلات التخرج: إغلاق الاختراقات في نظام التعليم. واشنطن، DC: تحالف للتعليم المتميز.

Qu, L., & Oma, W. L. (2005، مايو). الكشف عن الحالات الحافزة للمتعلم في بيئة تعليمية تفاعلية. في وقائع مؤتمر عام 2005 حول الذكاء الاصطناعي في مجال التعليم: دعم التعلم من خلال التكنولوجيا الذكية والمدروسة اجتماعيا (pp. 547-554).

هاسلي، س. & Ravid، G. (1997). بيئة التعلم عبر الإنترنت المستندة إلى الويب للدورة التدريبية لأنظمة المعلومات: سجلات الوصول والخطية والأداء. Inc. Inf. Syst. Educ. Conf (فول. 97، pp. 92-99).

وانغ، أ. ص، & نيولين، م. س. (2002). تنبؤات أداء الطلاب على الويب: دور الكفاءة الذاتية وأسباب اتخاذ فصل دراسي على الإنترنت. أجهزة الكمبيوتر في السلوك البشري، 18(2)، 151-163.

أنت، J. W. (2016). تحديد مؤشرات مهمة باستخدام بيانات LMS للتنبؤ بإنجاز الدورة التدريبية في التعلم عبر الإنترنت. الإنترنت والتعليم العالي، 29، 23-30.

التنبؤ بتراجع الطالب في النشاط

يأخذ نموذج التعلم الآلي أنماط النشاط الرقمي لكل طالب على مدار الأسابيع الثلاثة الماضية ويستخدم تلك البيانات لتحديد الطلاب النشطين اليوم ولكنهم أظهروا مؤشرات مبكرة تشير إلى أن مستوى تفاعلهم قد ينخفض في الأسبوع القادم. يأخذ النموذج في الاعتبار أنماط التعلم المحددة للنظام البنائي للفصل الدراسي، بالإضافة إلى مراعاة الثغرات في نشاط الفصل الدراسي الناتجة عن الإجازات والعطلات. التنبؤ بتفاعل الطلاب فردي، مع فهم أن الطلاب المختلفين قد يعرضون أنماط نشاط مختلفة ولا يوجد شيء مثل السلوك "العادي". لا تقيم إبرازات دعم الطلاب هذه الطلاب، بل تحدد أنماط النشاط المهمة بما يكفي للإشارة إلى الحاجة المحتملة إلى الدعم وتمكين المعلمين من التدخل مبكرا.

تتضمن إشارات النشاط المستخدمة كمدخل للنموذج ما يلي:

  • SharePoint أنماط الوصول إلى الملفات: فتح وتعديل وتنزيل Upload

  • أنماط الوصول إلى الواجبات والإرسال: تعيين وفتح وتسليم

  • مشاركة دردشة الصف: زيارة، نشر، رد، توسيع، تفاعل

  • مشاركة اجتماعات الصف

  • OneNote الوصول إلى صفحات دفتر الملاحظات للصفوف: تحرير واستخدام Reflect ونشر

مخطط انسيابي يوضح كيفية تحديد نموذج التعلم الآلي للطلاب المعرضين لخطر تقليل مشاركتهم

هام: يستخدم النموذج النشاط وليس المحتوى نفسه. على سبيل المثال، لا يستخدم محتوى من رسائل الدردشة أو محتوى المستندات أو Reflect المشاعر أو أي شيء يمكن استخدامه لتحديد هذا الطالب.  

نقاط الحوار

يحدد النموذج ما يصل إلى 15٪ من الطلاب في الصف الذين أظهروا فيما يتعلق بإشارات النشاط، ثم يسلط الضوء على المؤشرات التي يعرضها كل طالب في نقاط الحوار. عند تحديد بطاقة إبراز دعم الطلاب، سيتم إدراج الطلاب الذين أظهروا مؤشرات مبكرة حول ميزة البدء جنبا إلى جنب مع نقاط التحدث المصممة لمساعدتك على بدء محادثة حول احتياجات الدعم لهذا الطالب.

تتضمن النقاط التي قد تراها في بطاقات دعم الطلاب البارزة ما يلي:

  • شارك في مناقشات رقمية أقل

  • بدأ عدد أقل من المناقشات الرقمية

  • تفاعلت مع عدد أقل من الرسائل Teams

  • شارك في فرص التعلم الرقمي أقل

  • تم الوصول إلى عدد أقل من مواد الصفوف عبر الإنترنت

  • بدأ Teams التعيينات في وقت لاحق من المعتاد

  • كان يعمل أقل في دفتر الملاحظات للصفوف OneNote

الخصوصية الذكاء الاصطناعي المسؤول

في Microsoft، نهتم بعمق بالخصوصية والاستخدام الأخلاقية الذكاء الاصطناعي. لذلك، يتم تضمين مبادئ الخصوصية التالية في النموذج:

  • يتم تدريب النموذج باستخدام طريقة العينين، ما يعني أن علماء البيانات لدينا ليس لديهم حق الوصول لعرض بيانات الفئة.

  • نحن نشارك فقط Insights حول الطلاب مع الأفراد الذين لديهم حق الوصول بالفعل إلى البيانات الأساسية ولديهم معرفة شخصية بالطالب. على سبيل المثال معلم الصف.

  • لن يقوم النموذج أبدا بتمييع ملف تعريف الطالب على أنه "جيد" أو "سيئ". نهدف إلى دعم المعلم في اتخاذ قرارات مستنيرة حول طلابه من خلال مشاركة الملاحظات الموضوعية للبيانات بطريقة غير حكمية.

  • النموذج مقصود حول تجنب التحيز ولا يستخدم أي معلومات تعريف (مثل الاسم أو الجنس أو العرق). يستخدم النموذج المعلومات السلوكية فقط من تفاعلات الطلاب في Teams.

  • التنبؤ تكويني بحت، ما يعني أنه مصمم لتنبيه المعلمين ودعمهم في تعديل ممارساتهم للاستفادة من طلابهم، ولكن لا يتم حفظه في قاعدة بيانات Insights لمراجعتها في المستقبل. إنه انعكاس للسلوك في مرحلة زمنية معينة ولا يجب استخدامه للتقييم الرسمي لأي طالب.

قيود النموذج

  • يفحص النموذج فئة واحدة في كل مرة. إذا انخفض نمط نشاط الطالب في صف ويميل إلى فصل دراسي آخر، فقد يتم إعلام المعلمين بحاجته إلى الدعم في الصف الذي تم رفض نشاطه فقط.

  • يستخدم النموذج فقط المشاركة الرقمية من خلال Teams كمقياس. لا يتم مراعاة التواصل المباشر من طالب إلى معلم أو بين الطلاب أو خارج Teams. لن يتم تمثيل النشاط الرقمي خارج Teams في النموذج.

  • للسماح بحساب دقيق لفرص التعلم، سيتم إجراء التنبؤ فقط للصفوف التي تحتوي على أكثر من 5 طلاب، وما لا يقل عن 4 أسابيع من النشاط الرقمي ومشاركة 30٪ على الأقل من الطلاب في واحد أو أكثر من الأنشطة الرقمية التي يستخدمها النموذج.

هل تحتاج إلى مزيد من المساعدة؟

توسيع المهارات
استكشاف التدريب
الحصول على الميزات الجديدة أولاً
الانضمام إلى Microsoft Insider

هل كانت المعلومات مفيدة؟

ما مدى رضاك عن جودة اللغة؟
ما الذي أثّر في تجربتك؟

نشكرك على ملاحظاتك!

×