Seotud teemad
×

TEI-põhised õppuritoe tulipunktikaardid on mõeldud selleks, et haridustöötajad saaksid enne mahajäämist õppurite toele tähelepanu eristada. See kaart kasutab masinõpet, et jälgida nii klassi kui ka iga üksiku õppuri digitaalseid kaasamismustreid ja teavitada õpetajaid, kui õppurid näitavad koolist eemalviite märke. Tulipunktikaardil on loetletud õppurid, kes võivad järgmisel nädalal vajada haridustöötaja tuge, koos konkreetsete teemapunktidega, mis põhinevad õppurite tegevuse muutumisel. Ennustused on puhtalt vormindavad ja tuginevad ainult haridusasutuste andmelaud Insights saadaolevatele digitaallevi signaalidele, täiendavaid andmeid ei koguta.

Kuidas peaksid haridustöötajad tulipunktikaarti kasutama?

Õpetajana teate ja mõistate oma õpilasi kõige paremini. Selle tulipunkti eesmärk on särada õppurite õppimisele ja kaasamisele, et aidata õpetajatel tuge diferentseerimisel, et anda õppuritele võrdväärne mõju.

See tööriist on mõeldud kasutamiseks koos isiklike suhete ning õpilase võimete ja olukorra mõistmisega. Tulipunktid ei hinda õppureid, vaid pakuvad haridustöötajatele võimalusi tugineda oma olemasolevatele suhetele ja eristada tuge.

näide: õppurite tugiteenusekaart loeb ette: järgmisel nädalal võib 5 õpilast vajada rohkem tuge.

NB!: Mõned õpilased, kes vajavad tuge, võivad näidata oma vajadust järjepideva passiivsusega. Õpilased, kes on pidevalt passiivsed, ei tõsteta õppuri tugikaardil esile, kuna nad pole esitanud tõlgendamiseks tegevusandmeid. Passiivsete õppurite tuvastamiseks pöörake tähelepanu tegevuste tulipunkti kaardile, kuna see on veel üks märk sellest, et õppurid vajavad tuge.

Õppuri tugiteenusekaardi uurimistöö

Pedagoogilises teadusringkonnas on konsensus see, et kaasatuse vähenemine näitab, et õppurid kogevad väljakutseid ja seisavad silmitsi suurema riskiga maha jääda (Christenson, Reschly ja Wylie, 2012;) ning et õpilaste digitaalse kaasamise andmeid saab kasutada nende kaasatuse taseme hindamiseks ning suure täpsusega tulevaste käitumisharjumuste ja saavutuste prognoosimiseks. Lisaks saab neid andmeid kasutada "ohus" õpilaste tuvastamiseks, kuna need on kõrgelt seotud akadeemiliste saavutustega (Asarta ja Schmidt, 2013; Baradwaj, Brijesh Kumar ja Saurabh Pal., 2012; Beck, 2004; Campbell et al., 2006; Goldstein ja Katz, 2005; Johnson, 2005; Michinov et al., 2011; Morris et al., 2005; Qu ja Johnson, 2005; Rafaeli ja Ravid, 1997; Wang ja Newlin, 2002; Sina, 2016;).

Uuringud näitavad ka, et varajane sekkumine aitab seda riski leevendada. On tõendeid, et suur osa ohustatud õpilastest saadab hädasignaale kaua enne, kui nad tegelikult koolist välja kukuvad (Neild, Balfanz ja Herzog, 2007). Seetõttu aitavad varajase hoiatamise süsteemid haridustöötajatel takistada õppureid lõpetamast ning suunata sekkumisi ja tuge õpilastele, kes neid kõige rohkem vajavad (Pinkus, 2008).

Asarta, C. J., & Schmidt, J. R. (2013). Segatud kursusel pääseb juurde võrgumaterjalide mustritele. Decision Sciences Journal of Innovative Education, 11(1), 107–123.

Baradwaj, B. K., & Pal, S. (2012). Haridusandmete kaevandamine õpilaste tulemuste analüüsimiseks. arXiv preprint arXiv:1201.3417.

Beck, J. E. (2004, august). Vastamisaegade kasutamine õppurite lahtiütlemise modelleerimiseks. ITS2004 õpikeskkonna sotsiaalse ja emotsionaalse intelligentsuse töötoa (vol. 20, nr 2004, lk 88–95).

Campbell, J. P., Finnegan, C., & Collins, B. (2006, juuli). Akadeemiline analüüs: CMS-i kasutamine varajase hoiatussüsteemina. WebCT mõjukonverentsil.

Christenson, S. L., Reschly, A. L., & Wylie, C. (Eds.). (2012). Õpilaste kaasamise uuringute käsiraamat. Springer Science & Business Media.

Goldstein, P. J., & Katz, R. N. (2005). Akadeemiline analüüs: haldusteabe ja tehnoloogia kasutus kõrghariduses (Vol. 8, nr 1, lk 1–12). Harige.

Johnson, G. M. (2005). Õpilase võõrandumine, akadeemiline saavutus ja WebCT kasutamine. Haridustehnoloogia & ühiskonna päevik, 8(2), 179-189.

Michinov, N., Brunot, S., Le Bohec, O., Juhel, J., & Delaval, M. (2011). Procrastination, participation, and performance in online learning environments. Arvutid & Education, 56(1), 243-252.

Morris, L. V., Finnegan, C., & Wu, S. S. (2005). Õppurite käitumise, püsivuse ja saavutuste jälgimine veebikursustel. Internet ja kõrgharidus, 8(3), 221-231.

Neild, R. C., Balfanz, R., & Herzog, L. (2007). Varajase hoiatamise süsteem. Haridusalane juhtimine, 65(2), 28-33.

Pinkus, L. (2008). Varajase hoiatamise andmete kasutamine kooli lõpetamise määra parandamiseks: krakkide sulgemine haridussüsteemis. Washington, DC: Alliance for Excellent Education.

Qu, L., & Johnson, W. L. (2005, mai). Tuvastab õppija motivatsiooniolekud interaktiivses õpikeskkonnas. 2005. aasta tehisintellektikonverentsil hariduse valdkonnas: õppimise toetamine intelligentse ja sotsiaalselt informeeritud tehnoloogia abil (lk 547–554).

Rafaeli, S., & Ravid, G. (1997). Veebipõhine veebipõhine õppekeskkond teabesüsteemide kursuse jaoks: juurdepääsulogid, lineaarsus ja jõudlus. In Proc. Inf. Syst. Educ. Conf (Vol. 97, lk 92–99).

Wang, A. Y., & Newlin, M. H. (2002). Veebiõppurite jõudluse prognoosid: enesetõhususe roll ja veebiklassi võtmise põhjused. Arvutid inimkäitumises, 18(2), 151-163.

Sina, J. W. (2016). Oluliste näitajate tuvastamine õpihaldussüsteemi andmete abil, et ennustada veebiõppe kursuse saavutusi. Internet ja kõrgharidus, 29, 23-30.

Õppurite aktiivsuse vähenemise prognoosimine

Masinõppemudel kasutab iga õppuri viimase kolme nädala digitaalseid tegevusmustreid ja kasutab neid andmeid selleks, et tuvastada praegu aktiivsed õppurid, kuid on näidanud varajasi näitajaid selle kohta, et nende kaasatuse tase võib järgmisel nädalal langeda. Mudelis võetakse arvesse klassiruumi ökosüsteemi konkreetseid õpimustreid ning puhkustest ja pühadest tulenevaid puudujääke klassitegevuses. Õppurite kaasatuse prognoosimine on individuaalne, mõistes, et erinevatel õppuritel võivad olla erinevad tegevusmustrid ja sellist asja nagu "tavaline" käitumine ei ole olemas. Need õppurite toe tulipunktid ei hinda õppureid, vaid pigem tuvastavad tegevusmustrid, mis on piisavalt olulised, et näidata potentsiaalset vajadust toe järele ja anda haridustöötajatele võimalus varakult sekkuda.

Mudeli sisendina kasutatavad tegevussignaalid on järgmised.

  • SharePointi failipääsumustrid: avamine, muutmine, allalaadimine, üleslaadimine

  • Määramised ja esitamise juurdepääsumustrid: määramine, avamine, turn-in

  • Klassivestluses osalemine: külastamine, postitus, vastamine, laiendamine, reageerimine

  • Klassikoosolekutel osalemine

  • OneNote'i klassimärkmiku lehtedele juurdepääs: redigeerimine, kasutus kajastamine, postitus

flowchart showing how the machine learning model identifies students who are risk of their engagement

NB!: mudel kasutab tegevust, mitte sisu ennast. Näiteks ei kasuta see tekstvestlussõnumite sisu, dokumentide sisu, emotsioonide peegeldamist ega midagi sellist, mida saaks selle õppuri tuvastamiseks kasutada.  

Rääkivad punktid

Mudel tuvastab kuni 15% klassi õppuritest, kes on näidanud seoses tegevussignaalidega, seejärel tõstab esile näidikud, mida iga õppur kuvas teemapunktides. Kui valite õppurite tugiteenuse tulipunktikaardi, loetletakse õppurid, kes on varem kuvanud lahkumisnäitajad, koos rääkimispunktidega, et aidata teil algatada vestlust selle õppuri tugivajadustest.

Õpilase toe tulipunktikaartidel võivad olla järgmised punktid.

  • on osalenud digitaalsetes aruteludes vähem

  • on algatanud vähem digitaalseid arutelusid

  • on reageerinud vähematele Teamsi sõnumitele

  • on osalenud digitaalsetes õppimisvõimalustes vähem

  • on kasutanud vähem veebiklassi materjale

  • on Alustanud Teamsi ülesandeid hiljem kui tavaliselt

  • on oneNote'i klassimärkmikus vähem töötanud

Privaatsus ja vastutustundlik tehtevõime

Microsoftis hoolime sügavalt teigi privaatsusest ja eetilisest kasutamisest. Seetõttu on mudelisse kaasatud järgmised privaatsuspõhimõtted.

  • Mudelit koolitatakse ettenägelikult, mis tähendab, et meie andmeteadlastel puudub juurdepääs klassiandmete vaatamiseks.

  • Jagame ülevaateid õppurite kohta ainult isikutega, kellel on juba juurdepääs alusandmetele ja kellel on õpilasega isiklik tutvus. st klassiõpetaja.

  • Mudel ei liigita õppurite profiili kunagi "heaks" ega "halvaks". Meie eesmärk on toetada haridustöötajat õppurite kohta teadlike otsuste tegemisel, jagades andmete objektiivseid vaatlusi mitteotsustatult.

  • Mudel on sihilikult seotud eelarvamuste vältimisega ja ei kasuta tuvastavat teavet (nt nimi, sugu või võistlus). Mudel kasutab teamsis ainult õppurite suhtlusest pärit käitumisteavet.

  • Ennustus on puhtalt vorminduslik, mis tähendab, et see on mõeldud haridustöötajate teavitamiseks ja nende õppurite heaks harjutuste muutmisel, kuid seda ei salvestata edaspidiseks läbivaatamiseks andmebaasi Ülevaated. See peegeldab käitumist kindlal ajahetkel ja seda ei tohiks kasutada ühegi õpilase ametlikuks hindamiseks.

Mudeli piirangud

  • Mudel uurib korraga ühte klassi. Kui õpilase tegevusmuster on ühes klassis vähenenud ja kaldunud teise klassi poole, võidakse haridustöötajatele teatada, et tuge on vaja ainult klassis, kus tegevus on tagasi lükatud.

  • Mudel kasutab mõõduna ainult Teamsi kaudu digitaalset kaasamist. Õppurite otsest suhtlemist õpetajaga, õppurite vahel või väljaspool Teamsi ei arvestata. Digitaalset tegevust väljaspool Teamsi ei ole mudelis esindatud.

  • Õpivõimaluste nüansirikka arvutamise võimaldamiseks tehakse ennustus ainult rohkem kui 5 õpilasega klassidele, vähemalt 4 nädalat digitaalset tegevust ja vähemalt 30% õppurite osalemist ühes või mitmes mudelis kasutatavas digitegevuses.

Kas vajate rohkem abi?

Täiendage oma oskusi

Tutvuge koolitusmaterjalidega >

Kasutage uusi funktsioone enne teisi

Liitu Microsofti Insideri programmis osalejad >

Kas sellest teabest oli abi?

Kui rahul te keelekvaliteediga olete?
Mis mõjutas teie hinnangut?

Täname tagasiside eest!

×