Kartice za isticanje podrške učenika u Insights za obrazovanje
Kartice za isticanje podrške za učenike i studente utemeljene na AI-ju osmišljene su da bi nastavnici lakše razlikovali pažnju na podršku učenicima prije nego što padnu iza sebe. Ova kartica koristi strojno učenje za praćenje digitalnih obrazaca angažmana u učionici, kao i svakog pojedinačnog učenika i studenta te obavještava nastavnike kada učenici pokažu rane znakove isključenja. Kartica za isticanje sadrži popis učenika kojima će tijekom sljedećeg tjedna biti potrebna podrška za nastavnike, zajedno s konkretnim točkama za razgovor na temelju promjena u aktivnosti učenika. Predviđanja su isključivo formativne i dostupne samo za digitalne angažman signale dostupne u Insights za obrazovanje, ne prikupljaju se dodatni podaci.
Kako bi nastavnici trebali koristiti karticu za isticanje?
Kao predavač, najbolje poznajete i razumijete učenike. Ovo je isticanje osmišljeno tako da osvijetli učenje učenika i angažman kako bi nastavnicima pomogli u razlikovanju podrške kako bi ravnomjerno osnažili svoje učenike.
Ovaj alat je namijenjen da se koristi u kombinaciji s osobnim odnosima i razumijevanje učenikove sposobnosti i okolnosti. Istaknuta mjesta ne analiziraju učenike, već pružaju prilike nastavnicima da nadoggrade svoje postojeće odnose i razlikuju podršku.
Važno: Neki učenici kojima je potrebna podrška možda pokazuju da im je potrebna dosljedna neaktivnost. Učenici koji su dosljedno neaktivni neće biti istaknuti na kartici podrške učenika jer nisu naveli podatke o aktivnostima za tumačenje. Obratite pozornost na karticu Istaknuta aktivnost da biste prepoznali neaktivne studente jer je to još jedan pokazatelj koji učenici trebaju podršku.
Research for the student support card
Suglasnost u pedagoškom istraživačkom zajednici jest to što je pad angažmana pokazatelj da učenici suočavaju s izazovima i suočavaju se s povećanim rizikom od zaokretanja (Christenson, Reschly i Wylie, 2012.) te da se podaci o digitalnom angažmanu učenika mogu koristiti za procjenu njihove razine angažmana i predviđanje uz visoku točnost budućih ponašanja i postignuća. Osim toga, ti se podaci mogu koristiti za prepoznavanje "ugroženih" studenata jer su u visokoj korelaciji s akademskim postignućima (Asarta i Schmidt, 2013.; Baradwaj, Brijesh Kumar i Saurabh Pal., 2012.; Beck, 2004; Campbell et al., 2006; Goldstein i Katz, 2005. Johnson, 2005; Michinov et al., 2011; Morris et al., 2005; Qu i Johnson, 2005; Rafaeli i Ravid, 1997. Wang i Newlin, 2002; vi, 2016.;).
Istraživanje također pokazuje da se ranom intervencijom umanjuje taj rizik. Postoje dokazi da visoki postotak at-risk studenata šalje signale u pomoć davno prije nego što zaista odu iz škole (Neild, Balfanz, i Herzog, 2007). Zbog toga sustavi ranog upozoravanja pomažu nastavnicima da učenicima onemogućuju pad s puta do diplome te da ciljaju intervencije i podršku učenicima kojima je najviše potrebna (Pinkus, 2008).
Asarta, C. J., & Schmidt, J. R. (2013). Obrasci pristupa internetskim materijalima u miješanom tečaju. Decision Sciences Journal of Innovative Education, 11(1), 107-123.
Baradwaj, B. K., & Pal, S. (2012.). Rudarenje obrazovnih podataka radi analize uspješnosti učenika. arXiv preprint arXiv:1201.3417.
Beck, J. E. (2004., kolovoz). Korištenje vremena odgovora za odvajanje modela učenika. U zborniku ITS2004 Workshop on Social and Emotional Intelligence in Learning Environments (Vol. 20, Br. 2004, str. 88-95).
Campbell, J. P., Finnegan, C., & Collins, B. (2006., srpanj). Akademska analitika: korištenje CMS-a kao sustava ranog upozorenja. Na konferenciji o utjecaju webCT-a.
Christenson, S. L., Reschly, A. L., & Wylie, C. (Eds.). (2012). Priručnik istraživanja o angažmanu učenika. Springer Science & Business Media.
Goldstein, P. J., & Katz, R. N. (2005). Akademska analitika: korištenje informacija o upravljanju i tehnologije u višem obrazovanju (Vol. 8, Br. 1, str. 1-12). Educause.
Johnson, G. M. (2005). Otuđenje učenika, akademsko postignuće i korištenje webCT-a. Journal of Educational Technology & Society, 8(2), 179-189.
Michinov, N., Brunot, S., Le Bohec, O., Juhel, J., & Delaval, M. (2011.). Odgađanje, sudjelovanje i performanse u internetskim okruženjima za učenje. Računala & obrazovanje, 56(1), 243-252.
Morris, L. V., Finnegan, C., & Wu, S. S. (2005). Praćenje ponašanja učenika, postojanosti i postignuća na internetskim tečajevima. Internet i visoko obrazovanje, 8(3), 221-231.
Neild, R. C., Balfanz, R., & Herzog, L. (2007). Sustav ranog upozorenja. Obrazovno vodstvo, 65(2), 28-33.
Pinkus, L. (2008). Korištenje podataka s ranim upozorenjem radi poboljšanja stopa diplome: zatvaranje napuklih mjesta u obrazovnom sustavu. Washington, DC: Alliance for Excellent Education.
Qu, L., & Johnson, W. L. (2005., svibanj). Otkrivanje motivacijskih stanja učenja u interaktivnom okruženju učenja. U zboru konferencije o umjetnoj inteligenciji u obrazovanju iz 2005.: potpora učenju putem inteligentne i društveno informirane tehnologije (str. 547-554).
Rafaeli, S., & Ravid, G. (1997.). Internetsko okruženje za učenje utemeljeno na webu za tečaj informacijskih sustava: zapisnici programa Access, linearnost i performanse. In Proc. Inf. Syst. Educ. Conf (Vol. 97, str. 92-99).
Wang, A. Y., & Newlin, M. H. (2002). Prediktivnici performansi web-učenika: uloga samointektivne učinkovitosti i razlozi za uzimanje on-line klase. Računala u ljudskom ponašanju, 18(2), 151-163.
Ti, J. W. (2016). Prepoznavanje značajnih pokazatelja pomoću LMS podataka za predviđanje postignuća tečaja u mrežnom učenju. Internet i visoko obrazovanje, 29, 23-30.
Predviđanje odbijanja učenika u aktivnosti
Model strojnog učenja uzima uzorke digitalnih aktivnosti svakog pojedinačnog učenika tijekom protekla tri tjedna i koristi te podatke za prepoznavanje učenika koji su danas aktivni, ali je u sljedećem tjednu pokazala rane pokazatelje da se razina angažmana može ispustiti. Model uzima u obzir specifične obrasce učenja ekosustava učionice, kao i za obračun praznina u aktivnostima razreda koje proizlaze iz godišnjih odmora i praznika. Predviđanje angažmana učenika je pojedinačno, uz razumijevanje da različiti učenici mogu pokazivati različite uzorke aktivnosti i ne postoji takva stvar kao što je "normalno" ponašanje. Ovi sudionici podrške ne analiziraju učenike, nego identificiraju uzorke aktivnosti koji su dovoljno značajni da bi naznačili potencijalnu potrebi za podrškom i osnažili nastavnike da interveniraju rano.
Signali aktivnosti koji se koriste kao ulazni podaci za model obuhvaćaju sljedeće:
-
Obrasci pristupa datotekama sustava SharePoint: otvaranje, izmjena, preuzimanje, prijenos
-
Zadaci i obrasci pristupa za slanje: dodjela, otvaranje, predaja
-
Sudjelovanje u čavrljanju na predmetu: posjetite, objavite, odgovorite, proširite, reagirajte
-
Sudjelovanje na sastancima u razredu
-
Pristup stranicama bilježnica za predmete u programu OneNote: uređivanje, odražava korištenje, objavljivanje
Važno: model koristi aktivnost, a ne sam sadržaj. Na primjer, ne koristi sadržaj iz poruka čavrljanja, sadržaja dokumenata, odražava emocije ili bilo čega što se može koristiti za prepoznavanje tog učenika.
Točke za razgovor
Model identificira do 15 % učenika u razredu koji su pokazali u vezi s signalima aktivnosti, a zatim ističe pokazatelje koje je svaki učenik prikazao u točkama za razgovor. Kada odaberete karticu za isticanje podrške za učenike, učenici koji su naveli rane pokazatelje isključenja bit će navedeni zajedno s točkama za razgovor osmišljenima da bi vam pomogli pokrenuti razgovor o potrebama za podrškom tog učenika.
Bodovi za razgovor koje možete vidjeti na karticama za isticanje podrške za studente obuhvaćaju sljedeće:
-
sudjeluje u digitalnim raspravama manje
-
pokretanja manje digitalnih rasprava
-
reagirao je na manje poruka u aplikaciji Teams
-
je sudjelovao u digitalnim prilikama za učenje manje
-
pristupa manje materijala mrežne klase
-
pokreće zadatke aplikacije Teams kasnije nego inače
-
manje radi u bilježnici za predmete u programu OneNote
Zaštita privatnosti i odgovorna AI
U Microsoftu nam je duboko stalo do privatnosti i etičke upotrebe AI-ja. Stoga su u model ugrađena sljedeća načela zaštite privatnosti:
-
Model se obučava na način koji se očitira, što znači da naši podatkovni znanstvenici nemaju pristup za prikaz podataka klase.
-
Uvidi o učenicima dijelimo samo s pojedincima koji već imaju pristup temeljnim podacima i imaju osobnu poznavanje učenika. razrednog predavača.
-
Model nikad neće profiliranje učenika kao "dobrog" ili "lošeg". Nastojimo nastavnicima dati podršku u donošenju informiranih odluka o njihovim učenicima dijeljenjem objektivnih opažanja podataka na neusudne odluke.
-
Model namjerno izbjegava pristrano i ne koristi nikakve identifikacijske podatke (kao što su ime, spol ili rasa). Model koristi samo podatke o ponašanju iz interakcija učenika u aplikaciji Teams.
-
Predviđanje je isključivo formativno, što znači da je osmišljeno tako da upozorava nastavnike i podržava ih u mijenjanju prakse u korist svojih učenika, ali se ne sprema u bazu podataka Uvidi radi budućeg pregleda. To je odraz ponašanja u određenoj vremenskoj točki i ne smije se koristiti za službenu procjenu bilo kojeg učenika.
Ograničenja modela
-
Model pregledava jedan po jedan predmet. Ako je uzorak aktivnosti učenika odbijen u jednom razredu i nagnut u drugom, nastavnici mogu biti obaviješteni o potrebi za podrškom samo u razredu s odbijenom aktivnošću.
-
Model koristi samo digitalni angažman putem aplikacije Teams kao mjeru. Izravna komunikacija od učenika do nastavnika, između učenika ili izvan aplikacije Teams ne smatra se. Digitalna aktivnost izvan aplikacije Teams neće biti predstavljena u modelu.
-
Da bi se omogućio nijansan izračun mogućnosti učenja, predviđanje će se provoditi samo za nastavu s više od 5 učenika, najmanje 4 tjedna digitalne aktivnosti i najmanje 30 % sudjelovanja učenika u jednoj ili više digitalnih aktivnosti koje se koriste u modelu.
Potrebna vam je dodatna pomoć?
Želite dodatne mogućnosti?
Istražite pogodnosti pretplate, pregledajte tečajeve za obuku, saznajte kako zaštititi uređaj i još mnogo toga.
Zajednice vam pomažu da postavljate pitanja i odgovarate na njih, pošaljete povratne informacije i čujete se sa stručnjacima s bogatim znanjem.
