Švietimo „Insights“ studentų pagalbos dėmesio centro kortelės
Applies To
Microsoft Teams „Microsoft Teams“ švietimuiDI pagrindu veikiančios studentų pagalbos dėmesio centro kortelės skirtos padėti mokytojams atskirti mokinių dėmesį prieš jiems atsilikant. Ši kortelė naudoja mašininį mokymąsi, kad stebėtų klasės, taip pat kiekvieno mokinio skaitmeninio įsitraukimo modelius ir informuos mokytojus, kai mokiniai parodys ankstyvus atsijungimo požymius. Rekomenduojamose kortelėse pateikiamas mokinių, kuriems kitą savaitę gali prireikti mokytojo pagalbos, sąrašas, taip pat pateikiami konkretūs pokalbiai, atsižvelgiant į mokinių veiklos pokyčius. Prognozės yra grynai formuojamos ir priklauso tik nuo skaitmeninio įsitraukimo signalų, pasiekiamų švietimo „Insights“", nerenkami jokie papildomi duomenys.
Kaip pedagogai turėtų naudoti dėmesio centro kortelę?
Kaip pedagogas, geriausiai suprantate ir suprantate savo mokinius. Šis akcentas skirtas šviesti mokinių mokymąsi ir įsitraukimą, kad padėtų mokytojams diferencijuoti palaikymą, kad jie galėtų lygiateisiškai įgalinti savo mokinius.
Šis įrankis skirtas naudoti kartu su asmeniniais ryšiais ir mokinių gebėjimų bei aplinkybės supratimu. Akcentai ne vertina mokinius, o suteikia mokytojams galimybę remtis esamais ryšiais ir atskirti palaikymą.
Svarbu: Kai kurie mokiniai, kuriems reikia pagalbos, gali įrodyti, kad jiems reikia nuosekliai neveiklumo. Nuosekliai neaktyvūs mokiniai nebus paryškinti studento palaikymo kortelėje, nes nepateikė interpretuotinų veiklos duomenų. Atkreipkite dėmesį į rekomenduojamą veiklos kortelę, kad nustatytumėte neaktyvius mokinius, nes tai yra kitas indikatorius, kuriam reikia pagalbos.
Studento palaikymo kortelės tyrimas
Pedagoginių mokslinių tyrimų bendruomenės sutarimas yra tas, kad įsitraukimo sumažėjimas rodo, kad mokiniai susiduria su iššūkiais ir susiduria su padidėjusia rizika nukristi (Christenson, Reschly ir Wylie, 2012;) ir kad mokinių skaitmeninio dalyvavimo duomenys gali būti naudojami įvertinti jų dalyvavimo lygį ir prognozuoti labai tikslią būsimą elgseną ir pasiekimus. Be to, šie duomenys gali būti naudojami nustatyti "rizikos studentams", nes jie labai susiję su akademiniais pasiekimais ("Asarta" ir "Schmidt", 2013; Baradwaj, Brijesh Kumar ir Saurabh Pal., 2012; Beck, 2004; Campbell et al., 2006; Goldstein ir Katz, 2005; "Johnson", 2005 m.; Michinov et al., 2011; Morris et al., 2005; Qu ir Johnson, 2005; Rafaelis ir Ravidas, 1997; Wang ir Newlin, 2002; 2016 m. jūs;).
Tyrimai taip pat rodo, kad ankstyvoji intervencija padeda sumažinti tą riziką. Yra įrodymų, kad didelis procentas rizikos studentai siųsti nelaimės signalus ilgai, kol jie faktiškai lašas iš mokyklos (Neild, Balfanz, ir Herzog, 2007). Dėl šios priežasties išankstinio įspėjimo sistemos padeda mokytojams neleisti mokiniams nuskristi nuo mokyklos baigimo ir taikyti intervencines priemones bei paramą labiausiai jų turintiems mokiniams (Pinkus, 2008).
Asarta, C. J., & Schmidt, J. R. (2013). Prieigos modeliai internetinės medžiagos maišytą kursą. Decision Sciences Žurnalas of Innovative Education, 11(1), 107-123.
Baradwaj, B. K., & Pal, S. (2012). Kalnakasybos švietimo duomenys, kad būtų galima analizuoti mokinių efektyvumą. arXiv išankstinis spausdinimas arXiv:1201.3417.
Beck, J. E. (2004 m. rugpjūčio mėn.). Studentų išjungimo modelio atsakymo laiko naudojimas. Bylose ITS2004 seminaras socialinės ir emocinės žvalgybos mokymosi aplinkoje (Vol. 20, Nr. 2004, p. 88–95).
Campbell, J. P., Finnegan, C., & Collins, B. (2006, July). Akademinė analizė: CMS kaip ankstyvojo įspėjimo sistemos naudojimas. WebCT poveikio konferencijoje.
Christenson, S. L., Reschly, A. L., & Wylie, C. (Eds.). (2012). Mokinio dalyvavimo tyrimų vadovas. Springer Science & Business Media.
Goldstein, P. J., & Katz, R. N. (2005). Akademinė analizė: informacijos ir technologijų valdymo naudojimas aukštojo mokslo srityje (t. y. 8, Nr. 1, p. 1-12). Educause.
Džonsonas, G. M. (2005). Studentų atsejimas, akademiniai pasiekimai ir "WebCT" naudojimas. Žurnalas švietimo technologijų & visuomenės, 8(2), 179-189.
Michinov, N., Brunot, S., Le Bohec, O., Juhel, J., & Delaval, M. (2011). Procrastination, participation, and performance in online learning environments. Kompiuteriai & Education", 56(1), 243–252.
Morris, L. V., Finnegan, C., & Wu, S. S. (2005). Sekti mokinių elgseną, pastovumą ir pasiekimus internetiniuose kursuose. Interneto ir aukštojo mokslo, 8(3), 221-231.
Neild, R. C., Balfanz, R., & Herzog, L. (2007). Išankstinio įspėjimo sistema. Lyderystė švietimo srityje, 65(2), 28–33.
Pinkus, L. (2008). Ankstyvojo įspėjimo duomenų naudojimas norint pagerinti mokyklos baigimo lygį: švietimo sistemos lūžių panaikinimas. Vašingtonas: "Alliance for Excellent Education".
Qu, L., & Johnson, W. L. (2005, gegužės mėn.). Besimokančio asmens motyvacijos būsenų nustatymas interaktyvioje mokymosi aplinkoje. 2005 m. konferencijos dėl dirbtinio intelekto švietimo srityje procesas: parama mokymuisi naudojant pažangias ir socialiai informatyvias technologijas (p. 547-554).
Rafaeli, S., & Ravid, G. (1997). Internetinio internetinio mokymosi aplinkos informacinių sistemų kursui: "Access" žurnalai, tiesiškumas ir našumas. In Proc. Inf. Syst. Educ. Conf (Tomas) 97, p. 92–99).
Wang, A. Y., & Niulinas, M. H. (2002). Žiniatinklio mokinio našumo prognozės: savarankiško efektyvumo vaidmuo ir priežastys, kodėl reikia atlikti internetinę klasę. Žmogaus elgesio kompiuteriai, 18(2), 151-163.
Tu, J. W. (2016). Reikšmingų rodiklių nustatymas naudojant LMS duomenis, kad būtų galima prognozuoti internetinio mokymosi pasiekimus. Internetas ir aukštasis mokslas, 29, 23–30.
Mokinių veiklos atmetimo numatymas
Mašininio mokymosi modelis per pastarąsias tris savaites naudoja kiekvieno mokinio skaitmeninius veiklos modelius ir naudoja šiuos duomenis, kad nustatytų šiandien aktyvius mokinius, kurie parodė pirmuosius rodiklius, kad jų dalyvavimo lygis ateinančią savaitę gali sumažėti. Modelyje atsižvelgiama į konkretūs klasės ekosistemos mokymosi modelius, taip pat į klasės veiklos spragų, atsiradusių dėl atostogų ir švenčių, apskaitą. Mokinio įsitraukimo prognozė yra individuali, suprantant, kad skirtingi mokiniai gali eksponuoti skirtingus veiklos modelius ir nėra tokio dalyko kaip "įprastas" elgesys. Šie mokinių paramos akcentai ne vertina mokinius, o nustato veiklos modelius, kurie yra pakankamai reikšmingi, kad parodytų galimą paramos poreikį ir suteiktų mokytojams galimybę įsikišti anksti.
Veiklos signalai, naudojami kaip modelio įvestis:
-
"SharePoint" failų prieigos modeliai: atidarymas, modifikavimas, atsisiuntimas, nusiuntimas
-
Priskyrimai ir pateikimo prieigos modeliai: priskyrimas, atidarymas, prisijungimas
-
Dalyvavimas klasės pokalbiuose: apsilankymas, skelbimas, atsakymas, išplėtimas, reaktyvus
-
Dalyvavimas klasės susitikimuose
-
"OneNote" mokomųjų bloknotų puslapių prieiga: redagavimas, naudojimo atspindys, skelbimas
Svarbu: modelis naudoja veiklą, o ne patį turinį. Pvz., jis NENAUDOJA turinio iš pokalbių pranešimų, dokumentų turinio, atspindėti emocijas ar kitų elementų, kurie gali būti naudojami tam mokiniui identifikuoti.
Kalbėjimo taškai
Modelyje nurodoma iki 15 % klasės studentų, kurie įrodė, kad yra veiklos signalai, tada pažymi indikatorius, kuriuos kiekvienas mokinys rodo kalbėjimo taškuose. Kai pasirenkate studento pagalbos dėmesio kortelę, mokiniai, kurie parodė pirmuosius išjungimo indikatorius, bus nurodyti šalia Kalbėjimo taškai, skirti padėti pradėti pokalbį apie to mokinio palaikymo poreikius.
Kalbėjimo taškai , kuriuos galite matyti studentų palaikymo teminio ekrano kortelėse:
-
dalyvavo skaitmeninėse diskusijose mažiau
-
inicijavo mažiau skaitmeninių diskusijų
-
reagavo į mažiau "Teams" pranešimų
-
dalyvavo skaitmeninio mokymosi galimybėse mažiau
-
prieigą prie mažiau internetinės klasės medžiagos
-
"Teams" užduotis pradėjo vėliau nei įprastai
-
mažiau dirba savo "OneNote" mokomajame bloknote
Privatumas ir atsakingas DI
"Microsoft" labai rūpinasi DI privatumu ir etišku naudojimu. Todėl į modelį įdėti šie privatumo principai:
-
Šis modelis išmokytas atimisku būdu, o tai reiškia, kad mūsų duomenų mokslininkai neturi prieigos peržiūrėti klasės duomenų.
-
Įžvalgas apie mokinius bendriname tik su asmenimis, kurie jau turi prieigą prie pagrindinių duomenų ir yra susipažinę su mokiniu. t. y. klasės pedagogas.
-
Šis modelis niekada neįkels studento į profilį kaip "geras" arba "blogas". Mes siekiame padėti mokytojui priimti pagrįstus sprendimus apie savo mokinius, bendrindami objektyvius duomenų pastebėjimus ne teismo būdu.
-
Modelis yra tyčia vengti šališkumo ir nenaudoja jokios identifikuojančios informacijos (pvz., vardo, lyties ar rasės). Modelyje naudojama tik mokinių sąveikos naudojant "Teams" elgsenos informacija.
-
Prognozė yra grynai formatyvi, tai reiškia, kad ji skirta įspėti mokytojus ir padėti jiems modifikuoti savo praktiką, kad ji būtų naudinga mokiniams, tačiau ji nėra įrašoma įžvalgų duomenų bazėje, kad juos būtų galima peržiūrėti vėliau. Tai elgesio konkrečiame laiko taške atspindys, todėl jo nereikėtų naudoti jokiam mokiniui oficialiai įvertinti.
Modelio apribojimai
-
Modelis nagrinėja vieną klasę vienu metu. Jei studento veiklos modelis atsisakė vienoje klasėje ir linkęs į kitą, pedagogams gali būti pranešta apie palaikymo poreikį tik klasės su atmesta veikla.
-
Modelis naudoja tik skaitmeninį įsitraukimą per "Teams" kaip priemonę. Tiesioginis mokinio bendravimas su mokytoju, mokiniais ar už "Teams" ribų neįvertintas. Skaitmeninė veikla ne "Teams" nebus pateikiama modelyje.
-
Siekiant sudaryti sąlygas niuansų mokymosi galimybių skaičiavimui, prognozė bus atliekama tik toms klasėms, kuriose dalyvauja daugiau kaip 5 studentai, bent 4 savaites atliekant skaitmeninę veiklą ir bent 30 proc. studentų dalyvavimo vienoje ar keliose modelio skaitmeninėse veiklose.
Reikia daugiau pagalbos?
Norite daugiau parinkčių?
Sužinokite apie prenumeratos pranašumus, peržiūrėkite mokymo kursus, sužinokite, kaip apsaugoti savo įrenginį ir kt.
Bendruomenės padeda užduoti klausimus ir į juos atsakyti, pateikti atsiliepimų ir išgirsti iš ekspertų, turinčių daug žinių.
