Eğitim Insights'da öğrenci desteği öne çıkanlar kartları
Yapay zeka tabanlı Öğrenci desteği öne çıkan kartları, eğitimcilerin dikkati geride bırakmadan önce destek öğrencilerine ayırt etmelerine yardımcı olmak için tasarlanmıştır. Bu kart, hem sınıfın dijital katılım desenlerini hem de her öğrenciyi izlemek için bir makine öğrenmesi kullanır ve öğrenciler erken devre dışı bırakma belirtileri gösterdiğinde eğitimcileri bilgilendirir. Spotlight kartı, sonraki hafta eğitimci desteğine ihtiyaç duyabilecek öğrencilerin listesini ve öğrencilerin etkinlikteki değişikliklerini temel alan belirli konuşma noktalarını sağlar. Tahminler tamamen biçimlendiricidir ve yalnızca Eğitim Insights bulunan dijital etkileşim sinyallerini kullanır, ek veri toplanmaz.
Eğitimciler spotlight kartını nasıl kullanmalıdır?
Eğitimci olarak öğrencilerinizi en iyi siz bilirsiniz ve anlarsınız. Bu öne çıkan özellik, eğitimcilerin öğrencilerini eşit bir şekilde güçlendirmeleri için destek ayırmalarına yardımcı olmak için öğrenci öğrenmesine ve katılımına ışık olacak şekilde tasarlanmıştır.
Bu araç, kişisel ilişkiler ve öğrencinin yeteneklerini ve koşullarını anlama ile birlikte kullanılmak üzere tasarlanır. Öne çıkanlar öğrencileri değerlendirmez, bunun yerine eğitimcilerin mevcut ilişkilerini kurması ve desteği ayırt etmelerine olanak sağlar.
Önemli: Desteğe ihtiyacı olan bazı öğrenciler, sürekli hareketsizlikle ihtiyaçları olduğunu gösterebilir. Tutarlı olarak etkin olmayan öğrenciler yorumlanacak etkinlik verilerini sağlamadıkları için öğrenci destek kartında vurgulanmaz. Etkin olmayan öğrencileri belirlemek için lütfen Etkinlik öne çıkanları kartına dikkat edin. Bu da öğrencilerin desteğe ihtiyacı olduğunu gösteren başka bir göstergedir.
Öğrenci destek kartı için araştırma
Pedagojik araştırma topluluğundaki konsensüs, katılımdaki düşüşün, öğrencilerin güçlükler yaşadığını ve daha fazla geri kalma riskiyle karşılaştığının (Christenson, Reschly ve Wylie, 2012;) bir göstergesi olduğu ve öğrencilerin dijital katılım verilerinin, katılım düzeylerini değerlendirmek ve gelecekteki yüksek doğrulukta davranışlar ve başarılarla tahminde bulunabilmek için kullanılabileceğinin bir göstergesi olduğu yönündedir. Ayrıca, bu veriler akademik başarılarla yüksek bağıntılı olduğu için "risk altındaki" öğrencileri tanımlamak için kullanılabilir (Asarta ve Schmidt, 2013; Baradwaj, Brijesh Kumar ve Saurabh Pal., 2012; Beck, 2004; Campbell et al., 2006; Goldstein ve Katz, 2005; Johnson, 2005; Michinov ve diğerleri, 2011; Morris et al., 2005; Qu ve Johnson, 2005; Rafaeli ve Ravid, 1997; Wang ve Newlin, 2002; Siz, 2016;).
Araştırmalar, erken müdahalenin bu riski azaltmaya yardımcı olduğunu da göstermektedir. Risk altındaki öğrencilerin yüksek bir yüzdesinin okuldan çıkmadan çok önce acil durum sinyalleri gönderdiğine dair kanıtlar vardır (Neild, Balfanz ve Herzog, 2007). Bu nedenle erken uyarı sistemleri, eğitimcilerin öğrencilerin mezuniyete doğru yola düşmelerini önlemelerine ve en çok ihtiyacı olan öğrencilere müdahale ve destek sağlamak için yardımcı olmaktadır (Pinkus, 2008).
Asarta, C. J., & Schmidt, J. R. (2013). Karma bir kursta çevrimiçi malzemelerin desenlerine erişin. Karar Bilimleri Yenilikçi Eğitim Dergisi, 11(1), 107-123.
Baradwaj, B. K., & Pal, S. (2012). Öğrencilerin performansını analiz etmek için eğitim verilerinin madenciliği. arXiv preprint arXiv:1201.3417.
Beck, J. E. (2004, Ağustos). Öğrenci ayırmayı modellemek için yanıt sürelerini kullanma. Öğrenme Ortamlarında Sosyal ve Duygusal Zeka Üzerine ITS2004 Atölyesinin Devamında (Vol. 20, No. 2004, pp. 88-95).
Campbell, J. P., Finnegan, C., & Collins, B. (2006, Temmuz). Akademik analiz: CMS'yi erken uyarı sistemi olarak kullanma. WebCT etki konferansında.
Christenson, S. L., Reschly, A. L., & Wylie, C. (Eds.). (2012). Öğrenci katılımıyla ilgili araştırma el kitabı. Springer Science & Business Media.
Goldstein, P. J., & Katz, R. N. (2005). Akademik analiz: Yönetim bilgilerinin ve teknolojinin yükseköğretimdeki kullanımları (Vol. 8, No. 1, pp. 1-12). Educause.
Johnson, G. M. (2005). Öğrenci yabancılığı, akademik başarı ve WebCT kullanımı. Eğitim Teknolojileri & Derneği Dergisi, 8(2), 179-189.
Michinov, N., Brunot, S., Le Bohec, O., Juhel, J., & Delaval, M. (2011). Çevrimiçi öğrenme ortamlarında erteleme, katılım ve performans. Eğitim & Bilgisayarlar, 56(1), 243-252.
Morris, L. V., Finnegan, C., & Wu, S. S. (2005). Çevrimiçi kurslarda öğrenci davranışını, kalıcılığını ve başarılarını izleme. İnternet ve YüksekÖğretim, 8(3), 221-231.
Neild, R. C., Balfanz, R., & Herzog, L. (2007). Erken uyarı sistemi. Eğitim liderliği, 65(2), 28-33.
Pinkus, L. (2008). Mezuniyet oranlarını artırmak için erken uyarı verilerini kullanma: Eğitim sistemindeki çatlakları kapatma. Washington, DC: Alliance for Excellent Education.
Qu, L., & Johnson, W. L. (2005, Mayıs). Etkileşimli bir öğrenme ortamında öğrencinin motivasyon durumlarını algılama. 2005 eğitimde yapay zeka konferansının devamında: Akıllı ve sosyal olarak bilgilendirilmiş teknoloji aracılığıyla öğrenmeyi destekleme (s. 547-554).
Rafaeli, S., & Ravid, G. (1997). Bilgi sistemleri kursu için çevrimiçi, web tabanlı öğrenme ortamı: Erişim günlükleri, doğrusallık ve performans. In Proc. Inf. Syst. Educ. Conf (Vol. 97, ss. 92-99).
Wang, A. Y., & Newlin, M. H. (2002). Web öğrencisi performansının tahminleri: Kendi kendine etkinliğin rolü ve satır içi sınıf almanın nedenleri. İnsan davranışında bilgisayarlar, 18(2), 151-163.
Sen, J. W. (2016). Çevrimiçi öğrenmede kurs başarısını tahmin etmek için LMS verilerini kullanarak önemli göstergeleri belirleme. İnternet ve YüksekÖğretim, 29, 23-30.
Etkinlikte öğrenci düşüşü tahmini
Makine öğrenmesi modeli, son üç hafta içinde her bir öğrencinin dijital etkinlik desenlerini alır ve bu verileri bugün etkin olan ancak etkileşim düzeylerinin önümüzdeki hafta düşebileceğine ilişkin erken göstergeler gösteren öğrencileri tanımlamak için kullanır. Model, sınıf ekosisteminin belirli öğrenme desenlerini dikkate alır ve tatillerden ve tatillerden kaynaklanan sınıf etkinliğindeki boşlukları dikkate alır. Öğrenci katılımının tahmini bireyseldir ve farklı öğrencilerin farklı etkinlik düzenleri sergileyebileceklerini ve "normal" davranış diye bir şey olmadığını anlarız. Bu öğrenci desteği öne çıkanları öğrencileri değerlendirmez, bunun yerine olası destek gereksinimini gösterecek kadar önemli olan etkinlik düzenlerini tanımlar ve eğitimcileri erken müdahale etmeye teşvik eder.
Model için giriş olarak kullanılan etkinlik sinyalleri şunlardır:
-
SharePoint dosya erişim desenleri: Açma, Değiştirme, İndirme, Karşıya Yükleme
-
Ödevler ve Gönderim erişim desenleri: atama, açma, teslim
-
Sınıf sohbeti katılımı: ziyaret edin, gönderin, yanıtlayın, genişletin, tepki verin
-
Sınıf toplantılarının katılımı
-
OneNote sınıf not defteri sayfaları erişimi: düzenleme, Kullanımı yansıtma, gönderi
Önemli: model, içeriğin kendisini değil etkinliği kullanır. Örneğin, sohbet iletilerindeki içeriği, belgelerin içeriğini, Duyguları yansıtmayı veya bu öğrenciyi tanımlamak için kullanılabilecek herhangi bir şeyi KULLANMAZ.
Konuşma noktaları
Model, sınıftaki etkinlik sinyalleriyle ilgili bilgi veren öğrencilerin %15'ine kadarını tanımlar ve ardından her öğrencinin Konuşma noktalarında gösterdiği göstergeleri vurgular. Öğrenci desteği öne çıkanlar kartını seçtiğinizde, ilk devre dışı bırakma göstergelerini gösteren öğrenciler, öğrencinin destek ihtiyaçları hakkında konuşma başlatmanıza yardımcı olmak için tasarlanmış Konuşma noktalarıyla birlikte listelenir.
Öğrenci desteği öne çıkan kartlarında görebileceğiniz konuşma noktaları şunlardır:
-
dijital tartışmalara daha az katılıyor
-
daha az dijital tartışma başlatıyor
-
daha az Teams iletisine tepki gösterdi
-
dijital öğrenme fırsatlarına daha az katılmış
-
daha az çevrimiçi sınıf malzemesine erişiyor
-
Teams ödevlerini normalden daha sonra başlatıyor
-
OneNote sınıf not defterinde daha az çalışıyor
Gizlilik ve sorumlu yapay zeka
Microsoft olarak yapay zekanın gizlilik ve etik kullanımına önem veriyoruz. Bu nedenle, aşağıdaki gizlilik ilkeleri modele eklenir:
-
Model, göz kapalı bir şekilde eğitilir ve bu da veri bilimcilerimizin sınıf verilerini görüntüleme erişimine sahip olmadığı anlamına gelir.
-
Öğrencilerle ilgili içgörüleri yalnızca temel alınan verilere zaten erişimi olan ve öğrenciye kişisel olarak aşina olan kişilerle paylaşırız. yani sınıf eğitmeni.
-
Model hiçbir zaman bir öğrencinin profilini 'iyi' veya 'kötü' olarak belirlemez. Eğitimcinin, verilerin nesnel gözlemlerini yargılayıcı olmayan bir şekilde paylaşarak öğrencileri hakkında bilinçli kararlar almalarına destek olmayı amaçlıyoruz.
-
Model, yanlılıktan kaçınmaya yöneliktir ve herhangi bir tanımlayıcı bilgi (ad, cinsiyet veya ırk gibi) kullanmaz. Model yalnızca Teams'deki öğrencilerin etkileşimlerinden gelen davranış bilgilerini kullanır.
-
Tahmin tamamen biçimlendiricidir, yani eğitimcileri uyarmak ve öğrencilerine fayda sağlamak için uygulamalarını değiştirmelerini desteklemek için tasarlanmıştır, ancak gelecekte gözden geçirilmeleri için İçgörüler veritabanına kaydedilmez . Belirli bir zaman noktasındaki davranışın bir yansımasıdır ve hiçbir öğrencinin resmi değerlendirmesi için kullanılmamalıdır.
Model sınırlamaları
-
Model bir kerede bir sınıfı inceler. Bir öğrencinin etkinlik düzeni bir sınıfta reddedildiyse ve başka bir sınıfta eğilimliyse, eğitimcilere yalnızca etkinliği reddedilen sınıfta destek ihtiyacı bildirilebilir.
-
Model, ölçüm olarak yalnızca Teams aracılığıyla dijital etkileşimi kullanır. Öğrenciden eğitimciye, öğrenciler arasında veya Teams dışından doğrudan iletişim dikkate alınmaz. Teams dışındaki dijital etkinlikler modelde temsil edilmeyecektir.
-
Öğrenme fırsatlarının ayrıntılı bir şekilde hesaplanması için tahmin yalnızca 5'ten fazla öğrenci, en az 4 haftalık dijital etkinlik ve model tarafından kullanılan dijital etkinliklerden birine veya daha fazlasına en az %30 öğrenci katılımı olan sınıflar için gerçekleştirilecektir.
Daha fazla yardıma mı ihtiyacınız var?
Daha fazla seçenek mi istiyorsunuz?
Abonelik avantajlarını keşfedin, eğitim kurslarına göz atın, cihazınızın güvenliğini nasıl sağlayacağınızı öğrenin ve daha fazlasını yapın.
Topluluklar, soru sormanıza ve soruları yanıtlamanıza, geri bildirimde bulunmanıza ve zengin bilgiye sahip uzmanlardan bilgi almanıza yardımcı olur.
