Vi præsenterer en protokol for en adfærdsanalyse af voksne (i alderen 18 til 70 år), der beskæftiger sig med læringsprocesser, og udfører opgaver designet til selvregulerende læring (SRL). Deltagerne, universitetslærere og studerende og voksne fra University of Experience blev overvåget med eye-tracking-enheder, og dataene blev analyseret med dataminingteknikker.
Adfærdsanalyse af voksne, der beskæftiger sig med læringsopgaver, er en stor udfordring inden for voksenuddannelse. I dag er der i en verden med vedvarende teknologiske forandringer og videnskabelige fremskridt behov for livslang læring og uddannelse i både formelle og ikke-formelle uddannelsesmiljøer. Som svar på denne udfordring giver brugen af henholdsvis eye-tracking-teknologi og dataminingteknikker til overvåget (hovedsagelig forudsigelse) og uovervåget (specifikt klyngeanalyse) læring metoder til påvisning af læringsformer blandt brugerne og/eller klassificering af deres læringsstile. I denne undersøgelse foreslås en protokol for undersøgelse af læringsstile blandt voksne med og uden tidligere viden i forskellige aldre (18 til 69-årige) og på forskellige tidspunkter i hele læringsprocessen (start og slut). Statistiske variansanalyseteknikker betyder, at der kan påvises forskelle mellem deltagerne efter elevtype og tidligere kendskab til opgaven. På samme måde kaster brugen af uovervågede læringsklyngeteknikker lys over lignende former for læring blandt deltagerne på tværs af forskellige grupper. Alle disse data vil lette personlige forslag fra læreren til præsentation af hver opgave på forskellige punkter i kæden af informationsbehandling. Det vil ligeledes være lettere for læreren at tilpasse undervisningsmaterialet til læringsbehovene hos hver elev eller gruppe af studerende med lignende karakteristika.
Eye-tracking metode anvendes til adfærdsanalyse i læring
Eye-tracking metode, blandt andre funktionelle anvendelser, anvendes til studiet af menneskelig adfærd, specielt under opgaveløsning. Denne teknik letter overvågning og analyse under udførelsen af læringsopgaver1. Specifikt kan opmærksomhedsniveauerne for studerende på forskellige punkter i læringsprocessen (start, udvikling og slut) i forskellige (historie, matematik, videnskab osv.) studeres ved hjælp af eye-tracking-teknologi. Hvis opgaven omfatter brug af videoer med en stemme, der styrer læringsprocessen, lettes selvregulerende læring (SRL). Derfor foreslås implementeringen af eye-tracking-teknologi i analysen af opgaver, som SRL (der omfatter brugen af videoer) som en betydelig ressource til at forstå, hvordan læring udvikles2,3,4. Denne kombination vil også betyde, at forskellene mellem undervisningsmetoder (med eller uden SRL osv.) kan kontrolleres med forskellige typer studerende (med eller uden forudgående viden osv.) 5.I modsætning hertil kan præsentationen af multikanaloplysninger (samtidig præsentation af både auditive og visuelle oplysninger, hvad enten de er verbale, skriftlige eller billedlige) lette både registreringen og analysen af relevante versus ikke-relevante oplysninger fra ovennævnte variabler6. Studerende med forudgående viden, der udsættes for multimedielæringskanaler, ser ud til at lære mere effektivt end dem med ringe eller ingen forudgående viden. Studerende med et højt niveau af forudgående kendskab til emnet vil integrere tekstuel og grafisk information mere effektivt7. Denne funktionalitet er blevet observeret i indlæringen af tekst8, der indeholder billeder9. Eye-tracking teknologi tilbyder information om, hvor opmærksomheden er fokuseret og hvor længe. Disse data giver indsigt i udviklingen af en læringsproces på en mere præcis måde end gennem den enkle observation af afviklingsprocessen under afslutningen af en opgave. Analysen af disse indikatorer letter også undersøgelsen af, om den studerende udvikler dyb eller overfladisk læring. Desuden letter forholdet mellem disse data og læringsresultaterne valideringen af de oplysninger , der er opnået med eye-tracking-teknologi4,10. Faktisk anvendes denne teknik sammen med SRL i stigende grad i videregående uddannelser og i voksenuddannelse11 læringsmiljøer, både på regulerede og ikke-regulerede kurser12.
Eye-tracking teknologi tilbyder forskellige målinger: afstand, hastighed, acceleration, tæthed, spredning, vinkelhastighed, overgange mellem områder af interesse (AOI), sekventiel rækkefølge af AOI, besøg i fikseringer, saccades, scanne sti og varmekort parametre. Fortolkningen af disse data er imidlertid kompleks og kræver brug af overvågede (regression, beslutningstræer osv.) og uden opsyn (k-means klyngeteknikker osv.) 13,14 data-mining teknikker. Disse målinger kan anvendes til overvågning af samme emnes opførsel over tid eller til sammenligning mellem flere emner og deres præstationer med samme opgave15ved at analysere forskellen mellem deltagere med tidligere viden versus ingen tidligere viden16. Nyere forskning11,17 har afsløret, at nybegyndere lærlinge fiksere længere på stimuli (dvs. der er en større fiksering frekvens, mens lignende scan-sti mønstre er registreret). Den gennemsnitlige varighed af fiksering var længere for eksperter end for nybegyndere. Eksperterne præsenterede deres fokus på de midterste punkter i informationen (proksimale og centrale), forskelle, der også kan ses i visualiseringspunkterne i AOI på varmekortene.
Fortolkning af målinger i eye tracking
Nylige undersøgelser18 har vist, at informationserhvervelse er relateret til antallet af okulære fikseringer på stimuli. En anden vigtig metrikværdi er saccaden, der defineres som den hurtige og pludselige bevægelse af en fiksering med et interval på [10 ms, 100 ms]. Sharafi et al. (2015)18 fandt forskelle i antallet af saccades, afhængigt af den studerendes informationskodningsfase. En anden relevant parameter er scanningsstien, en metrikværdi, der registrerer den kronologiske rækkefølge af de trin, som deltageren udfører for løsningen af læringsopgaven inden for AOI defineret af forskeren18. På samme måde kan eye-tracking-teknologi bruges til at forudsige deltagerens forståelsesniveau, som ser ud til at være relateret til antallet af fikseringer. Nylige undersøgelser har vist, at variation i blikadfærd bestemmes af billedets egenskaber (position, intensitet, farve og orientering), instruktionerne til udførelse af opgaven og deltagerens type informationsbehandling (læringsstil). Disse forskelle opdages ved at analysere den studerendes interaktion med de forskellige AOI19. Kvantitative20 (frekvensanalyse) og/eller kvalitative eller dynamiske21 (scanningssti) teknikker kan bruges til at analysere de data, der er indsamlet fra de forskellige målinger. De tidligere teknikker analyseres med traditionelle statistiske teknikker (frekvensanalyse, middelforskel, variansforskel osv.), og sidstnævnte analyseres med maskinlæringsteknikker (euklidiske afstande med strengredigeringsmetoder21,22og klyngedannelse17). Anvendelsen af disse teknikker letter klyngedannelse ved at overveje forskellige karakteristika ved emnerne. En undersøgelse17 viste, at jo mere ekspert den studerende, jo mere effektiv den rumlige og tidsmæssige informationsbehandling strategi, der gennemføres. En beskrivende tabel over de måleparametre , der blev anvendt i denne undersøgelse , kan konsulteres nedenfor i tabel 1.
Tabel 1: Mest repræsentative parametre, der kan opnås med eye-tracking-teknikken, tilpasset fra Sáiz, Zaparaín, Marticorena og Velasco (2019). 20 år Klik her for at hente denne tabel.
Anvendelse af eye-tracking-metoden til studiet af læringsprocessen
Brugen af de teknologiske fremskridt og de dataanalyseteknikker, der er beskrevetovenfor 5, vil tilføje større præcision til adfærdsanalyse af elever under problemløsning i de forskellige faser af informationsbehandling (opgavestart, informationsbehandling og opgaveløsning). Det vil alle lette individuel adfærdsanalyse, hvilket igen vil tillade gruppering af studerende med lignende egenskaber24. Ligeledes prædiktive teknikker (beslutning træer, regression teknikker, osv.) 25 kan anvendes til læring, både relateret til antallet af fikseringer og til hver elevs opgaveløsningsresultater. Denne funktionalitet er et meget vigtigt fremskridt i kendskabet til, hvordan den enkelte studerende lærer, og til forslaget om personlige læringsprogrammer inden for forskellige grupper (personer med eller uden indlæringsvanskeligheder26). Derfor vil brugen af denne teknik bidrage til opnåelse af personalisering og optimering af læring27. Livslang læring skal forstås som en cyklus af løbende forbedringer, da samfundets viden hele tiden udvikler sig og skrider frem. Evolutionær psykologi indikerer, at opløsningsevner og effektivitet i informationsbehandling falder med alderen. Specifikt har saccadefrekvens, amplitude og hastighed af øjenbevægelser blandt voksne vist sig at falde med alderen. Derudover er opmærksomheden i ældre aldre fokuseret på de lavere områder af visuelle scener, som er relateret til underskud i arbejdshukommelsen14. Ikke desto mindre stiger aktiveringen i de frontale og præfrontale områder i en ældre alder, hvilket synes at kompensere for disse underskud i opgaveløsning. Dette aspekt omfatter niveauet af tidligere viden og de kognitive kompensationsstrategier, som emnet kan anvende. Erfarne deltagere lærer mere effektivt, da de styrer opmærksomheden mere effektivt på grund af anvendelsen af automatiserede tilsynsprocesser28. Hvis de oplysninger, der skal læres, videregives gennem SRL-teknikker, afhjælpes ovennævnte manglerdesuden 17. Brugen af sådanne teknikker betyder, at visuelle sporingsmønstre er meget ens, både i uden forudgående viden og i med forudgående viden7.
Sammenfattende er analysen af multimodale multikanaldata om SRL opnået ved hjælp af avancerede læringsteknologier (eye-tracking) nøglen til at forstå samspillet mellem kognitive, metakognitive og motiverende processer og deres indvirkning på læring29. Resultaterne og studiet af forskelle i læring har konsekvenser for udformningen af undervisningsmaterialer og intelligente vejledningssystemer, som begge vil muliggøre personlig læring, der sandsynligvis vil være mere effektiv og tilfredsstillende for den studerende30.
I denne forskning blev der stillet to undersøgelsesspørgsmål: (1) Vil der være betydelige forskelle i læringsresultaterne og i de okulære fikseringsparametre mellem studerende og ekspert versus ikke-ekspertlærere i kunsthistorie, der differentierer studerende med officielle grader versus studerende med ikke-officielle grader (University of Experience – Voksenuddannelse)? og (2) Vil klynger af hver deltager med læringsresultater og okulære fikseringsparametre falde sammen med typen af deltagere (studerende med officielle grader, studerende med ikke-officielle grader (University of Experience – Voksenuddannelse) og lærere)?
Forskningsresultaterne viste, at den gennemsnitlige fikseringsvarighed på de relevante stimuli var længere blandt deltagere med tidligere viden. Ligeledes er fokus på denne gruppe på de midterste informationspunkter (proksimale og distale)7. Resultaterne af denne undersøgelse har afsløret forskelle i den måde, deltagerne behandlede oplysningerne på. Desuden var deres behandling ikke altid knyttet til den oprindelige gruppering (University of Experience Students, University Teachers og Grad…
The authors have nothing to disclose.
Arbejdet er udviklet under projektet “Selvregulerende læring i SmartArt Erasmus+ voksenuddannelse” 2019-1-ES01-KA204-095615-Koordinator 6, finansieret af Europa-Kommissionen. Videoen af opgaven færdiggørelse fase havde forudgående informeret samtykke fra Rut Velasco Sáiz. Vi sætter pris på, at lærere og studerende deltager i opgaveimplementeringsfasen.
iViewer XTM | iViewer | ||
SMI Experimenter Center 3.0 | SMI | ||
SMI Be Gaze | SMI |