Vi presenterar ett protokoll för en beteendeanalys av vuxna (i åldrarna 18 till 70 år) som är engagerade i inlärningsprocesser och utför uppgifter utformade för självreglerat lärande (SRL). Deltagarna, universitetslärarna och studenterna samt vuxna från University of Experience övervakades med ögonspårningsenheter och data analyserades med datautvinningstekniker.
Beteendeanalys av vuxna som ägnar sig åt inlärningsuppgifter är en stor utmaning inom vuxenutbildningen. I en värld av ständiga tekniska förändringar och vetenskapliga framsteg finns det idag ett behov av livslångt lärande och utbildning inom både formella och icke-formella utbildningsmiljöer. Som svar på denna utmaning ger användningen av ögonspårningsteknik respektive datautvinningsteknik för övervakad (främst förutsägelse) och oövervakad (särskilt klusteranalys) inlärning metoder för att upptäcka former av lärande bland användare och/eller klassificering av deras inlärningsstilar. I denna studie föreslås ett protokoll för studier av inlärningsstilar bland vuxna med och utan förkunskaper i olika åldrar (18 till 69 år) och vid olika tidpunkter under hela inlärningsprocessen (start och slut). Statistisk variansanalys innebär att skillnader kan upptäckas mellan deltagarna efter typ av elev och tidigare kunskaper om uppgiften. På samma sätt kastar användningen av oövervakade inlärningsklustertekniker ljus på liknande former av lärande bland deltagarna i olika grupper. Alla dessa uppgifter kommer att underlätta personliga förslag från läraren för presentation av varje uppgift på olika punkter i informationskedjan. Det blir också lättare för läraren att anpassa undervisningsmaterialet till inlärningsbehoven hos varje elev eller grupp av studenter med liknande egenskaper.
Ögonspårningsmetodik tillämpad på beteendeanalys i lärande
Ögonspårningsmetodik, bland andra funktionella användningsområden, tillämpas på studier av mänskligt beteende, särskilt under uppgiftsupplösning. Denna teknik underlättar övervakning och analys under slutförandet av inlärningsuppgifter1. Specifikt kan uppmärksamhetsnivåerna hos studenter vid olika punkter i inlärningsprocessen (start, utveckling och slut) i olika ämnen (historia, matematik, vetenskap etc.) studeras med hjälp av ögonspårningsteknik. Dessutom, om uppgiften inkluderar användning av videor med en röst som vägleder inlärningsprocessen, underlättas självreglerad inlärning (SRL). Därför föreslås implementering av eyetracking-teknik i analysen av uppgifter som SRL (som inkluderar användning av videor) som en betydande resurs för att förstå hur lärande utvecklas2,3,4. Denna kombination kommer också att innebära att skillnaderna mellan undervisningsmetoder (med eller utan SRL etc.) kan kontrolleras med olika typer av studenter (med eller utan förkunskaper etc.) 5.Presentationen av flerkanalsinformation (samtidig presentation av både auditiv och visuell information, oavsett om den är muntlig, skriftlig eller bildmässig) kan däremot underlätta både registrering och analys av relevant kontra icke-relevant information från ovannämnda variabler6. Studenter med förkunskaper som exponeras för multimediainlärningskanaler verkar lära sig mer effektivt än de med liten eller ingen förkunskaper. Studenter med hög grad av förkunskaper i ämnet kommer att integrera text- och grafisk information mer effektivt7. Denna funktion har observerats i inlärningen av texter8 som innehåller bilder9. Eyetracking-teknik ger information om var uppmärksamheten är fokuserad och hur länge. Dessa data ger insikt i utvecklingen av en inlärningsprocess på ett mer exakt sätt än genom enkel observation av resolutionsprocessen under slutförandet av en uppgift. Analysen av dessa indikatorer underlättar också studien av om studenten utvecklar djupt eller ytligt lärande. Dessutom underlättar förhållandet mellan dessa data och inlärningsresultaten valideringen av den information som erhållits med ögonspårningsteknik4,10. Faktum är att denna teknik tillsammans med SRL i allt högre grad används i högre utbildning och i vuxenutbildning11 lärmiljöer, både på reglerade och på icke-reglerade kurser12.
Ögonspårningsteknik erbjuder olika mätvärden: avstånd, hastighet, acceleration, densitet, spridning, vinkelhastighet, övergångar mellan AOI (Areas of Interest), sekventiell ordning av AOI, besök i fixeringarna, saccades, skanningsbanan och värmekartaparametrarna. Tolkningen av dessa uppgifter är dock komplex och kräver användning av övervakade (regression, beslutsträd osv.) och oövervakade (k-medel klustertekniker osv.) 13,14 datautvinningstekniker. Dessa mått kan tillämpas för att övervaka beteendet hos samma ämne över tid eller för en jämförelse mellan flera ämnen och deras prestanda med sammauppgift 15, genom att analysera skillnaden mellan deltagare med förkunskaper kontra ingen tidigare kunskap16. Ny forskning11,17 har visat att nybörjare lärlingar fixera längre på stimuli (dvs. det finns en större fixeringsfrekvens medan liknande scan-path mönster registreras). Den genomsnittliga varaktigheten av fixering var längre för experter än för nybörjare. Experterna presenterade sitt fokus på informationens mittpunkter (proximala och centrala), skillnader som också kan ses i visualiseringspunkterna inom AOI på värmekartorna.
Tolkning av mätvärden i ögonspårning
Nyligengenomförda studier 18 har visat att informationsförvärv är relaterat till antalet okulär fixeringar på stimuli. Ett annat viktigt mått är saccade, som definieras som den snabba och plötsliga rörelsen för en fixering med ett intervall på [10 ms, 100 ms]. (2015)18 fann skillnader i antalet saccades, beroende på studentens informationskodningsfas. En annan relevant parameter är skanningssökvägen, ett mått som fångar den kronologiska ordningen för de steg som deltagaren utför för att lösa inlärningsuppgiften inom AOI som definieras avforskaren 18. På samma sätt kan ögonspårningsteknik användas för att förutsäga deltagarens förståelsenivå, som verkar vara relaterad till antalet fixeringar. Nyligen genomförda studier har visat att variation i blickbeteende bestäms av bildens egenskaper (position, intensitet, färg och orientering), instruktionerna för att utföra uppgiften och typen av informationsbehandling (inlärningsstil) för deltagaren. Dessa skillnader upptäcks genom att analysera studentens interaktion med de olika AOI19. Kvantitativa20-tekniker (frekvensanalys) och/eller kvalitativaeller dynamiska 21-tekniker (genomsökningssökväg) kan användas för att analysera data som samlats in från de olika mätvärdena. De tidigare teknikerna analyseras med traditionella statistiska tekniker (frekvensanalys, genomsnittlig skillnad, variansskillnad etc.) och de senare analyseras med maskininlärningstekniker (euklidiska avstånd med strängredigeringsmetoder21,22och klustring17). Tillämpningen av dessa tekniker underlättar klustring genom att överväga olika egenskaper hos försökspersonerna. En studie17 fann att desto mer expert studenten, desto effektivare är den rumsliga och tidsmässiga informationsbehandlingsstrategi som genomförs. En beskrivande tabell över de mätparametrar som användes i denna studie finns nedan i tabell 1.
Tabell 1: De flesta representativa parametrar som kan erhållas med ögonspårningstekniken, anpassad från Sáiz, Zaparaín, Marticorena och Velasco (2019). 20 (på 20) Klicka här för att ladda ner den här tabellen.
Tillämpning av ögonspårningsmetoden på studien av inlärningsprocessen
Användningen av de tekniska framstegen och de dataanalystekniker som beskrivsovan 5 kommer att öka precisionen i beteendeanalysen av elever under problemlösning i de olika faserna av informationsbehandling (uppgiftsinitiering, informationsbehandling och uppgiftslösning). Det kommer alla att underlätta individuell beteendeanalys, vilket i sin tur kommer att tillåta gruppering av studenter med liknande egenskaper24. På samma sätt, prediktiva tekniker (beslutsträd, regressionstekniker etc.) 25 kan tillämpas på lärande, både relaterat till antalet korrigeringar och till varje elevs uppgiftsupplösningsresultat. Denna funktionalitet är ett mycket viktigt framsteg i kunskapen om hur varje elev lär sig och för förslaget om personliga inlärningsprogram inom olika grupper (personer med eller utan inlärningssvårigheter26). Därför kommer användningen av denna teknik att bidra till uppnåendet av anpassning och optimering av lärande27. Livslångt lärande måste förstås som en cykel av ständiga förbättringar eftersom kunskapen om samhället ständigt utvecklas och utvecklas. Evolutionspsykologi indikerar att upplösningsförmåga och effektivitet i informationsbehandling minskar med åldern. Specifikt har saccade frekvens, amplitud och hastighet av ögonrörelser bland vuxna visat sig minska med åldern. Dessutom, i äldre åldrar, är uppmärksamheten fokuserad på de nedre områdena av visuella scener, vilket är relaterat till underskott iarbetsminnet 14. Aktiveringen ökar dock i frontal- och prefrontala områden i en äldre ålder, vilket verkar kompensera för dessa brister i uppgiftsresolutionen. Denna aspekt inkluderar nivån på förkunskaper och de kognitiva kompensationsstrategier som ämnet kan tillämpa. Erfarna deltagare lär sig mer effektivt, eftersom de hanterar uppmärksamhet mer effektivt, på grund av tillämpningen av automatiserade övervakningsprocesser28. Dessutom, om den information som ska läras förmedlas genom SRL-tekniker, mildras de ovannämnda bristerna17. Användningen av sådana tekniker innebär att visuella spårningsmönster är mycket lika, både hos ämnen utan förkunskaper och i ämnen med förkunskaper7.
Sammanfattningsvis är analysen av multimodala flerkanalsdata om SRL som erhållits med hjälp av avancerad inlärningsteknik (eyetracking) nyckeln till att förstå interaktionen mellan kognitiva, metakognitiva och motiverande processer och deras inverkan pålärande 29. Resultaten och studien av skillnader i lärande har konsekvenser för utformningen av läromedel och intelligenta handledningssystem, som båda kommer att möjliggöra personligt lärande som sannolikt kommer att vara mer effektivt och tillfredsställande för studenten30.
I denna forskning ställdes två utredningsfrågor: (1) Kommer det att finnas betydande skillnader i inlärningsresultat och i parametrarna för okulär fixering mellan studenter och experter kontra icke-expertlärare i konsthistoria som skiljer studenter med officiella examina jämfört med studenter med icke-officiella examina (University of Experience – Adult education)? och (2) Kommer kluster av varje deltagare med inlärningsresultat och okulär fixeringsparametrar att sammanfalla med typen av deltagare (studenter med officiella examina, studenter med icke-officiella examina (University of Experience – Adult education) och lärare)?
Forskningsresultaten visade att den genomsnittliga fixeringstiden på relevanta stimuli var längre bland deltagare med tidigare kunskaper. På samma sätt är fokus för uppmärksamhet på denna grupp på de mellersta punkterna av information (proximal och distal)7. Resultaten av denna studie har visat skillnader i hur deltagarna behandlade informationen. Vidare var deras behandling inte alltid kopplad till den inledande gruppningen (University of Experience Students, University Teachers och Grad…
The authors have nothing to disclose.
Arbetet har utvecklats inom projektet “Självreglerat lärande i SmartArt Erasmus+ Vuxenutbildning” 2019-1-ES01-KA204-095615-Coordinator 6, finansierat av Europeiska kommissionen. Videon från uppdragets slutförandefas hade rut Velasco Sáiz förhandsgodkännande. Vi uppskattar lärarnas och elevernas deltagande i uppdragsimplementeringsfasen.
iViewer XTM | iViewer | ||
SMI Experimenter Center 3.0 | SMI | ||
SMI Be Gaze | SMI |