Summary

Problem-Solving Before Instruction (PS-I): un protocollo per la valutazione e l'intervento in studenti con abilità diverse

Published: September 11, 2021
doi:

Summary

Questo protocollo guida ricercatori ed educatori attraverso l’implementazione dell’approccio Problem-Solving before Instruction (PS-I) in una classe di statistica universitaria. Descrive anche una valutazione sperimentale incorporata di questa implementazione, in cui l’efficacia di PS-I viene misurata in termini di apprendimento e motivazione in studenti con diverse predisposizioni cognitive e affettive.

Abstract

Al giorno d’oggi, come incoraggiare il pensiero riflessivo degli studenti è una delle principali preoccupazioni per gli insegnanti a vari livelli educativi. Molti studenti hanno difficoltà ad affrontare compiti che comportano alti livelli di riflessione, come i corsi STEM (Scienza, Tecnologia, Ingegneria e Matematica). Molti hanno anche ansia e demotivazione profondamente radicate verso tali corsi. Al fine di superare queste sfide cognitive e affettive, i ricercatori hanno suggerito l’uso di approcci “Problem-Solving before Instruction” (PS-I). PS-I consiste nel dare agli studenti l’opportunità di generare soluzioni individuali a problemi che vengono successivamente risolti in classe. Queste soluzioni vengono confrontate con la soluzione canonica nella fase successiva dell’istruzione, insieme alla presentazione del contenuto della lezione. È stato suggerito che con questo approccio gli studenti possono aumentare la loro comprensione concettuale, trasferire il loro apprendimento a diversi compiti e contesti, diventare più consapevoli delle lacune nelle loro conoscenze e generare un costrutto personale di conoscenze precedenti che può aiutare a mantenere la loro motivazione. Nonostante i vantaggi, questo approccio è stato criticato, in quanto gli studenti potrebbero dedicare molto tempo a tentativi ed errori senza scopo durante la fase iniziale della generazione della soluzione o potrebbero persino sentirsi frustrati in questo processo, il che potrebbe essere dannoso per l’apprendimento futuro. Ancora più importante, c’è poca ricerca su come le caratteristiche preesistenti degli studenti possano aiutarli a beneficiare (o meno) di questo approccio. L’obiettivo del presente studio è quello di presentare la progettazione e l’implementazione dell’approccio PS-I applicato all’apprendimento statistico negli studenti universitari, nonché un approccio metodologico utilizzato per valutarne l’efficacia considerando le differenze preesistenti degli studenti.

Introduction

Una delle domande di cui gli insegnanti sono più preoccupati attualmente è come stimolare la riflessione degli studenti. Questa preoccupazione è comune nei corsi di natura matematica, come i corsi STEM (Scienza, Tecnologia, Ingegneria e Matematica), in cui l’astrazione di molti concetti richiede un alto grado di riflessione, eppure molti studenti riferiscono di avvicinarsi a questi corsi puramente attraverso metodi basati sulla memoria1. Inoltre, gli studenti mostrano spesso un apprendimento superficiale dei concetti1,2,3. Le difficoltà che gli studenti incontrano nell’applicare i processi di riflessione e deep learning, tuttavia, non sono solo cognitive. Molti studenti provano ansia e demotivazione di fronte a questi corsi4,5. In effetti, queste difficoltà tendono a persistere durante l’istruzione degli studenti6. È quindi importante esplorare strategie educative che preparino motivazionalmente e cognitivamente gli studenti all’apprendimento profondo, indipendentemente dalle loro diverse predisposizioni.

È particolarmente utile trovare strategie che completino i tipici approcci didattici. Uno dei più tipici è l’istruzione diretta. L’istruzione diretta significa guidare completamente gli studenti dall’introduzione di nuovi concetti con informazioni esplicite su questi concetti, quindi seguirlo con strategie di consolidamento come attività di risoluzione dei problemi, feedback, discussioni o ulteriori spiegazioni7,8. L’istruzione diretta può essere efficace per trasmettere facilmente il contenuto8,9,10. Tuttavia, gli studenti spesso non riflettono su aspetti importanti, come il modo in cui il contenuto si riferisce alle loro conoscenze personali o potenziali procedure che potrebbero funzionare e non11. È quindi importante introdurre strategie complementari per far riflettere gli studenti in modo critico.

Una di queste strategie è l’approccio Problem-Solving before Instruction (PS-I)12, noto anche come approccio Invention11 o Productive Failure approach13. PS-I è diverso dall’istruzione diretta nel senso che gli studenti non vengono introdotti direttamente ai concetti, ma c’è una fase di risoluzione dei problemi prima delle tipiche attività di istruzione diretta in cui gli studenti cercano soluzioni individuali ai problemi prima di ottenere qualsiasi spiegazione sulle procedure per risolverli.

In questo problema iniziale, gli studenti non sono tenuti a scoprire completamente i concetti target13. Gli studenti possono anche sentire sovraccarico cognitivo14,15,16 e anche negativo influenzare17 con l’incertezza e i molti aspetti da considerare. Tuttavia, questa esperienza può essere produttiva a lungo termine perché può facilitare il pensiero critico su caratteristiche importanti. Nello specifico, il problema iniziale può aiutare gli studenti a diventare più consapevoli delle lacune nelle loro conoscenze18,attivare conoscenze precedenti relative al contenuto per coprire13e aumentare la motivazione a causa dell’opportunità di basare il loro apprendimento sulla conoscenza personale7,17,19.

In termini di apprendimento, gli effetti di PS-I sono generalmente visti quando i risultati vengono valutati con indicatori di deep learning20,21. In generale non sono state riscontrate differenze tra gli studenti che hanno appreso attraverso PS-I e quelli che hanno appreso attraverso l’istruzione diretta in termini di conoscenza procedurale20,22, che si riferisce alla capacità di riprodurre le procedure apprese. Tuttavia, gli studenti che passano attraverso PS-I generalmente esibiscono un apprendimento superiore nella conoscenza concettuale7,19,23, che si riferisce alla comprensione del contenuto coperto e trasferiscono7,15,19,24, che si riferisce alla capacità di applicare questa comprensione a nuove situazioni. Ad esempio, un recente studio in una classe sulla variabilità statistica ha dimostrato che gli studenti a cui è stata data l’opportunità di inventare le proprie soluzioni per misurare la variabilità statistica prima di ricevere spiegazioni sui concetti e le procedure generali in questo argomento hanno dimostrato una migliore comprensione alla fine della lezione rispetto a quelli che sono stati in grado di studiare direttamente i concetti e le procedure pertinenti prima di essere coinvolti in qualsiasi attività di risoluzione dei problemi23. Tuttavia, alcuni studi non hanno mostrato differenze nell’apprendimento16,25,26 o motivazione19,26 tra PS-I e alternative di istruzione diretta, o ancora meglio l’apprendimento in alternative di istruzione diretta14,26, ed è importante considerare potenziali fonti di variabilità.

Le caratteristiche di progettazione alla base dell’implementazione di PS-I sono una caratteristica importante20. Una revisione sistematica20 ha rilevato che era più probabile che ci fosse un vantaggio di apprendimento per PS-I rispetto alle alternative di istruzione diretta quando gli interventi PS-I sono stati implementati con almeno una delle due strategie, formulando il problema iniziale con casi contrastanti o costruendo l’istruzione successiva con un feedback dettagliato sulle soluzioni degli studenti. I casi contrastanti consistono in esempi semplificati che differiscono in alcune caratteristiche importanti11 (vedere la Figura 1 per un esempio) e possono aiutare gli studenti a identificare le caratteristiche rilevanti e valutare le proprie soluzioni durante il problema iniziale11,20. La seconda strategia, che fornisce spiegazioni che si basano sulle soluzioni degli studenti13, consiste nello spiegare il concetto canonico dando un feedback sulle affordance e sui limiti delle soluzioni generate dagli studenti, che possono anche aiutare gli studenti a concentrarsi sulle caratteristiche rilevanti e valutare le lacune nelle proprie conoscenze20, ma dopo che la fase iniziale di risoluzione dei problemi è stata completata (vedere la Figura 3 per un esempio di impalcatura dalle soluzioni tipiche degli studenti).

Dato il supporto in letteratura per queste due strategie, contrastando i casi e costruendo istruzioni sulle soluzioni degli studenti, è importante considerarle quando si promuove l’inclusione di PS-I nella pratica educativa reale. Questo è il primo obiettivo del nostro protocollo. Il protocollo fornisce materiali per un intervento PS-I che incorporano questi due principi. È un protocollo che, sebbene adattabile, viene contestualizzato per una lezione sulla variabilità statistica, una lezione molto comune per gli studenti universitari e delle scuole superiori, che sono generalmente le popolazioni target nella letteratura su PS-I29. La fase iniziale di risoluzione dei problemi consiste nell’inventare misure di variabilità per le distribuzioni del reddito nei paesi, che è un argomento controverso30 che può essere familiare agli studenti in molte aree di apprendimento. Quindi vengono forniti materiali per gli studenti per studiare soluzioni a questo problema in un esempio funzionante e per una lezione che incorpora la discussione di soluzioni comuni prodotte dagli studenti insieme a problemi di pratica incorporati.

Il secondo obiettivo del nostro protocollo è quello di rendere la valutazione sperimentale di PS-I accessibile a educatori e ricercatori, che può facilitare l’indagine di PS-I da una maggiore varietà di prospettive mantenendo alcune condizioni costanti in tutta la letteratura. Eppure le condizioni di questa valutazione sperimentale sono flessibili alle modifiche. La valutazione sperimentale descritta nel protocollo può essere applicata nelle lezioni ordinarie, poiché agli studenti di una singola classe possono essere assegnati contemporaneamente i materiali per la condizione PS-I o i materiali per una condizione di istruzione diretta (Figura 4). Questa condizione di istruzione diretta è anche adattabile alle esigenze di ricerca e istruzione, ma come originariamente descritto nel protocollo gli studenti iniziano ottenendo le spiegazioni iniziali sul concetto target con l’esempio lavorato, e quindi consolidano questa conoscenza con un problema di pratica (presentato solo in questa condizione per compensare il tempo che gli studenti PS-I trascorrono sul problema iniziale) e con la lezione23. I potenziali adattamenti includono l’inizio della lezione e quindi l’avere studenti per svolgere l’attività di risoluzione dei problemi, che è una condizione di controllo tipica per il confronto PS-I che ha spesso portato a un migliore apprendimento per la condizione PS-I7,13,19,26. In alternativa, la condizione di controllo può essere ridotta all’esplorazione di un esempio lavorato seguito dalla fase di lezione, che, sebbene sia una versione più semplificata degli approcci di istruzione diretta rispetto a quanto originariamente proposto, è più comune in letteratura e ha portato a risultati vari, con alcuni studi che indicano un migliore apprendimento in PS-I15,24e altri che indicano un migliore apprendimento da questo tipo di condizione di istruzione diretta14,26.

Infine, un terzo obiettivo del protocollo è quello di fornire risorse per valutare come gli studenti con diverse predisposizioni e abilità cognitive possono beneficiare di PS-I15. La valutazione di queste predisposizioni è particolarmente importante se consideriamo le predisposizioni negative che alcuni studenti hanno spesso con i corsi STEM e il fatto che PS-I può ancora produrre reazioni negative in alcuni casi14. C’è, tuttavia, poca ricerca su questo.

Da un lato, poiché PS-I facilita l’associazione dell’apprendimento con idee individuali, piuttosto che solo conoscenze formali, PS-I può essere ipotizzato come in grado di aiutare a motivare gli studenti di bassi livelli accademici, coloro che hanno bassi sentimenti di competenza o bassa motivazione sull’argomento13,27. Uno studio ha dimostrato che gli studenti con un basso orientamento alla padronanza, cioè meno obiettivi relativi all’apprendimento personale, hanno beneficiato maggiormente di PS-I rispetto a quelli con una maggiore motivazione ad imparare27. D’altra parte, gli studenti con altri profili potrebbero incontrare difficoltà quando coinvolti in PS-I. Più specificamente, la metacognizione svolge un ruolo importante in PS-I31e gli studenti con basse capacità di metacognizione potrebbero non beneficiare di PS-I a causa di difficoltà nell’essere consapevoli delle loro lacune di conoscenza o discernere contenuti rilevanti15. Inoltre, poiché la fase iniziale di PS-I si basa sulla produzione di soluzioni individuali, gli studenti con basse abilità divergenti, difficoltà a generare una varietà di risposte in una determinata situazione, potrebbero beneficiare meno di PS-I rispetto ad altri studenti. Il protocollo presenta strumenti affidabili per valutare queste predisposizioni (Tabella 1) anche se altri possono essere considerati.

In sintesi, questo protocollo mira a rendere accessibile a educatori e ricercatori l’implementazione di un intervento PS-I che segua i principi accettati nella letteratura PS-I. Inoltre, i protocolli forniscono una valutazione sperimentale di questo intervento e facilitano la valutazione delle predisposizioni cognitive e motivazionali degli studenti. Si tratta di un protocollo che non richiede l’accesso a nuove tecnologie o risorse specifiche, e che può essere modificato in base alle esigenze di ricerca e di istruzione.

Protocol

Questo protocollo segue la Dichiarazione di Helsinki dei principi etici per la ricerca con gli esseri umani, ma applica questi principi alle ulteriori difficoltà di integrare la ricerca all’interno di contesti di vita reale nell’istruzione32. In particolare, né l’assegnazione delle condizioni di apprendimento né la decisione di partecipare possono avere conseguenze sulle opportunità di apprendimento degli studenti. Inoltre, la riservatezza e l’anonimato degli studenti viene mantenuta anche qua…

Representative Results

Questo protocollo è stato implementato in modo soddisfacente in uno studio precedente23, ad eccezione delle misure delle predisposizioni degli studenti in termini di senso di competenza, obiettivi di approccio alla padronanza, metacognizione e pensiero divergente. Per affrontare queste predisposizioni, questo protocollo include misure che sono state precedentemente convalidate e che hanno mostrato alti livelli di affidabilità (Tabella 1). <p class…

Discussion

Lo scopo di questo protocollo è quello di guidare ricercatori ed educatori nell’implementazione e nella valutazione dell’approccio PS-I in contesti di classe reali. Secondo alcune esperienze precedenti, PS-I può aiutare a promuovere il deep learning e la motivazione negli studenti19,21,24,ma c’è bisogno di ulteriori ricerche sulla sua efficacia negli studenti con diverse abilità e predisposizioni motivazionali<sup class="xre…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Questo lavoro è stato sostenuto da un progetto del Principato delle Asturie (FC-GRUPIN-IDI/2018/000199) e da una sovvenzione predistoria del Ministero dell’Istruzione, della Cultura e dello Sport della Spagna (FPU16/05802). Vorremmo ringraziare Stephanie Jun per il suo aiuto nella modifica dell’inglese nei materiali di apprendimento.

Materials

SPSS Program International Business Machines Corporation (IBM) Other programs for general data analysis might be used instead
PROCESS program Andrew F. Hayes (Ohio State University) Freely accesible at: http://www.processmacro.org. Other programs for mediation, moderation, or conditional process analyses might be used instead
Cognitive Competence Scale in the Survey of Attitudes towards Statistics (SATS-28) Candace Schau (Arizona State University) In case it is used, request should be requested from the author, who whold the copyright
Mastery Approach Scale in the Achievement Goal Questionnaire-Revised Andrew J. Elliot (University of Rochester) In case it is used, request should be requested from the author
Regulation of Cognition Scale of the Metacognitive Awareness Inventory Gregory Schraw (University of Nevada Las Vegas) In case it is used, request should be requested from the creator

References

  1. Silver, E. A., Kenney, P. A. Results from the seventh mathematics assessment of the National Assessment of Educational Progress. Council of Teachers of Mathematics. , (2000).
  2. OECD. Results (Volume I): Excellence and Equity in Education. PISA, OECD. , (2016).
  3. Mallart Solaz, A. . La resolución de problemas en la prueba de Matemáticas de acceso a la universidad: procesos y errores. , (2014).
  4. García, T., Rodríguez, C., Betts, L., Areces, D., González-Castro, P. How affective-motivational variables and approaches to learning predict mathematics achievement in upper elementary levels. Learning and Individual Differences. 49, 25-31 (2016).
  5. Lai, Y., Zhu, X., Chen, Y., Li, Y. Effects of mathematics anxiety and mathematical metacognition on word problem solving in children with and without mathematical learning difficulties. PloS one. 10 (6), 0130570 (2015).
  6. Ma, X., Xu, J. The causal ordering of mathematics anxiety and mathematics achievement: a longitudinal panel analysis. Journal of Adolescence. 27 (2), 165-179 (2004).
  7. Kapur, M. Productive Failure in Learning Math. Cognitive science. 38 (5), 1008-1022 (2014).
  8. Kirschner, P. A., Sweller, J., Clark, R. E. Why Minimal Guidance During Instruction Does Not Work: An Analysis of the Failure of Constructivist, Discovery, Problem-Based, Experiential, and Inquiry-Based Teaching. Educational Psychologist. 41 (2), 75-86 (2006).
  9. Stockard, J., Wood, T. W., Coughlin, C., Khoury, C. R. The Effectiveness of Direct Instruction Curricula: A Meta-Analysis of a Half Century of Research. Review of educational research. 88 (4), 479-507 (2018).
  10. Clark, R., Kirschner, P. A., Sweller, J. Putting students on the path to learning: The case for fully guided instruction. American Educator. , (2012).
  11. Schwartz, D. L., Martin, T. Inventing to prepare for future learning: The hidden efficiency of encouraging original student production in statistics instruction. Cognition and instruction. 22 (2), 129-184 (2004).
  12. Loibl, K., Rummel, N. The impact of guidance during problem-solving prior to instruction on students’ inventions and learning outcomes. Instructional Science. 42 (3), 305-326 (2014).
  13. Kapur, M., Bielaczyc, K. Designing for Productive Failure. Journal of the Learning Sciences. 21 (1), 45-83 (2012).
  14. Glogger-Frey, I., Fleischer, C., Grueny, L., Kappich, J., Renkl, A. Inventing a solution and studying a worked solution prepare differently for learning from direct instruction. Learning and Instruction. 39, 72-87 (2015).
  15. Glogger-Frey, I., Gaus, K., Renkl, A. Learning from direct instruction: Best prepared by several self-regulated or guided invention activities. Learning and Instruction. 51, 26-35 (2017).
  16. Likourezos, V., Kalyuga, S. Instruction-first and problem-solving-first approaches: alternative pathways to learning complex tasks. Instructional Science. 45 (2), 195-219 (2017).
  17. Lamnina, M., Chase, C. C. Developing a thirst for knowledge: How uncertainty in the classroom influences curiosity, affect, learning, and transfer. Contemporary educational psychology. 59, 101785 (2019).
  18. Loibl, K., Rummel, N. Knowing what you don’t know makes failure productive. Learning and Instruction. 34, 74-85 (2014).
  19. Weaver, J. P., Chastain, R. J., DeCaro, D. A., DeCaro, M. S. Reverse the routine: Problem solving before instruction improves conceptual knowledge in undergraduate physics. Contemporary educational psychology. 52, 36-47 (2018).
  20. Loibl, K., Roll, I., Rummel, N. Towards a Theory of When and How Problem Solving Followed by Instruction Supports Learning. Educational psychology review. 29 (4), 693-715 (2017).
  21. Darabi, A., Arrington, T. L., Sayilir, E. Learning from failure: a meta-analysis of the empirical studies. Etr&D-Educational Technology Research and Development. 66 (5), 1101-1118 (2018).
  22. Chen, O. H., Kalyuga, S. Exploring factors influencing the effectiveness of explicit instruction first and problem-solving first approaches. European Journal of Psychology of Education. , (2019).
  23. González-Cabañes, E., García, T., Rodríguez, C., Cuesta, M., Núñez, J. C. Learning and Emotional Outcomes after the Application of Invention Activities in a Sample of University Students. Sustainability. 12 (18), 7306 (2020).
  24. Schwartz, D. L., Chase, C. C., Oppezzo, M. A., Chin, D. B. Practicing Versus Inventing With Contrasting Cases: The Effects of Telling First on Learning and Transfer. Journal of educational psychology. 103 (4), 759-775 (2011).
  25. Chase, C. C., Klahr, D. Invention Versus Direct Instruction: For Some Content, It’s a Tie. Journal of Science Education and Technology. 26 (6), 582-596 (2017).
  26. Newman, P. M., DeCaro, M. S. Learning by exploring: How much guidance is optimal. Learning and Instruction. 62, 49-63 (2019).
  27. Belenky, D. M., Nokes-Malach, T. J. Motivation and Transfer: The Role of Mastery-Approach Goals in Preparation for Future Learning. Journal of the Learning Sciences. 21 (3), 399-432 (2012).
  28. Bergold, S., Steinmayr, R. The relation over time between achievement motivation and intelligence in young elementary school children: A latent cross-lagged analysis. Contemporary educational psychology. 46, 228-240 (2016).
  29. Mazziotti, C., Rummel, N., Deiglmayr, A., Loibl, K. Probing boundary conditions of Productive Failure and analyzing the role of young students’ collaboration. NPJ science of learning. 4, 2 (2019).
  30. Stiglitz, J. E. Las limitaciones del PIB. Investigacion y ciencia. (529), 26-33 (2020).
  31. Holmes, N. G., Day, J., Park, A. H., Bonn, D., Roll, I. Making the failure more productive: scaffolding the invention process to improve inquiry behaviors and outcomes in invention activities. Instructional Science. 42 (4), 523-538 (2014).
  32. Herreras, E. B. La docencia a través de la investigación-acción. Revista Iberoamericana de Educación. 35 (1), 1-9 (2004).
  33. Schau, C., Stevens, J., Dauphinee, T. L., Delvecchio, A. The development and validation of the survey of attitudes toward statistics. Educational and Psychological Measurement. 55 (5), 868-875 (1995).
  34. Elliot, A. J., Murayama, K. On the measurement of achievement goals: Critique, illustration, and application. Journal of educational psychology. 100 (3), 613-628 (2008).
  35. Schraw, G., Dennison, R. S. Assessing metacogntive awareness. Contemporary educational psychology. 19 (4), 460-475 (1994).
  36. Guilford, J. P. . The nature of human intelligence. , (1967).
  37. Zmigrod, L., Rentfrow, P. J., Zmigrod, S., Robbins, T. W. Cognitive flexibility and religious disbelief. Psychological Research-Psychologische Forschung. 83 (8), 1749-1759 (2019).
  38. Wilson, S. Divergent thinking in the grasslands: thinking about object function in the context of a grassland survival scenario elicits more alternate uses than control scenarios. Journal of Cognitive Psychology. 28 (5), 618-630 (2016).
  39. Autin, F., Croizet, J. -. C. Improving working memory efficiency by reframing metacognitive interpretation of task difficulty. Journal of experimental psychology: General. 141 (4), 610 (2012).
  40. Pekrun, R., Vogl, E., Muis, K. R., Sinatra, G. M. Measuring emotions during epistemic activities: the Epistemically-Related Emotion Scales. Cognition and Emotion. 31 (6), 1268-1276 (2017).
  41. Pallant, J. Statistical techniques to compare groups. SPSS survival manual. , 211 (2013).
  42. Pallant, J. Statistical techniques to explore relationships among variables. SPSS survival manual. , 125-149 (2013).
  43. Hayes, A. F. . Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. , (2017).
  44. Kapur, M. Productive failure in learning the concept of variance. Instructional Science. 40 (4), 651-672 (2012).
  45. Nolan, M. M., Beran, T., Hecker, K. G. Surveys Assessing Students’ Attitudes Toward Statistics: A Systematic Review of Validity and Reliability. Statistics Education Research Journal. 11 (2), (2012).
  46. Schraw, G., Dennison, R. S. Assessing metacognitive awareness. Contemporary educational psychology. 19 (4), 460-475 (1994).
  47. Dumas, D., Dunbar, K. N. Understanding Fluency and Originality: A latent variable perspective. Thinking Skills and Creativity. 14, 56-67 (2014).
  48. Roberts, R., et al. An fMRI investigation of the relationship between future imagination and cognitive flexibility. Neuropsychologia. 95, 156-172 (2017).
  49. Chamorro-Premuzic, T. Creativity versus conscientiousness: Which is a better predictor of student performance. Applied Cognitive Psychology: The Official Journal of the Society for Applied Research in Memory and Cognition. 20 (4), 521-531 (2006).
  50. Kapur, M. Examining productive failure, productive success, unproductive failure, and unproductive success in learning. Educational Psychologist. 51 (2), 289-299 (2016).

Play Video

Cite This Article
González-Cabañes, E., García, T., Núñez, J. C., Rodríguez, C. Problem-Solving Before Instruction (PS-I): A Protocol for Assessment and Intervention in Students with Different Abilities. J. Vis. Exp. (175), e62138, doi:10.3791/62138 (2021).

View Video