واکاوی یادگیری

اشاره

در عصر حاضر، به دلیل ظهور و گسترش فناوری‌های نوین، شکل آموزش نیز دچار تغییر و تحول شده است. نمونه بارز آن را می‌توان در مفهوم یادگیری ارتقایافته با فناوری مشاهده کرد. فناوری‌ها در کلاس‌های درس حضور پیدا کرده‌اند و معلم و دانش‌آموزان را در فرایند یاددهی ـ یادگیری همراهی و پشتیبانی می‌کنند. یکی از حیطه‌های جدیدی که به یمن گسترش فناوری‌های دیجیتال، به‌ویژه در زمینه داده‌کاوی در حوزه آموزش، ظهور پیدا کرده است، واکاوی یادگیری است. محقق در این مطالعه مروری، کاربردهای واکاوی یادگیری در تسهیل تدریس و یادگیری را به‌طور مختصر معرفی و بیان کرده است.

واکاوی چیست؟

زیمنس و لانگ (2011) معتقدند، مهم‌ترین عاملی که آینده آموزش را شکل خواهد داد، چیزی است که ما آن را نه می‌توانیم ببینیم و نه می‌توانیم لمسش کنیم و آن، کلان‌داده² و واکاوی³ است. کلان‌داده و واکاوی از رویکرد داده‌محور⁴ نشئت می‌گیرند (داتا، 2015). اما کلان‌داده و واکاوی به چه چیزی گفته می‌شود؟ کلان‌داده، داده‌هایی هستند که تحلیل آن ورای توانایی یک تحلیل‌گر انسانی است. از طریق ماشین تحلیل می‌شود و حجم، سرعت و تنوع این داده‌ها بسیار زیاد است. کلان داده‌ها همه‌جا هستند. برای مثال، در بخش سلامت از کلان‌داده برای پیش‌بینی اپیدمی‌ها، درمان بیماری، بهبود کیفیت زندگی و جلوگیری از مرگ‌های قابل پیشگیری استفاده می‌کنند. اما کلان‌داده‌ها چه کمکی در آموزش می‌کنند؟ داده‌ها به‌منزله کلیدی برای مؤسسات آموزشی هستند که به ایجاد برونداد و نتایج بهتر برای دانش‌آموزان از طریق حمایت از معلمان و استادان برای دانستن «چرایی» کمک می‌کنند. برای مثال، داده‌های آموزشی به ما کمک می‌کنند به سؤالاتی از این قبیل پاسخ دهیم: چرا این مفهوم را کامل نفهمیده است؟ چرا در این درس یا دوره تحصیلی شکست‌خورده است؟ چرا ترک تحصیل‌کرده است؟ (ردمارتینز، ماتیوز، 2015) اما واکاوی چیست؟ واکاوی به معنای کشف، تفسیر و ارتباط الگوهای معنی‌دار در داده‌ها تعریف شده است. می‌توان گفت، واکاوی در واقع فرایند کشف و تفسیر داده‌ها برای رسیدن به بینش‌های قابل اقدام است. زمانی که از واکاوی در یادگیری صحبت می‌کنیم، در واقع استفاده از واکاوی با این قابلیت‌ها مطرح است. از سال 2008 به بعد مفهوم واکاوی در تعلیم‌وتربیت به‌طور جدی مطرح شد که بر فهم و بهینه‌سازی یادگیری متمرکز بود. از سال 2010 به بعد مفهوم واکاوی یادگیری از حیطه واکاوی جدا شد و به‌عنوان یک حیطه مستقل ظهور پیدا کرد (فرگوسن، 2012).

واکاوی یادگیری

داده‌های زیادی راجع به یادگیرنده در محیط آموزشی وجود دارند: داده‌هایی که در شبکه‌های اجتماعی یادگیرنده، در سیستم‌های مدیریت یادگیری و در سیستم مدیریت اطلاعات ذخیره شده‌اند، داده‌های مربوط به فعالیت‌های یادگیری یادگیرندگان در محیط آنلاین، تعاملاتی که یادگیرندگان با معلم، محتوا یا دیگر یادگیرندگان دارند (زونگ، 2015). واکاوی یادگیری این داده‌ها را تحلیل می‌کند و نتایج را به‌صورت دیداری به ذی‌نفعان (مدیر مدرسه، معلم، والدین و یادگیرنده) گزارش می‌دهد. با تحلیل این نتایج می‌توانیم به پیش‌بینی‌هایی درباره شرایط یادگیری دست بزنیم و به بهبود یادگیری و ارتقای تدریس کمک کنیم (الیاس، 2011). واکاوی یادگیری از رشته‌هایی همچون یادگیری ماشین، هوش مصنوعی، آمار و رایانه برای رسیدن به اهداف خود وام گرفته است (زیمنس، 2013) و هدفش استفاده از داده‌های آموزشی برای بهبود یادگیری، تدریس و محیط یادگیری است (کلاو،2013).

رایج‌ترین تعریفی که از واکاوی یادگیری وجود دارد، عبارت است از: «اندازه‌گیری، جمع‌آوری، تحلیل و گزارش داده‌ها درباره یادگیرندگان و محیطشان، با هدف فهم و بهینه‌سازی یادگیری و محیطی که یادگیری در آن رخ می‌دهد» (زیمنس و لانگ، 2011). بنابراین، واکاوی یادگیری یک رویکرد داده‌محور و مبتنی بر آموزش داده‌محور است و هدف اصلی آن ارتقا و بهینه‌سازی یادگیری و محیط آن است. واکاوی یادگیری از مدل تداوم دانش بیکر (2007) استفاده می‌کند. یعنی داده‌ها را به اطلاعات، اطلاعات را به دانش و دانش را به خِرَد تبدیل می‌کند تا ذی‌نفعان از آن برای بهبود یادگیری و عملکرد بهره ببرند. روستیسی (2017) از پنج‌ گام برای واکاوی یادگیری نام می‌برد که عبارت‌اند از: 1. برنامه‌ریزی و جمع‌آوری داده؛ 2. بازنگری و تمییز داده‌ها؛ 3. عملیاتی کردن؛ 4. کشف و تحلیل؛ 5. ساخت و پالایش.

کاربردها و مزایای واکاوی یادگیری

واکاوی یادگیری فناوری نوظهوری است که در حال تبدیل‌شدن به پدیده‌ای با کاربرد وسیع در بخش‌های گوناگون آموزش، از سطح پیش‌دبستانی گرفته تا سطح تحصیلات تکمیلی است (ادجو و کانلی، 2017). زیمنس (2012) معتقد است، واکاوی یادگیری ظرفیت اثرگذاری بر مدل‌های آموزشی و الگوهای طراحی آموزشی موجود را دارد و بینش‌های جدیدی را درباره آنچه در تدریس و یادگیری به‌کار می‌روند، فراهم می‌کند. اهمیت و مزایای واکاوی یادگیری در همه انواع آموزش، از تدریس سنتی چهره به چهره گرفته تا آموزش تلفیقی و یادگیری الکترونیکی، مورد تأیید و تأکید قرار گرفته است (پیشین). به زعم زیمنس (2013)، یکی از دلایل علاقه به واکاوی یادگیری این است که به ما کمک می‌کند فهم بهتر و عمیق‌تری از تدریس، یادگیری، محتوای هوشمند، شخصی‌سازی یادگیری و یادگیری سازگارانه داشته باشیم. مزیت‌ها و قابلیت‌های واکاوی یادگیری شرایطی را فراهم می‌کند که از فعالیت نظری پیش‌بینی موفقیت یادگیرندگان و نظارت بر پروفایل آنان، به‌سوی فهم شرایط درونی چگونگی تعامل آن‌ها با محتوای درسی و چگونگی انتخاب و شخصی‌سازی حرکت کنیم و در موفقیت کلی مشارکت داشته باشیم (اسوارت، 2017). زیمنس و لانگ (2011) در مورد مزیت‌ها و کاربردهای واکاوی یادگیری در آموزش و بنی‌هاشم و همکاران (2018: 6)، در پژوهش خود به تقسیم‌بندی آن‌ها براساس ذی‌نفعان پرداخته‌اند که نتایج آن در جدول 1 قابل مشاهده است.

نمونه کاربرد واکاوی یادگیری

یکی از نمونه‌ابزارهای واکاوی یادگیری Course Signal است که دانشگاه پوردو⁵ آن را تولید کرده است (آرنولد و پیستیلی، 2012). این ابزار واکاوی یادگیری با تحلیلی که از داده‌ها‌ی دانش‌آموزان در محیط آنلاین انجام می‌دهد، به معلم این بینش را می‌دهد که کدام دانش‌آموز در معرض ترک تحصیل، کدام دانش‌آموز در وضعیت متوسط و کدام دانش‌آموز در وضعیت خوب قرار دارد.

شکل 1. نمونه‌ای از نتایج ابزار واکاوی یادگیری Course Signal (آرنولد و پیستیلی، 2012)

در شکل 1، رنگ قرمز به این معنی است که دانش‌آموز در این درس وضعیت قابل قبولی ندارد و امکان ترک تحصیل وجود دارد. رنگ زرد به معنای وضعیت متوسط دانش‌آموز و رنگ سبز به معنای وضعیت خوب دانش‌آموز است. مزیت واکاوی یادگیری تنها به شناسایی دانش‌آموز در خطر ترک تحصیل محدود نیست. از دیگر مزیت‌های آن می‌توان به پیش‌بینی آموزشی، مداخله آموزشی به موقع، بهبود عملکرد، گزارش عملکرد، ایجاد بینش از فرایند تدریس و یادگیری برای معلمان و یادگیرندگان، شناسایی تمایلات و گرایش‌های دانش‌آموزان، فراهم کردن محیط یادگیری شخصی ارتقایافته، شناسایی دانش‌آموزان ضعیف و قوی، ارائه توصیه و پیشنهاد به معلم، کمک به بهبود سیاست تصمیم‌گیری مدیران مدرسه، شناسایی مشکلات آموزشی بالقوه، ایجاد بازخورد زیستی به موقع، سنجش مبتنی بر فرایند و نظارت بر فعالیت‌های یادگیرندگان اشاره کرد.

نتیجه‌گیری

واکاوی یادگیری حیطه‌ای جدید و آینده‌دار در آموزش است و چه بخواهیم چه نخواهیم، این حیطه در معادلات آموزشی آینده نقش پررنگ‌تری خواهد داشت. توجه روزافزون به اهمیت داده در رشته‌های گوناگون مثل هوش تجاری و مدیریت و همچنین آموزش با رشد روزافزون فناوری‌های نوین، باعث شده است شاید بتوان در آموزش از رویکرد و پارادایم جدیدی صحبت کرد و آن هم رویکرد داده‌محور به آموزش است. توضیحاتی که در این مقاله ارائه‌شده است، می‌تواند به آشنایی محققان، ذی‌نفعان و ذی‌رابطان آموزش با واکاوی یادگیری و مزیت‌ها و کاربردهای آن در آموزش کمک کند.

پی‌نوشت‌ها

1. Learning Analytics

2. Big data

3. Analytics

4. Data-driven approach

5. Purdue University

منابع

1. Adejo, O., & Connolly, T. (2017). Learning Analytics in a Shared-Network Educational Environment: Ethical Issues and Countermeasures. International Journal of Advanced Computer Science and Applications, 8(4), 22-29.

2. Arnold, K. E., & Pistilli, M. D. (2012, April). Course signals at Purdue: Using learning analytics to increase student success. In Proceedings of the 2nd international conference on learning analytics and knowledge (pp. 267-270). ACM.

3. Baker, B. M. (2007). A conceptual framework for making knowledge actionable through capital formation. (Doctoral dissertation, University of Maryland University College).

4. Banihashem S. K., Aliabadi K, Pourroostaei Ardakani S, Delaver A, & Nili Ahmadabadi M. R. (2018). Learning analytics: A critical literature review. Interdisciplinary Journal of Virtual Learning in Medical Sciences (ijvlms), 9(2).

5. Chatti, M. A., Lukarov, V., Thüs, H., Muslim, A., Yousef, A. M. F., Wahid, U., ... & Schroeder, U. (2014). Learning analytics: Challenges and future research directions. E-learning Educational (Eleed) Journal, 10, 1-16.

6. Chen, M., Mao, S., & Liu, Y. (2014). Big data: A survey. Mobile Networks and Applications, 19(2), 171-209.

7. Clow, D. (2013). An overview of learning analytics. Teaching in Higher Education, 18(6), 683-695.

8. Cooper, A. (2012). What is analytics? Definition and essential characteristics. CETIS Analytics Series, 1(5), 1-10.

9. Data, M. C. (2015). Data-Driven Approach. Research Review, 46(1), 5.

10. Elias, T. (2011). Learning Analytics: Definitions, Processes and Potential. Retrieved June 10, 2017, from http://learninganalytics.net/LearningAnalyticsDefinitionsProcessesPotential.pdf

11. Ferguson, R. (2012). Learning analytics: drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5-6), 304-317.

12. https://www.watershedlrs.com/blog/5-steps-learning-analytics

13. MacNeill, S., Campbell, L. M., & Hawksey, M. (2014). Analytics for education. Reusing Open Resources: Learning in Open Networks for Work, Life and Education, 154.

14. Nunn, S., Avella, J. T., Kanai, T., & Kebritchi, M. (2016). Learning analytics methods, benefits, and challenges in higher education: A systematic literature review. Online Learning, 20(2).

15. Pappas, C. (2014). Five reasons why learning analytics are important for eLearning. Retrieved June 20, 2017, from https://elearningindustry.com/5-reasons-why-learning-analytics-are-important-for-elearning