آموزش مصور

اشاره

هرروزه گرافیک‌ها و تجسم‌های داده‌های جدیدی در حال ظهورند و سعی می‌کنند داده‌ها و واقعیت‌هایی را که ما را احاطه کرده‌اند، به تصویر بکشند. ساده‌ترین راه حل معمولاً بهترین است. این عبارت در مورد تصویرهای گرافیکی و داده‌ها صادق است. می‌توان ساعت‌های بی‌پایانی را صرف طراحی متون آموزشی جدیدی کرد که بعداً هیچ‌کس به آن‌ها نگاه نمی‌کند، صرفاً به این دلیل که یا خیلی پیچیده‌اند یا به سؤالاتی که کاربران می‌خواهند دنبال کنند پاسخ نمی‌دهند. این مقاله که به صورت ترجمه و تألیف آماده شده است می‌کوشد ... . با بهره‌گیری از منابع موضوعی، وضعیت مصورسازی را در ارتباط با آموزش تبیین کند.

 

تعریف مصورسازی داده¹

مصور‌سازی داده‌ها عبارت است از مجموعه روش‌هایی برای نمایش داده‌های کمی یا کیفی در انواع قالب‌های گرافیکی مانند نمودار یا نقشه‌، برای تحلیل هرچه بهتر داده‌های خام و شفاف‌سازی موضوع.

در حالت کلی می‌توان گفت، مصورسازی داده‌ها در تحلیل و درک حجم بسیار زیادی از اطلاعات به مخاطبان کمک شایانی می‌کند. وقتی مجموعه داده‌های پیچیده به‌شکلی ساده و مؤثر نمایش داده می‌شوند، استخراج قواعد یا تحلیل آن‌ها آسان می‌‌شود.

 

ویژگی‌های یک مصورساز داده مناسب

1. به بیننده امکان مقایسه و تشخیص اختلافات را بدهد.

2. برای بیننده میزان تمرکز و درک را به حداکثر ممکن برساند و ذهن او را مشغول فناوری رنگ و چارچوب‌های طراحی گزارش تصویری نکند.

3. جمع‌بندی حجم زیادی از اطلاعات را به همراه داشته باشد.

4. هدف‌دار و معقول باشد. شرح، جدول‌بندی و جلوه‌های بصری مناسب داشته باشد.

5. به‌طور کامل با آمار و توصیف شاخص‌های عددی همگام باشد.

6. داده‌ها را در چندسطح (از جزئیات به کلیات) در نمایی کلی و ساختاری مناسب نشان دهد.

7. بیشترین حجم اطلاعات را در کمترین فضا نشان دهد.

8. شـامـل عنـاصـر مـزاحـم در درک اطلاعـات نبـاشـد (Munzner, 2022).

 

کاربرد مصورسازی در آموزش

مصورسازی داده تلاش می‌کند اطلاعات را به ساده‌ترین راه ارائه کند تا معلمان و مدرسه‌ها بتوانند اقداماتی مبتنی بر داده‌ها انجام دهند که در نهایت به نفع یادگیرندگان باشند.برای انجام مصورسازی داده‌ باید به اصول اولیه برگردیم و با چرا شروع کنیم؟ چرا به دنبال تجسم یک مجموعه داده خاص هستید؟ قصد دارید به چه سؤالاتی پاسخ دهید؟ چه کسی، چرا و چه زمانی از این تجسم استفاده خواهد کرد؟ پاسخ به این سؤالات اساسی نقطه شروع خوبی به ما می‌دهد. همچنین، ما را از تجسم چیزی که در وهله اول به تجسم نیازی ندارد بازمی‌دارد و به سمت بهترین راه حل ممکن راهنمایی می‌کند. مدرسه‌ها ذاتاً روزانه مقدار زیادی از داده‌ها را از دانش‌آموزان، والدین، معلمان یا اعضای جامعه جمع‌ می‌کنند. ما باید از این فراوانی اطلاعات استفاده و آن‌ها را به بینش تبدیل کنیم.

قبل از اینکه بتوانیم از داده‌ها استفاده کنیم و آن‌ها را از طـریق تجـزیه‌وتحلیـل داده‌هـا به بینش تبـدیل کنیـم، باید بدانیـم داده چیسـت و چگـونه بایـد آن‌ها را دستـه‌بندی کرد. همچنین، باید نـوع داده‌ای را که با آن سـروکار داریـم بدانیـم تا بتوانیـم روش تصـویرسـازی مناسب را انتخاب کنیم یا از اطلاعات ارائه‌شده درک و استفاده کنیم (Estrin, Handley, & Heidemann, 2021).

ما می‌دانیم، داده‌ها می‌توانند کیفی یا کمی باشند، اما تنها زمانی می‌توانید بهترین راه تصویرسازی را انتخاب کنید که با انواع داده‌ها در مدرسه آشنا باشید. در زمینه مدرسه، داده‌های آموزشی غالباً شامل موارد زیر می‌شوند:

- داده‌های مربوط به ویژگی دانش‌آموز: مانند اطلاعات جمع‌آوری‌شـده از سـوابق ثبت‌نـام، رخ‌نما (پروفایل)‌های دانش‌آموز، یا فهرست حضور و غیاب؛

- داده‌های کیفی ادراکی: مانند آن‌هایی که از نظرسنجی و مصاحبه‌ با دانش‌آموزان، والدین و معلمان به دست می‌آیند؛

- داده‌های پیشرفت دانش‌آموز: انواع داده‌های ارزیابـی از جمـله نمـونه فعـالیت‌های دانش‌آمـوز، آزمـون‌ها، نمره‌ها یا یادداشت‌های مشـاهده‌ای؛

- داده‌های سلامت دانش‌آموزان: مانند آن‌هایی که رشد اجتماعی و عاطفی دانش‌آموزان یا جو مدرسه را نشان می‌دهند (Hildebrand, 2022).

برای اینکه داده‌ها مفید باشند، باید به‌طور سامانمند و برای هدفی مشخص جمع‌آوری شوند. روش صحیح جمع‌آوری داده‌ها می‌تواند به معنای تفاوت و مرز بین بینش‌های مفید و هدردادن زمان باشد. بهترین کار برای جمع‌آوری و استفاده از داده‌های با کیفیت بالا برای تصمیم‌گیری، تمرین آموزشی است. توجه داشته باشید، قبل از اینکه وارد فرایند تصویرسازی داده‌ها شوید، مطمئن شوید داده‌هایی که استفاده می‌کنید دارای این ویژگی‌ها باشند:

- کامل: تمام داده‌های مورد نیاز در دسترس هستند؛

- دقیق: داده‌ها آنچه را قصد اندازه‌گیری آن را دارید، به‌درستی توصیف می‌کنند؛

- مرتبط: داده‌ها با هدفی که برای آن استفاده خواهند شد مرتبط هستند؛

- قابل‌دسترس: دسترسی به داده‌ها آسان است؛

- به‌موقع: داده‌ها پس از جمع‌آوری در یک بازه زمانی معقول برای استفاده موردنظر در دسترس هستند؛

- قابل تفسیر: قابل درک است. برای مجموعه داده‌های بزرگ، اطلاعات اضافی برای رسیدن به بینش مانند نحوه سازمان‌دهی و طبقه‌بندی داده‌ها مورد نیاز است؛

- امن: داده‌ها محافظت می‌شوند و به دسترسی افراد مرتبط محدودند.

هنگامی که تمام الزامات را برآورده کردیم، می‌توانیم مجموعه داده‌های خام، دست و پا گیر و خشک را تجسم و آن‌ها را زنده کنیم، بینش ایجاد کنیم، طرز فکر را تغییر دهیم و تغییراتی مبتنی بر داده ایجاد کنیم که به نفع معلمان و دانش‌آموزان آن‌ها باشد (Estrin, Handley, & Heidemann, 2021).

 

بهترین تمرین‌ها برای اجرای مصورسازی داده‌ها

در حالی که باید تعیین کنید چطور می‌خواهید داده‌ها را تصویرسازی کنید، یکی از اولین کارهایی که باید انجام دهید، درنظرداشتن فعالیت‌های گفته‌شده در این فهرست است:

1. بهترین تصویر را برای داده‌ها و هدفی که دارید انتخاب کنید.

2. مطمئن شوید داده‌های شما به‌راحتی قابل فهم و تماشا هستند.

3. اطلاعات ضروری را برای مخاطبان خود در داخل و اطراف تصویر ارائه دهید.

4. تا جایی که ممکن است تصویرهای خود را ساده و قابل فهم کنید.

5. با تصویرهایتان به مخاطبان خود آموزش دهید.

با درنظرداشتن این موارد، شاید به این فکر افتاده باشید که چطور داده‌های خود را به شیوه مؤثر نمایش دهید؟ زمانی که در مورد تصویرسازی داده‌ها صحبت می‌شود، شما چندین انتخاب پیش روی خود دارید:

- نمودار

- جدول

- گراف

- نقشه‌

- داده‌نگاشت (اینفوگرافیک)

- داشبورد (Munzner, 2022).

 

نتیجه‌گیری

مصورسازی اطلاعات روشی مناسب برای بیان دیداری اطلاعات و مفاهیم است که در ارتباط با فناوری‌های نوین در فعالیت‌های آموزشی می‌توان از آن استفاده کرد. توانایی مصورسازی با بهره‌گیری از انواع داده‌ها و نیز روش‌های متعدد مصورسازی داده، فرایند تدریس درس‌های گوناگون را تسهیل کرده است. انواع داده‌های مصورسازی می‌توانند در تدوین کتاب‌های درسی کاربرد مطلوبی داشته باشند انواع روش‌های سودمند تصویرسازی اطلاعات می‌تواند در نظام آموزشی نقش مؤثری ایفا کند.

 

پی‌نوشت

1. Data Visualization

 
منابع

1. Estrin, D., Handley, m., & Heidemann, J. (2021). Data Visualization in education. IEEE Computer, 33(11), 63-68.

2. Hildebrand, K. (2022). Data Visualization in school. Information visualization, 14(5), 23-20.

3. Munzner, T. (2022). Information Visualization. IEEE Computer Graphics and Applications, 22(1), 21-35.