چگونه در مورد میزان یادگیری دانش آموزان اطلاعات کسب کنیم

بررسی رفتارهای دانش آموزان
 

نویسنده: یوین یو
مترجم: حبیب الله علیخانی

چگونه در مورد میزان یادگیری دانش آموزان اطلاعات کسب کنیم

روزماری روس (Rosemary Russ)، یک محقق آموزش فیزیک از دانشگاه ویسکونسین- مادیسون می گوید: "ما این همه آزمون های استاندارد داریم که بواسطه ی آنها می توانیم یادگیری را تا حدی اندازه گیری کنیم. اما ما همچنین نیازمند بررسی رفتارهای دانش آموزان، روش های آموزش و سایر اقدامات مربوط به یادگیری هستیم".
یک روش برای انجام این کار، بررسی رفتارهای همسالان موجود در یک کلاس می باشد. برای مثال، آیا دانش آموزان در طی یک ارائه ی پاورپوینت، به خواب فرو می روند و یا نکته برداری کرده و سوال می پرسند؟

برای نیل به این هدف، محققین دانشگاه کالیفرنیا، دانشگاه سیاتل پاسیفیک و دانشگاه هاروارد در کمبریج، در حال بررسی روش های جدید برای مشاهده و آنالیز رفتار و برهمکنش دانش آموزان می باشند. با توجه به مقاله ای که آنها در مجله ی تحقیقات آموزش فیزیک (Physical Review Physics Education Research) به چاپ رسانده اند، این فهمیده شده است که تجزیه و تحلیل های معناداری را تنها با استفاده از داده های یک دیدیو می توان انجام داد بدون آنکه حتی صدای کلاس درس نیز موجود باشد. این مسئله موجب می شود تا به میزان قابل توجهی هزینه های تحقیقاتی در این زمینه کاهش یابد.

نگاه کنید، گوش نکنید

لورا توکر (Laura Tucker)، محقق آموزش علوم از یوسی اروین ( UC Irvine) که بر روی این پروژه کار می کند، می گوید: "در حال حاضر، وقتی این آنالیزها انجام می شود، عموماً هم صدا و هم تصویر گردآوری می شود".
برای بدست آوردن یک فایل صوتی با کیفیت از یک کلاس درس، محققین اغلب مجبورند تا از چند میکروفن در بخش های مختلف، استفاده کنند. این مسئله موجب بروز مشکلاتی در کلاس های بزرگتر می شود. در این کلاس ها، صدای دانش آموزان با هم مخلوط می شود و افراد قابل تشخیص نیستند.
با استفاده از برخی از الگوریتم های برچسب زنی که در برخی از شبکه های اجتماعی مورد استفاده قرار گرفته اند، می توان الگوهای تشخیصی خوبی را با استفاده از نرم افزارهای خاص ایجاد کرد. این تکنولوژی امروزه در تجزیه و تحلیل های ویدئویی مورد استفاده قرار می گیرد. برخی از آنها در ماشین های خود کنترل شوند نیز استفاده شده اند.
توکر می گوید: "از لحاظ منطقی، داده های صدا به سختی جمع آوری و تجزیه و تحلیل می شوند. همچنین تطابق  این داده ها با دانش آموزان در مواردی که تعداد دانش آموزان زیاد است، یک مشکل قابل توجه می باشد. در واقع استفاده یک دوربین در کلاس (بدون ضبط صدا)، بسیار ساده تر است".
بیشتر گوشی های تلفن همراه دارای دو دوربین است که در واقع دوربین با کیفیت پایین تر نمودی از دوربینی ارزان تر برای جمع آوری و ذخیره سازی داده ها می باشد.
برای آزمایش و بررسی همکلاسان در یک کلاس درس و بواسطه ی تصادیر ویدئویی (بدون صوت)، محققین یک گروه از داوطلبین را در سر کلاس جمع آوری کردند و بدین وسیله بررسی های خود را بر روی آنها انجام دادند. این بررسی بوسیله ی دو محقق به نام های دیوید هامر و راشل اسچر انجام شد.

با نگاه بر روی نمونه های ویدئو که از داخل یک کلاس دانشگاه انجام شده بود، داوطلب ها از لحاظ چندین نوع فعالیت، مورد بررسی و شناسایی قرار گرفتند. این موارد عبارتند از: میزان توجه دانش آموزان به آزمون ها، گوش کردن به یک ارائه، بحث کردن و یا بیان کلمات غیر مرتبط. آنها این عکس العمل ها را از طریق بررسی چهره ی دانش آموزان، زبان بدن، حرکت دستان و یا سایر نشانه های رفتاری، تشخیص دادند. این کار از طریق پروتکل هایی انجام شد که بوسیله ی سیستم طبقه بندی، بدست آمده بود.
در نهایت، محققین متوجه شدند که می توان موارد مورد نظر خودشان را از طریق تصویر بفهمند و نیازی به ضبط صوت، نیست.
 

بیشتر بخوانید: اختلال در یادگیری دانش آموزان

مرحله ی بعدی- کار با کامپیوتر

سرانجام، محققین علاقه مند هستند تا این فرایند را با استفاده از کامپیوترها و به صورت اتوماتیک انجام دهند به نحوی که داده های بیشتری بتواند مورد پردازش قرار گیرد. ارتباط های غیرکلامی، زبان بدن و ... در واقع اجزای طبیعی برهمکنش های انسانی هستند. اما قبل از آنکه کامپیوترها بتوانند این موارد را تشخیص دهند، محققین نیاز دارند تا نشانه های بصری از این موارد را برای کامپیوترها تعریف کنند.
توکر می گوید: "انسان ها به صورت مطلق نیازمند انجام یک سری از کارهای اولیه هستند. ما ابتدا نیازمند در نظر گرفتن این موارد و تجزیه و تحلیل نحوه ی اثر آنها هستیم. سپس ما باید این موارد را برای کامپیوتر تعریف کنیم".

با استفاده از برخی از الگوریتم های برچسب زنی که در برخی از شبکه های اجتماعی مورد استفاده قرار گرفته اند، می توان الگوهای تشخیصی خوبی را با استفاده از نرم افزارهای خاص ایجاد کرد. این تکنولوژی امروزه در تجزیه و تحلیل های ویدئویی مورد استفاده قرار می گیرد. برخی از آنها در ماشین های خود کنترل شوند نیز استفاده شده اند.
روزماری روس می گوید: "اگر این فرایند اتوماتیک شود، سپس ما می توانیم داده های بیشتری را مورد تجزیه و تحلیل قرار دهیم و به الگوهایی نگاه کنیم که میان رفتارهای دانش آموزی و همچنین سایر اقدامات یادگیری وجود دارد".

در واقع در نظر گرفتن تنوع محیط های یادگیری، ایالت ها و کشورهای مختلف، تجزیه و تحلیل ویدیویی می تواند اطلاعات ارزنده ای در مورد کلاس های درس به ما بدهد. این کار از طریق آزمون های استانداردی انجام خواهد شد که هم اکنون، موجود نمی باشند.
 

منبع:
https://www.insidescience.org
استفاده از مطالب این مقاله با ذکر منبع راسخون، بلامانع می باشد.