Podpora spolupráce pri štúdiu vytváraním rôznych typov skupín s využitím kontextu

1. Podpora spolupráce pri štúdiu vytváraním rôznych typov skupín s využitím kontextu Ivan Srba Vedúca práce: prof. Mária Bieliková PopCorm FIIT STU, 6.6.2012 Powerpoint Templates

2. Motivácia • Spolupráca v skupinách • Používatelia s odlišným sociálnym kontextom (charakteristikami, cieľmi, aktivitami) • Podpora spolupráce počas celého životného cyklu skupín • Rozdelenie používateľov do skupín • Dôležitá podmienka efektívnej spolupráce • Použitie sociálneho softvéru pri podpore vzdelávania • Web 2.0 vs. E-learning 2.0

3. Motivácia • Cieľ: Podpora efektívnej spolupráce • Spôsob: Metóda pre automatické vytváranie krátkodobých dynamický skupín • Návrh kolaboratívneho prostredia pre efektívnu spoluprácu • Doména: Počítačom podporované kolaboratívne vzdelávanie • (Computer-SupportedCollaborativeLearning - CSCL)

4. Výskumné prístupy v CSCL • Systematický prístup • Zameranie: vytváranie modelov, ako vlastnosti technologických systémov podporujú alebo obmedzujú spoluprácu • Predmet analýzy: závislosti medzi veličinami, ktoré ovplyvňujú spoluprácu • Dialogický prístup • Učenie je sociálne organizovaná aktivita • Zameranie: vytváranie modelov, ako študenti a učitelia interagujú • Predmet analýzy: skupiny študentov, ktoré spolupracujú, aby dosiahli svoj cieľ

5. Identifikované problémy • Existujúce metódy vytvárania skupín • Nie sú dostatočné univerzálne • Statické, neuvažujú aktuálny kontext • Limitované v použití zdrojov informácií o študentoch • Predpokladajú, že pedagóg dokáže rozhodnúť, ktoré aspekty robia spoluprácu efektívnou • Vytvorenie skupín nie je postačujúce • Návrh a implementácia kolaboratívnych nástrojov • Analýza kolaboratívneho vzdelávania

6. Základná schéma riešenia • Metóda vytvárania rôznych typov skupín • Rôznych podľa ľubovoľných charakteristík • Správanie, vedomosti, záujmy, iné (pohlavie, vek, atď.)

7. Zaradenie metódy

8. Group Technology (GT) • Analógia v optimalizácii v priemyselnej výrobe • Viacero strojov sa podieľa na výrobe tej istej kategórie súčiastok • Optimalizačný problém: Ako rozmiestniť stroje tak, aby bola výroba čo najefektívnejšia? • V doméne vytvárania skupín • stroj = používateľ • súčiastka = charakteristika • výroba = kolaboratívne riešenie úloh

9. Vstupné dáta do metódy • Analógia: Stroj sa podieľa na výrobe súčiastky • Vstup: Matica priradenia charakteristík používateľom • Ktoré charakteristiky sú typické pre jednotlivých používateľov • Analógia: Zaradenie súčiastok do kategórií • Vstup: Matica mapovania charakteristík • Ktoré charakteristiky chceme navzájom spájať

10. Metóda v štyroch krokoch • Výpočet hodnôt porovnania vektorov • Výpočet koeficientu podobnosti a koeficientu vhodnosti • Jaccardov koeficient podobnosti • Vytvorenie matice skupinovej kompatibility GCM (Group Compatibility Matrix) • Porovnaním koeficientov podobnosti a vhodnosti s hraničnými hodnotami • Zhlukovanie nad maticou GCM • Modified Rank Order Clustering (MODROC)

11. Výstupné dáta z metódy Zhluk používateľov (maximálna potenciálna skupina) Zhluk charakteristík (vzor správania)

12. Použitie zhlukov • Skupinu vytvárame zo študentov z toho istého zhluku • Skóre vhodnosti vytvorenia skupiny • Doménovo závislá operácia • Pre všetky kombinácie dostupných študentov • Preferencie (napr. ak existuje úloha, ktorú daná kombinácia študentov ešte neriešila) • Obmedzenia (napr. zamedzenie vytvárania rovnakých skupín) • Hodnota v intervale <0,100> • Ako najlepšia sa vyberie skupina s najvyšším skóre a vytvorí sa s pravdepodobnosťou rovnou výške skóre

13. Iteratívne aplikovanie metódy • Použitie viacerých matíc mapovania charakteristík • Rôznymi maticami dokážeme riadiť spájanie charakteristík • Dynamická matica mapovania charakteristík • Ako riešenie problému, že nevieme, aké charakteristiky je vhodné spájať • Dynamické priradenie kolaboratívnych charakteristík študentom • Neustále učenie sa študentových charakteristík

14. Aplikovanie metódy • Kolaboratívne úlohy siedmich typov • Skupinová diskusia • Vysvetlite • Uveďte výhody/nevýhody • Pre/Proti • ... • Kolaboratívne nástroje • Semištruktúrovaná diskusia • Textový editor • Grafický editor • Kategorizátor

15. Aplikovanie metódy • Charakteristiky • Zameranie na kolaboratívne charakteristiky • Na základe taxonómie zručností podľa autorov McManus a Aiken • Určené na základe aktivít študentov • Aktivity • Navrhnutie lepšieho riešenia • Upozornenie na chybu • Požiadanie o vysvetlenie • Požiadanie o uvedenie príkladu • ...

16. Analýza a kvalita spolupráce • Analýza kolaboratívneho vzdelávania prostredníctvom ôsmich dimenzií • Udržovanie vzájomného porozumenia • Argumentovanie a dosahovanie konsenzu • Manažment úloh a časového plánovania • Rovnomernosť rozdelenia úloh • Výstup riešenia úlohy (hodnotené pedagógom) • Výpočet dimenzií • Na základe automaticky zozbieraných dát • 11 metrík odvodených na základe zaznamenaných aktivít počas spolupráce

17. Implementácia • PopCorm (Popular Collaborative Platform) • Integrácia so vzdelávacím systémom ALEF PopCorm

18. Overenie predpokladov metódy • Krátkodobý riadený experiment • Hypotéza • Overenie predpokladov správneho fungovania navrhnutej metódy • Aktivity vytvárajú prirodzené zhluky (vzory správania) • Aktivity pozitívne/negatívne vplývajú na spoluprácu a výsledok riešenia

19. Porovnanie s referenčnou metódou • Dlhodobý riadený a neriadený experiment • Hypotéza • Skupiny vytvorené nami navrhnutou metódou dokážu dosahovať vyššie ohodnotenie kvality spolupráce a jej výsledku ako kontrolné skupiny vytvorené s použitím referenčnej metódy (k-means)

20. Porovnanie s referenčnou metódou • Vyhodnotenie • Počet účastníkov: 110 • Počet vytvorených skupín: 254 • Počet zaznamenaných aktivít: 3763 • Počet pripravených úloh: 69 • Priemerné trvanie riešenia úlohy: 11 minút • Počet odoslaní spätnej väzby: 383 • ANOVA, P = 0,00819

21. Štúdia kolaboratívneho vzdelávania • Používatelia: Lepší študenti (s nižším VŠP) vyriešili menej úloh, ale dosahovali v nich lepšie výsledky v porovnaní s ostatnými študentmi. • Skupiny: Úspešnejšie boli tie skupiny, v ktorých si študenti dokázali rozdeliť zadanú úlohu na niekoľko menších častí a následne ich vypracovali približne s rovnomerným podielom a aj rovnomerne v čase. • Charakteristiky: Bez potreby explicitnej kontroly pedagóga boli študenti schopní samostatne riadiť svoju spoluprácu, upozorňovať na prípadné nedostatky vo vypracovaní úloh a vylepšovať tak svoje riešenie.

22. Zhodnotenie • Študenti majú rôzne vzory kolaboratívneho správania • Má význam vytvárať skupiny inteligentnejšie ako len náhodne • Záleží však na tom, akú metódu použijeme • Metóda inšpirovaná prístupom GT sa ukázala ako úspešná • Na začiatku experimentu sme nevedeli o študentoch „nič“ • Každou iteráciou sa vytváranie skupín zdokonaľovalo

23. Zhodnotenie • Metóda a kolaboratívna platforma poskytujú priestor pre ďalšie rozširovanie • Zdokonalenie prideľovania úloh • Doplnenie nových kolaboratívnych nástrojov • Počas experimentu sme získali veľké množstvo dát, ktoré predstavuje priestor pre ďalšiu analýzu

24. Viacero úrovní vzťahov • Hodnoty GCM matice sú určené na základe porovnávania s hraničnými hodnotami • Bolo by potrebné výrazne upraviť kroky výpočtu Matica A Matica B

25. Škálovateľnosť riešenia • Metóda • Výpočet hodnôt porovnania vektorov: mn2 • Výpočet koeficientu podobnosti a vhodnosti: mn • Vytvorenie matice GCM: mn • Nájdenie optimálnej matice GCM: (1/e)2 • Zhlukovanie nad maticou GCM: mn • m – počet študentov • n – počet charakteristík • e – relatívne malé číslo (0,1) • Optimalizácia • Ukladanie čiastkových výsledkov a ich aktualizácia len v prípade zmeny • Predvypočítavanie čiastkových výsledok

26. Škálovateľnosť riešenia • Kolaboratívna platforma PopCorm • Výkonnostný, záťažový a stres test • Používateľská a administrátorská časť systému (Ruby on Rails) dokázala obsluhovať 80 vlákien nepretržitého prúdu požiadaviek (reálne okolo 200 používateľov) • Kolaboratívne nástroje (NodeJS) dokážu obsluhovať rádovo stovky používateľov • Optimalizácia • Použitie non-SQL databázy (Redis) namiesto MySQL • Distribuovanie záťaže (load balancer)

27. Ovplyvňovanie metódy • Úmyselné generovanie aktivít • Dôsledok: Študenti by boli zaradení do zhluku aktivít, ktoré nie sú pre nich charakteristické • Vyhýbanie sa aktivitám • Najmä negatívnym, napr. zamietnutie akcie, nesúhlasenie s návrhom • Dôsledok: Ako signifikantné by boli určené menej typické charakteristiky

28. Ovplyvňovanie metódy • Snaha o rovnomernosť rozdelenia úloh • Študenti môžu použiť alternatívnu komunikáciu, kde jeden študent vypracuje zadanie • Ostatní členovia skupiny následne v malých krokoch riešenie prepíšu do platformy • Dôsledok: Rovnomernosť rozdelenia úloh, ako jedna z hodnotených dimenzií, by bola vypočítaná nesprávne a ovplyvnila by hodnotenie spolupráce