Olasılıksal Öğrenci Modellemesi
Öğrenme üzerine yapılan araştırmalar, öğrencilerin, alandaki kavramlara ilişkin daha derin, daha yapılandırılmış bir anlayış edinerek öğrenmeye aktif olarak katıldıkları zaman daha iyi öğrenenler olduklarını göstermiştir. ACE, SimQuest, Belvedere ve Smithtown gibi bilgisayar temelli öğrenme ortamlarına bilimsel keşfedici öğrenme yaklaşımını uygulayarak, öğrenmede esneklik sağlayan doğası gereği, sorgulama becerilerini geliştirmek için bir temel olarak hizmet edebilir.
Bununla birlikte, deneysel değerlendirmeler, keşfedici öğrenmede yer alan süreçlerin edinilmesi çok zor göründüğünden, bilimsel sorgulama keşfedici öğrenme ortamlarının her zaman daha iyi öğrenme ile sonuçlanmadığını göstermiştir. Çabalar gösterilmesine rağmen, mevcut keşfedici öğrenme ortamları, öğrenenin alan bilgisinin bilişsel modelinin ve bilimsel araştırma keşif davranışının sürdürülmesi sırasında doğal belirsizlikle başa çıkmak için nadiren öğrenci modellemesi sunar.
Araştırmalar, keşif davranışını modelleme açısından üç ana zorluk olduğunu bildirdi. Birincisi, bilimsel sorgulama öğrenme yaklaşımı için etkili keşif davranışının açıkça belirlenmesiyle sonuçlanan büyük miktarda öğrenen özgürlüğü zordur.
İkincisi, iyi yapılandırılmış öğrenme etkinliklerinin aksine, keşfedici öğrenme ortamları, öğrenenlerin davranışları hakkında düşük düzeyde gözlemlenebilir bilgi sağlama eğilimindedir ve bu nedenle, öğrencilere uyarlanabilir pedagojik müdahaleler sağlamak için sistemin modellenmesi için güvenilir öğrenicinin bilişsel durumlarından kaçınır.
Bu zorluklar nedeniyle, keşfedici öğrenmede öğrenen davranışının nasıl etkili bir şekilde çıkarılacağı konusunda çok az çalışma yapılmıştır. ALI öğrenci modeli, öğretici diyaloglar ve sınavlar yoluyla öğrenicileri modellerken, ACE öğrenici modeli, bireysel alıştırmaların, ilgili alıştırma gruplarının ve çoklu alıştırmalarda ortaya çıkan keşif vakalarının keşfedilmesini içeren farklı ayrıntı düzeyleri aracılığıyla keşif davranışını modeller.
Ancak her iki model de eğitim öğretim modelini öğrenen modelinin tasarımına entegre etme yaklaşımını ele almamıştır. Bu nedenle, bu makalede odaklanılması gereken üçüncü zorluk, olasılıklı öğrenen modelini yapılandırmacı öğretim modeli yaklaşımını izleyen bilimsel sorgulama keşfedici öğrenme ortamına entegre etmektir.
Bu makalede, tartışmalar (i) InQPro öğrenme ortamının bir öğretim modeli olarak Bilimsel Sorgulama Keşifsel Öğrenme Modelini izleyerek geliştirilmesi etrafında toplanmıştır. (ii) InQPro Grafik Kullanıcı Arayüzü (GUI) bileşenleri, önerilen öğrenme modeline etkili bir şekilde uyum sağlamak için tasarlanmıştır, (iii) öğrencinin bilimsel sorgulama becerilerini ve alan bilgisini yinelemeli olarak çıkartan olasılıklı öğrenci modelinin oluşturulması. Bu çalışmada, Bayes Ağları kullanılarak etkili bir model öğrenicinin zorluğu ele alınmıştır.
InQPro Öğrenme Ortamı
InQPro, fizik alanı bilgisi elde etmek için akıllı bir bilgisayar tabanlı bilimsel sorgulama keşif öğrenme ortamıdır. InQPro, bilimsel sorgulamaya yönelik talimatları daha anlamlı hale getirmek için gereken verimliliği sağlar, bu da daha sonra öğrencinin bilimsel sorgulama becerilerini, metabilişsel becerilerini geliştirir ve nihayetinde kavramsal değişimi teşvik eder.
Akıllı Pedagojik Ajan ile yinelemeli etkileşime sahip olan öğrencilerin, eleştirel düşünme becerilerini geliştirmeleri, hipotezler formüle etmeleri ve test etmeleri, öğrencilere bilimsel sorgulama sürecinde deneyim sağlamaları, sonraki dersler için bir temel oluşturmaları ve işbirlikçi araştırma ve keşif deneyimlemeleri beklenir. InQPro’nun gelişimi, gösterildiği gibi Bilimsel Araştırma Keşifsel Öğrenme Modeline dayanmaktadır.
InQPro sistemine giriş yaptıktan sonra, öğrencilerin öncelikle bir senaryo seçmeleri gerekmektedir. Senaryo okunduktan sonra, öğrencilerden farklı değişken türlerini tanımlamaları ve ardından bir hipotez oluşturmaları istenir. Öğrenilecek bilginin küresel bir temsilini sunmayı amaçlayan ve nihayetinde alt alan bilgisinin “bütünleştirici uzlaşmasını” teşvik eden bilgisayar simülasyon şapkası, gelişmiş düzenleyici olarak görev yapmaktadır.
Google Akademik
Modelleme ve Simülasyon Yüksek Lisans
ASSURE modeli örnekleri
Ders Tasarımı örnekleri
ASSURE Modeli Makale
ASSURE modeli ders planı örneği Fen Bilimleri
Assure modeli matematik örnekleri
ASSURE Modeli Aşamaları
InQPro, öğrencilerin grafik çizmesini gerektirmez, çünkü bir grafiğin kendi başına çizilmesi basit bir iş değildir ve başlı başına bir eğitim nesnesi olmuştur. Bu nedenle, InQPro öğrenenler tarafından sağlanan x ekseni ve y ekseni hakkında uygun bilgilerle grafiği otomatik olarak çizecektir.
Bu tesis, öğrencilere grafiği yorumlama ve seçilen değişkenler ve oluşturulan hipotezlerle ilişkilendirme fırsatları sağlamayı amaçlar. Öğrenciyi daha iyi anlamak için sisteme kanıt olarak, grafiğin hemen ardından, öğrencilerin grafikte sunulan hem manipüle edilen hem de yanıt veren değişkenlerle ilgili bir ifadeyi girmesine izin veren bir sütun bulunur.
InQPro, öğrencinin simülasyonun altında yatan modelin özelliklerini çıkarmasına izin veren bilgisayar simülasyonu sağlar. Girişleri InQPro’ya (hipotez ve değişkenler) değiştirerek, çıktılarda ortaya çıkan değişiklikler görselleştirilebilir. Bu makalede, Hipotez Görselleştirme ekranı üzerinden hipotezlerin görselleştirilmesi incelenmektedir.
Bilgisayar simülasyonlarından, öğrencilerin senaryoyu yeniden araştırmaları ve oluşturulan hipotezleri doğrulamaları umulmaktadır. Yer sınırlaması nedeniyle Hipotez Görselleştirme ekranı, Doğrulama ekranı, Deney Simülasyon ekranı, Veri Karşılaştırma ekranı ve Geribildirim & Genelleme ekranı detay açıklamaları sunulmamaktadır.
Bilimsel Sorgulama Keşifsel Öğrenme Modelinden geçen öğrenciler, sonunda hipotezler kurabilme ve geçerli kılabilme, doğru ve uygun değişkenleri belirleyebilme ve ardından belirli bir kavramı genelleştirebilme konusunda eğitileceklerdir.
InQPro’da sonraki adımları seçmenin üç yolu vardır: öğrenciler bir sonraki düğmesine tıklayarak önceden belirlenmiş bir dizi problem üzerinde çalışabilirler; git düğmesinden belirli bir adımı seçebilirler; veya Aracıdan Aracının tercihini seçerek bir sonraki adımı Akıllı Pedagojik Aracıya devredebilirler. Üçüncü durumda, etmen Bayesian Karar Teorisini kullanarak en iyi adımı hesaplayacaktır.
InQPro Olasılıksal Öğrenci Modellemesi
InQPro’da öğrenen modeline sahip olmanın amacı, öğrencinin bilimsel sorgulama becerileri ediniminin mevcut durumunu ve daha sonra uyarlanmış geri bildirim oluşturmak için kullanılan alan bilgisini elde etmek ve çıkarmaktır. Açıklandığı gibi, öğrenciler akıl yürütmeye dahil olurlar ve aktif olarak kendi sorularını sorarak, hipotez oluşturmaya katılarak, teoriler hakkında tahminlerde bulunarak ve test ederek kendi yanlış anlamalarını giderirler.
Bununla birlikte, çalışma, öğrencinin bilimsel sorgulama becerisiyle ilgili zorluklarla karşılaşabileceğini göstermiştir. Buna ek olarak, InQPro’daki öğrenci etkileşimi, izlenmesi kolay olmasına rağmen düşük bant genişliğine sahiptir, öğrencinin muhakemesi hakkında korkutucu bilgiler vardır.
Bu zorluklar göz önünde bulundurularak, Bayes Ağlarından yararlanan olasılıksal öğrenen modeli, ilgilenilen değişkenler ve değişkenler arasındaki olasılıksal bağımlılıklar dikkatlice tanımlanarak oluşturulmuştur. Öğrencinin InQPro ile etkileşimleri iki aşamada kaydedilir: (i) bilimsel sorgulama becerilerini gerçekleştirmedeki olası zorlukların belirlenmesi (ii) alan bilgisindeki yanlış anlamaların yakalanması gerekir.
