Geçen on yılda, Asenkron Öğrenme Ağları (ALN’ler) aracılığıyla öğretme ve öğrenmede işbirlikçi faaliyetlere aracılık etmek ve desteklemek için teknolojinin kullanımına artan bir ilgi olmuştur. Hiltz’e göre, “Bir Asenkron Öğrenme Ağı, bilgisayar ağları aracılığıyla her zaman/her yerde kullanım için tasarlanmış bir Bilgisayar Aracılı İletişim (CMC) sistemi içinde yer alan bir öğretme ve öğrenme ortamıdır”.

Bir ALN, işbirliği sürecini daha şeffaf hale getirir, çünkü hem işbirliği sürecinin kendisini hem de sürece bireysel rolleri ve katkıları değerlendirmek için konferans mesajlarının bir dökümü kullanılabilir. ALN’ler hakkında önceki araştırmalar, üyeler arasındaki sosyal ilişkilerin öğrenme sonuçlarını nasıl belirlediğine odaklanan daha büyük bir araştırma çağrısında bulundu.

Hem bireye hem de ağa bir bütün olarak değer katan bu tür sosyal ilişkilere sosyal sermaye denir. Yapılan araştırma, sosyal ağların bütünlük ve rol yapılarına dayalı olarak ALN’lerde bilişsel aktivite düzeyinde önemli bir istatistiksel farklılık buldu.

Yüksek düzeyde bağlantılı ve yapılandırılmış rollere sahip ağların daha yüksek düzeyde bilgi inşasına sahip olduğu bulunmuştur. Bu bulgular, uyumun bilginin, paylaşılan inançların ve davranışların yaratılmasına katkıda bulunan birincil bir ağ yapısı olduğunu savunan Burt’ün bulgularına benzerdi.

Bu önermeye dayanarak, ekspres ve normal olmak üzere iki farklı akıştan ALN’lerin sosyal sermaye yapılarını bulmak istiyoruz. Singapur eğitim sisteminde, ilkokul öğrencileri, İlköğretim Okulu Bitirme Sınavı (PSLE) puanlarına göre farklı ortaokul akışlarına (hızlı veya normal) ayrılır.

İki akış arasındaki fark, Ekspres akışlı öğrencilerin Cambridge GCE O seviye sınavlarına dört yıl içinde girmeleri, Normal akıştaki öğrencilerin ise beş yıl sürmesidir. Rochelle & Pea’ya göre, öğrencilerin öğrenme yeteneklerindeki farklılıklar, asenkron çevrimiçi tartışmalara katılımlarının etkinliğini ve kalitesini kısıtlayabilir.

Bu nedenle, ekspres ve normal akış öğrencileri arasında ALN’lerde etkinlik ve katılım kalıpları açısından önemli farklılıklar olup olmadığını görmek istiyoruz. Daha sonra, öğrencileri her iki akıştan daha yüksek bilgi yapılandırma seviyelerine çıkarmak için bu bulgulardan yararlanabiliriz.

Metodoloji

Tartışma metinlerini iki farklı akış sınıfından analiz ettik. Her sınıfta ortalama 14 yaşında 40 öğrenci vardı. Her sınıfta sekiz grup vardı ve her grupta grup başına ortalama dört ila altı üye vardı. Tüm öğrenciler, Japon Mesleğinden bir rol seçmeleri ve bu rol için bir hikaye oluşturmaları beklenen aynı proje görevi olan “Japon Mesleğinin Korkuları” üzerinde çalıştı.

İki ders aynı öğretmen tarafından yürütülmüştür. Analiz için transkriptler, 12 haftalık öğrencilerin çevrimiçi tartışmalarından sonra elde edildi.

Sosyal sermaye ilişkilerinin yapısını elde etmek için, ALN’lerdeki üyeler arasındaki sosyal ilişkilerin örüntülerine bir bakış sağlayan Sosyal Ağ Analizini kullandık. Bir ALN’de, öğrenciler düğümler olarak görülüyordu ve düğümler arasındaki bağlantılar (kimin kiminle iletişim kurduğu) çizgiler olarak biliniyordu. Sosyal Ağ Analizi (SNA), keşifsel ağ veri analizi ve görselleştirme için bir yazılım aracı olan UCINET kullanılarak gerçekleştirilmiştir.

ALN’lerin uyumunu ortaya çıkarmak için, genel bağlantıyı veya üyelerin ağda ne kadar örüldüğünü tanımlamak için uyum analizini kullandık. Katılımcılar arasındaki genel bağlantıyı tanımlamak için bir yoğunluk analizi yapıldı. Bir ağın yoğunluğu, bir ağdaki tüm olası hatların maksimum sayısına bölünen hat sayısı olarak tanımlanır.

Teknoloji entegrasyonu Modelleri
Dijital teknoloji
Dijital teknoloji Superonline
Dijital teknoloji üretim, dağıtım ve tüketim ağında ne gibi değişikliklere sebep olmuştur
Teknoloji kullanımında öğretmenin rolü
Dijital teknoloji Örnekleri
dijital teknoloji nedir
Eğitimde teknoloji kullanımı

Yoğunluk değeri 0 ile 1 arasında değişir; 0, bağlantısı olmayan bir ağı ve 1, maksimum bağlantılara sahip bir ağı belirtir. Yoğunluk, bir grup insanın ne kadar iyi “karışık” veya bağlantılı olduğunu belirlemede faydalı olabilir, ancak yorumlanması için bazı uyarılar geçerlidir.

İlk olarak, yoğunluk için yüksek değerler, ağda merkezi bir yapısal rol oynayan, ağdaki diğerlerine ulaşan az sayıda “bağlayıcının” çabalarından kaynaklanabilir. Bu gerçekleşirse, yoğunluk değerleri şişirilirken, tüm ağ üyelerinin ortalama bağlantı sayısı (ağın derecesi, etkileşimin ne kadar “eşdeğer” olduğunun bir ölçüsü) düşük olacaktır.

Yoğunluk değerlerindeki şişmeleri araştırmak için, ALN’lerdeki düğümlerin yapısal eşdeğerliğini Pearson korelasyonunu kullanarak araştırarak ekspres akış ve normal akış öğrencilerinin ALN’lerdeki rol yapılarını analiz ettik.

İki düğümün, diğer tüm düğümlerle aynı ilişkilere sahip olmaları, yani “özdeş” veya “ikame edilebilir” olmaları durumunda yapısal olarak tam olarak eşdeğer oldukları söylenir. Bu, yapısal olarak eşdeğer iki grup üyesi varsa, grup iletişim yapısında oynadıkları rol açısından özdeş oldukları için birini diğeriyle değiştirebiliriz.

Yapısal eşdeğerlik için Pearson korelasyonları -1.00 (iki düğümün birbiriyle tam zıt bağları olduğu anlamına gelir) ile +1.00 (yani iki düğümün birbirine tam olarak aynı bağa sahip olduğu anlamına gelir – mükemmel yapısal eşdeğerlik) arasında değişir.

Öğrencilerin Katılımı ve Uyum

12 hafta boyunca, normal akış ALN’lerinde toplam 554 not yayınlandı ve 745 not okundu. Ekspres akış ALN’lerinde 745 not gönderildi, 855 not okundu. Normal akış ALN’leri 0.33 ila 0.57 arasında değişen yoğunluk değerlerine sahipken ekspres akış ALN’lerinin yoğunluk değerleri 0.20 ila 0.77 arasındaydı.

Sırasıyla normal akış ve ekspres akış ALN’lerinin katılım yoğunluğunu gösterin. Normal akıştaki (0,24) ALN’lerin yoğunluk aralığı, ekspres akıştakinden (0,57) daha küçüktür. İki akış için bağımsız bir örnek T-testi, ekspres akış için grup içi önemli bir fark olduğunu ortaya çıkardı (p<0.05). Bu, normal akış PW sınıflarındaki ALN’lerin yapışkanlığının, ekspres akış ALN’lerininkine kıyasla nispeten daha homojen olduğu anlamına gelir.

Bir varyans analizi (ANOVA), akışlar arasında katılım ve yoğunluk açısından önemli bir fark olmadığını ortaya koydu. Ekspres akıştan gelen E8, 0.20’lik çok düşük bir yoğunluk değerine sahipti, ancak E8’de yayınlanan notların sayısı normal akıştaki (N6) en düşük ALN’ninkiyle aynıydı.

Bu tür ALN’lerin rol yapılarının araştırılması, ekspres akıştaki yüksek yoğunluk değerleri eşitsizliği için bir açıklama sağlayacaktır. Kısaca ifade edersek, bu sonuçlar ekspres ve normal akım öğrenciler arasındaki eğitim farkı ne olursa olsun; katılım kalıpları akışlar arasında önemli ölçüde farklılık göstermez.

Bunun bir nedeni, aynı öğretmenin hem ekspres hem de normal akış ALN’lerini kolaylaştırmış olması olabilir. Bu ön bulgular, Proje Çalışması sınıflarındaki eşzamansız çevrimiçi tartışmaların, farklı öğrenme yeteneklerine sahip gruplarda eşit katılımlı etkinlikler ve uyumlu yapılar için olanaklar sağladığına dair kanıt sağlar.

The post Teknoloji Aracılı Proje Çalışması – Eğitim – Essay – Ödev – Tez – Makale – Çeviri – Tez Yazdırma -Tez Yazdırma Fiyatları first appeared on Ödevcim (Ücretli Ödev Yaptırma).