همانطور که اشاره شد در مقاله قبلی ، صریح موسسه رشد کودک پورتر گراهام (FPG) از یک استراتژی یادگیری ترکیبی مبتکرانه استفاده می کند: ما با استفاده از داده های جمع آوری شده از آموزش الکترونیکی، آموزش در محل، تحت رهبری مربی را طراحی می کنیم. این باعث می شود کار در محل کارآمدتر و کارآمدتر باشد و مربیان را قادر می سازد در زمان کمتری به دستاوردهای بیشتری دست یابند.
با آموزش حضوری، مربیان با فراگیران روابط برقرار می کنند. ما با آنها آشنا می شویم و محتوا و رویکرد خود را بر اساس آن تنظیم می کنیم. اما معمولاً وقتی اصطلاح «یادگیری ترکیبی» را می شنویم یا از آن استفاده می کنیم، یک رویکرد شخصی و متناسب با آن چیزی نیست که به ذهنمان خطور کند. اغلب اوقات، یادگیری ترکیبی با افزودنی‌های دیجیتال، تجربه‌ای بی‌درنگ کاهش می‌یابد، و به جای افزایش تجربه یادگیری، تجربه یادگیری را کاهش میدهد. در مقابل، یادگیری ترکیبی با کیفیت بالا شامل عناصر همزمان و ناهمزمان، اثربخشی و کارایی تجربه آموزشی کلی را با استفاده از امکانات لجستیکی آموزش ناهمزمان و قابلیت‌های فنی فناوری یادگیری برای صرفه‌جویی در زمان و هزینه بهبود می‌بخشد. در حالی که تقویت کننده توانایی شخصی سازی و تنظیم یادگیری حرفه ای که به صورت همزمان ارائه می شود.
این نوع یادگیری ترکیبی همزمان و ناهمزمان با کیفیت بالا نیاز به استراتژی دارد که شامل شناسایی اهداف یادگیری، طراحی تجربیات یادگیرنده و برنامه ریزی است. هم جمع آوری و هم استفاده داده های فعالیت یادگیری از آموزش ناهمزمان محوری برای استراتژی یادگیری ترکیبی در FPG یک ابزار تجسم داده بسیار موثر است که ما آن را داشبورد “چراغ راهنمایی” می نامیم.
با یک ردیف برای هر زبان آموز، این تجسم داده ها (شکل 1) بر اساس اهداف یادگیری سازماندهی می شود و نقاط قوت و ضعف یادگیرندگان را در سراسر مهارت های هدف به تفصیل شرح می دهد، همانطور که رفتار آنها در طول درس ناهمزمان نشان می دهد. در ردیف آخر، ارزیابی گروهی ارائه شده است.
شکل 1: داشبورد چراغ راهنمایی (توجه: نام‌ها حذف شده‌اند تا ناشناس باقی بماند)
انتخاب هر “چراغ راهنمایی” فردی یک گزارش “محفظه” تولید می کند (شکل 2) که جزئیات بیشتری از رفتار آن یادگیرنده مرتبط با هدف یادگیری را ارائه می دهد:
شکل 2: گزارش دریل داون (توجه: نام حذف شده است تا ناشناس بماند؛ طومارها را برای نمایش 14 سوال گزارش کنید)
طراحی هر دریل داون (شکل 3) توسط اطلاعاتی که برای سفارشی کردن دستورالعمل های بعدی مفید است تعیین می شود.
شکل 3: گزارشی با طراحی متفاوت
ابزار تجسم داده‌های چراغ راهنمایی به مربیان و مربیان اجازه میدهد تا از داده‌های قوی و شخصی‌شده‌ای که از طریق پیش‌کاری ناهمزمان گرفته شده‌اند، برای شخصی‌سازی و تنظیم پشتیبانی همزمان خود استفاده کنند. این نوع بینش را به آنها امکان می دهد تا با نادیده گرفتن یا کوتاه کردن پوشش مناطق قدرت، بهترین استفاده را از زمان خود ببرند تا بتوانند به مهارت های پیشرفته تر و/یا بازبینی و پشتیبانی بیشتر مناطق مورد نیاز گسترش دهند. نتیجه کار گروهی همزمان مؤثرتر و کارآمدتر است.
اگر قصد ارائه تصویری از داده های فعالیت یادگیرنده را دارید، ابتدا باید راهی برای جمع آوری آن داده ها داشته باشید. در FPG، تمام داده‌های فعالیت یادگیرنده ما در قالب عبارات xAPI گزارش شده به فروشگاه رکورد یادگیری ما (LRS) جمع‌آوری می‌شود. این نوع اکوسیستم یادگیری به ما این امکان را می دهد که تعاملات یادگیرنده و داده هایی را که آنها گزارش می کنند سفارشی کنیم. برای جمع آوری داده های فعالیت یادگیرنده یا ایجاد تجسم داده های مفید به یک اکوسیستم تمام xAPI/LRS نیاز ندارید، اما باید هر دو را برنامه ریزی کنید.
سازماندهی طراحی تجربه یادگیرنده در حالی که شما برای جمع آوری داده ها برنامه ریزی می کنید به شما کمک می کند تجربیات و تعاملاتی را برنامه ریزی کنید که منجر به داده های مورد نیاز شما می شود. در FPG، ما معمولاً درس‌های ناهمزمان خود را حول اهداف یادگیری سازماندهی می‌کنیم و بر تجربیاتی تمرکز می‌کنیم که به احتمال زیاد منجر به تغییر رفتار مطلوب می‌شوند. اکثر مردم با انجام دادن به بهترین شکل یاد می گیرند، بنابراین ما به سمت روایت های مبتنی بر سناریو و انتخاب های واقع بینانه در شبیه سازی مجازی متمایل می شویم. ما مستندات دقیقی را برای توصیف داده های جمع آوری شده از تعاملات در هر درس ناهمزمان تولید می کنیم.
هدف جمع‌آوری داده‌ها استفاده از آن است، بنابراین برنامه تجسم داده‌ها، برنامه جمع‌آوری داده‌ها را مطلع می‌کند. از آنجایی که طرح جمع آوری داده های شما به طراحی تجربه یادگیرنده شما نیز اطلاع می دهد، این بدان معناست که هر سه عنصر به طور ایده آل باید همزمان برنامه ریزی شوند. طرح‌های تجسم داده‌های ما با SMEهای پروژه ایجاد می‌شوند و شامل اهداف یادگیری، محاسباتی هستند که در ارزیابی‌های «چراغ راهنمایی» و اطلاعاتی که باید در گزارش‌های «تحریکی» ارائه شوند.
برای ایجاد داشبورد چراغ راهنمایی که در بالا نشان داده شده است، ابتدا اهداف یادگیری خود را تعریف کردیم. این آموزش الکترونیکی ناهمزمان طراحی شده است تا به تیم‌های پیاده‌سازی اجازه دهد تا با انتخاب مناسب و مدیریت ارزیابی‌های ظرفیت، تمرین عملی انجام دهند، بنابراین ما چهار هدف را شناسایی کردیم:
LO1: ارزیابی های مرتبط را شناسایی می کند
LO2: اهداف کلیدی ارزیابی ظرفیت را به طور کلی تعریف می کند
LO3: ساختارهای کلیدی زیربنای ارزیابی ظرفیت را شناسایی می کند
LO4: ارزیابی ظرفیت را انجام می دهد
با در نظر گرفتن این اهداف یادگیری، تجربیات یادگیرنده، جمع آوری داده ها و تجسم داده ها را پیرامون هر هدف طراحی کردیم. به عنوان مثال، برای دستیابی به LO1، از فراگیران خواستیم تا نقش خود را با ارزیابی مرتبط با کارشان مطابقت دهند. ارزیابی ظرفیت بر اساس نوع و سطح نقش متفاوت است، بنابراین ما یک تجربه انشعاب طراحی کردیم. به فراگیران اطلاعاتی در مورد ارزیابی های مرتبط با رشته خود (آموزش در مقابل سایرین) ارائه شد. پس از آن، از آنها خواسته شد تا سطح نقش خود و ارزیابی های مرتبط با کار خود را شناسایی کنند. آنها بسته به نقش و انتخاب خود بازخورد شخصی دریافت کردند. SME ها محتوا و بازخورد مربوط به ارزیابی ها را ارائه کردند. (شکل 4)
شکل 4: اسکریپت جزئی برنامه LO1 تجربه یادگیرنده با جزئیات برای طراحی و جمع آوری داده ها
پس از ساخت فیلمنامه، داشبورد چراغ راهنمایی برنامه ریزی شد. در اینجا داشبورد و برنامه های آموزشی برای LO1 آمده است (شکل 5 و 6):
شکل 5: طرح داشبورد چراغ راهنمایی برای LO1
شکل 6: طرح داشبورد Drilldown برای LO1
در اینجا چگونه گزارش نهایی حفاری ظاهر می شود (شکل 7):
شکل 7: تجسم Drilldown برای LO1
پیچیدگی برنامه ریزی داده ها به تجربه یادگیرنده بستگی دارد که به ماهیت هدف یادگیری بستگی دارد. به عنوان مثال، تجربه یادگیری طراحی شده برای LO2، شامل تصویرسازی دو مثال داستانی («آژانس ستاره‌ها» و «آژانس دنباله‌دار») و یک سوال بعدی کوتاه بود. فقط دو بخش از داده‌ها مرتبط بودند: آیا یادگیرنده سؤال را درست دریافت کرده است یا خیر، و چند بار تلاش کرده است (همه پاسخ‌های نادرست «دوباره امتحان کنید» بودند). در اینجا اسکریپت و برنامه های تجسم داده برای LO2 (شکل 8 و 9):
شکل 8: اسکریپت جزئی از LO2 تجربه یادگیرنده طرح جزئیات برای طراحی و جمع آوری داده ها
شکل 9: طرح داشبورد چراغ راهنمایی برای LO2
شکل 10: طرح داشبورد دریل داون برای LO2
و در عمل اینگونه به نظر می رسد (شکل 11):
شکل 11: تجسم Drilldown برای LO2
با استفاده از این داده ها، مربیان به نیازهای فردی فراگیران خود نگاه بسیار مهمی دارند، بنابراین آنها می توانند برای بهترین استفاده از زمان پشتیبانی همزمان خود برنامه ریزی کنند.
ما داشبورد «چراغ راهنمایی» را ابزاری ضروری در استراتژی‌های یادگیری ترکیبی ناهمزمان/همزمان خود یافته‌ایم. با جمع آوری داده های فعالیت یادگیرنده از پیش کار ناهمزمان و برنامه ریزی برای جمع آوری و تجسم داده ها، می توانید داشبورد “چراغ راهنمایی” خود را طراحی کنید.
خودتان ببینید که چگونه یک رویکرد یادگیری ترکیبی پیشبرد داده منجر به افزایش اثربخشی و کارایی دستورالعمل های همزمان سازمان شما می شود!
* پشتیبانی از اجرای ایالتی و افزایش مقیاس اقدامات مرکز تجربیات مبتنی بر شواهد (SISEP) از سوی Grant H326K17003-SISEP که توسط دفتر برنامه‌های آموزش ویژه (OSEP) تأمین مالی می‌شود. OSEP بخشی از وزارت آموزش ایالات متحده است، اما محتوای این مقاله لزوماً منعکس کننده یا نشان دهنده سیاست آن بخش نیست.
سامانه هوشمند و رمزنگاری شده دری لند فایننس ، مرجع آموزش و معامله ارز دیجیتال و بازار فارکس است که نوین ترین ابزارها و روش های مربوط به این بازارها از جمله اخبار دست اول ، تحلیل ارزها ، ابزارها و بستر معامله گری و تحلیلی را به فارسی زبانان جهان ارائه میدهد .
