在线学习过程中,你认为以下哪个因素对学习成效的影响更大? A 学习者在学习过程中的情绪变化 B 和学习者一起协作学习的同伴 C 用于学习讨论的载体 D 学习者参与学习的投入度 当前,在线学习的规模,大到包容各种学习场景的MOOCs和短视频,小到围绕某个专题所形成的讨论组和微信群。 学习者在这些学习载体中,既可获取知识,也可以开展社交活动。 有没有注意到,现在的知识付费越来越强调人脉链接了?课程文案中总是罗列出哪些人(外加精致头衔)已经报名了这门课,或者曾经报名过这门课的大咖学员都有哪些。 你和谁一起学习似乎比学习什么更重要。 不过说实话,和你一起学习的人,确实会对你的学习效果起到不小的作用,这是因为,任何人与人之间的共同活动都会受到群体动力学的影响。 Lewin于20世纪40年代提出了“群体动力学理论”。这个理论以人们在活动中自发形成的群体为研究对象,描述群体与个体应对变化的环境所作出的行为反应。 在群体动力学中,群体不再是简单的个体叠加组合,而是群体成员间相互关联、依赖、影响的共同体。 就像七兄弟也要合起来才能打败蝎子精和蛇精一样,你和同学之间也要碰撞和共创才能产生更多灵感的火花。 在线学习中,多样化的学习环境和互动激励机制催生出了丰富的学习交互数据。 这些数据中蕴藏着群体交互密度和中心度、交互行为方式、个体在交互中的位置等信息。 我们可以通过探究这类型的学习社交网络,了解不同场景下的学习规律。 随着在线学习社区的规模化发展,社会网络分析SNA已经成为研究群体结构、交互行为、群体演化方式的一种新视角。 它可以掌握你在线上学习中的网络结构,包括你和学习资源的交互、你和其他学习者之间的交互、你和老师之间的交互。 有没有一种后背发凉的感觉? 为什么它能搜集到这些数据信息呢? 原因在于,在线学习中,你总有需要帮助的时候,当你在解决问题或寻找合作伙伴时,通常都是遵循你所拥有的社会网络来寻找可以协作的对象,所以它可以顺藤摸瓜。 和现实中一样不是吗?果然,你的人脉圈限制了你的思考半径和发展空间。 了解你学习倾向的SNAPP 澳大利亚伍伦贡大学领导的“学习网络可视化与评估报告”,研发了社交网络分析可视化评估工具SNAPP。 SNAPP能从学习论坛中,提取协作学习过程中的互动关系和内容数据,比如发表帖子的总数、讨论内容、互动频次、单个用户的帖子数和回复数等。 它还能绘制用户的网络社交地图。 SNAPP通过对这些数据进行加工处理,可以识别出网络中的孤立个体,并提示老师给予关注。你还敢特立独行吗? SNAPP也能识别出学习状态比较好的学习者和学习效果不佳的学习者,在学习前,对学习绩效好的人进行相应的鼓励,对学习效果不佳的人进行提醒和干预。 哎,现在连系统都能“看人下菜”了。 SNAPP还有“快照”功能,可以拍下你学习中的精彩瞬间,提供互动学习前与后的情况对比,观察各种学习活动对学习绩效产生的影响,从而优化学习活动设计。 真是一个贴心的小棉袄。 像SNAPP这种群体学习行为模式分析工具,能借由群体的行为数据,来分析出学习者的群体行为模式和学习过程。 通过这样的分析,可以了解你的学习倾向,比如浏览网页的行为顺序,或是观看视频的习惯,和其他学习者互动的频率,这些数据可以帮助老师调整教学方法,为你推荐最佳学习策略。 协作学习的分析方式(一) 既然说到了群体动力学,就不得不提到由此延伸而来的协作学习。 协作学习是一种通过小组或团队的形式,组织学习者进行学习的一种策略。 协作活动中的个体可以将其在学习过程中探索、发现的信息和小组中的其它成员共享。 当然,共享到什么程度,就取决于彼此之间的开放度了。 越开放越能探索到更深层次的信息,有多深呢?你可以敞开心扉去想象。 协作学习中,学习者彼此之间既可以教,又可以学,能够形成积极的相互依赖关系。 协作学习活动不仅在线下培训中可以组织,随着移动信息化技术的发展,学习者也可以基于网络空间,自发的开展群体协作学习活动,来实现知识的共享共建。 比如微信群学习、BBS论坛学习、知乎学习、云会议学习、视频弹幕交流学习等等,都是协作学习的方式之一。 但是在协作学习中,个体的参与度决定了协作学习的有效度。 那么,协作学习中,个体的参与行为能被量化分析评估吗?答案是肯定的。 先说线下教学活动,假设一个协作小组是4个学员,他们在讨论中的不同时刻,要么担任的是发言人的角色,要么是聆听者的角色。 一个组只需要两台传感器,就可以采集到足够可用于分析的数据。 比如,计算机视觉技术可以通过分析每个人的嘴唇运动模式,来判定发言人及其发言内容的丰富程度,也可以通过每个成员的头部和眼神朝向,来判定聆听者是否在认真听别人的阐述。 由此可以统计出每个人的发言时长、总发言时长占比、聆听和思考时长等数据,由此可以看出每个人在讨论中的积极性。 未来,如果这方面的数据分析足够智能化,说不定还可以看出每个人心里面的小九九。那时候就更有意思了。 为了在教学中,更好的开展群体协作学习活动,促进集体智慧的蓬勃生长,协作学习不仅需要关注对协作过程的评估,协作模式和小组表现,也需要关注学习者参与的行为过程。 在协作学习中,学习投入与学习成效紧密相关,协作学习是学习者进行深度学习的必要条件。 协作学习的分析方式(二) 接下来再来说说云端的协作学习。 在移动技术支持下的协作学习,可以利用移动通信设备和网络技术来创设交互式的、人性化的增强型学习环境,支持学习者完成团队协作任务。 韩国檀国大学教学中心为了研究移动即时消息对协作学习过程和结果的影响,把来自韩国大学的48名学生作为实验对象,分配到三个组: 一个组使用手机上的即时通讯来协作,比如QQ、微信等;一个组使用PC电脑上的即时通讯来协作,比如云视频会议;一个组使用BBS论坛上的即时通讯来协作。 实验结果发现,相比BBS小组和电脑小组,手机小组的学习者之间有更好的团队共创和思维碰撞,而BBS小组和电脑小组的学习者能够更高效的完成学习任务。 莫非是手机小组的学习者思维更发散,BBS小组和电脑小组的学习者更容易聚焦? 实验结果还发现,认知和元认知的交互作为BBS小组中的主要协作类型;情感和社会交互作为手机小组和电脑小组的主要协作类型。 也就是说,相比手机小组和电脑小组,BBS小组在协作中探讨得更深刻,挖掘出了更多的知识内涵,而手机小组和电脑小组更重视人与人之间的情感链接。 你的情感我知道 其实情感也是教学活动中很重要但极易被忽略的一个因素,情绪其实会伴随整个认知发展的过程。 学习者在学习活动中,会随着认知和心理的变化,表现出相应的复杂情绪,这些情绪状态会对学习过程和学习效果产生影响。 在线下学习时,学习者的一句话、一个眼神、一种表情都能够被教学者观察到。 老师也可以通过对学习者表情的判断和分析,及时调整教学内容的难易程度或者教学实施的进度。 但是在线教学怎么办呢? 美国麻省理工学院多媒体实验室研发出了“学习情感识别”技术,能够对人在不同状况下的情感状态进行量化的鉴别,并作出反应。 这种技术可以通过量表对你的情感进行评测,通过传感器对你的生理信号进行检测,通过摄像头捕捉你的面部表情,通过语音信号和文字表述来挖掘你的情感变化…… 举例来说,基于生理信号的情感检测方法需要多种传感器设备,如坐姿传感器、压力感应鼠标、手腕皮电传感器等。 通过探测你的各种生理指标,来“计算”出你的情感状态,比如高兴、惊奇、厌恶、悲伤等。 有没有被360度一窥到底的爽感? 未来,你在学习的时候,就同时在创造有价值的数据,每个学习者都是大数据的生产者和消费者。 对于教学者来说,基于群体动力学的理论,建议在教学的时候,可以根据学习者的认知水平,灵活设计学员之间的协作活动,合理安排与课堂任务相匹配的协作学习方式和协作频率,促进小组成员之间的交互和小组自身的演化,引导学习者深入思考和知识共建,进而促进协作学习成效最大化。 |
|