Αξιοποίηση Συστημάτων Συστάσεων στο Μαθησιακό Σχεδιασμό
Δημοσιευμένα:
Δεκ 21, 2017
Λέξεις-κλειδιά:
Μαθησιακός Σχεδιασμός Συστήματα Συστάσεων LAMS
Περίληψη
Ο Μαθησιακός Σχεδιασμός – ΜΣ (Learning Design - LD) ως μεθοδολογία που επιτρέπει στους εκπαιδευτές να αποφασίζουν πιο εμπεριστατωμένα σχετικά με το πώς πρόκειται να σχεδιάσουν ακολουθίες μαθησιακών και διδακτικών δραστηριοτήτων, οι οποίες είναι παιδαγωγικά προσανατολισμένες και αξιοποιούν κατάλληλα τους αντίστοιχους εκπαιδευτικούς πόρους και τεχνολογίες έχει ήδη αναγνωριστεί ως σημαντικός παράγοντας επιτυχίας και βελτίωσης της ποιότητας της εκπαιδευτικής διαδικασίας. Η υποστήριξη των εκπαιδευτικών στο ρόλο τους ως σχεδιαστές της μάθησης αποτελεί ζητούμενο της ερευνητικής κοινότητας που αναπτύχθηκε γύρω από το πεδίο. Στο πλαίσιο αυτό, στο παρόν άρθρο διερευνώνται τα οφέλη που μπορεί να προκύψουν για την εκπαιδευτική κοινότητα από την ενσωμάτωση της τεχνολογίας παραγωγής συστάσεων σε εργαλεία ΜΣ. Για το σκοπό αυτό υλοποιήσαμε ένα Σύστημα Συστάσεων – ΣΣ (Recommender System – RS), το οποίο εφαρμόζει μια υβριδική στρατηγική για την παροχή συστάσεων προς τους εκπαιδευτικούς που αφορούν σε ολοκληρωμένα πρότυπα Σχεδίων Μαθημάτων – ΣΜ (Learning Designs - LDs). Ο εκπαιδευτικός μπορεί να επεξεργαστεί τα προτεινόμενα πρότυπα ώστε να δημιουργήσει το ΣΜ που ανταποκρίνεται καλύτερα στις δικές του ανάγκες και προτιμήσεις. Το προτεινόμενο σύστημα ενσωματώθηκε στο περιβάλλον του LAMS. Στη συνέχεια πραγματοποιήσαμε μια πιλοτική έρευνα ώστε να διαπιστώσουμε τις πεποιθήσεις των εκπαιδευτικών σχετικά με τα οφέλη που μπορεί να προκύψουν από τη χρήση του προτεινόμενου συστήματος. Οι λεπτομέρειες υλοποίησης του προτεινόμενου ΣΣ καθώς και τα αποτελέσματα της έρευνας παρουσιάζονται στην παρούσα εργασία.
Λεπτομέρειες άρθρου
- Ενότητα
- Άρθρα
Οι συγγραφείς των άρθρων που δημοσιεύονται στα πρακτικά του συνεδρίου για την Ανοικτή και εξ Αποστάσεως Εκπαίδευση διατηρούν τα δικαιώματα πνευματικής ιδιοκτησίας επί των άρθρων τους. Άρθρα που δημοσιεύονται στα πρακτικά διατίθενται με άδεια Creative Commons 4.0 και σύμφωνα με την άδεια μπορούν να χρησιμοποιούνται ελεύθερα, με αναφορά στο/στη συγγραφέα και στην πρώτη δημοσίευση για μη κερδοσκοπικούς σκοπούς και με δικαίωμα τροποποίησης μόνον με παρόμοια διανομή (αν αναμείξετε, τροποποιήσετε, ή δημιουργήσετε πάνω στο υλικό, πρέπει να διανείμετε τις δικές σας συνεισφορές υπό την ίδια άδεια όπως και το πρωτότυπο).
Αναφορές
Agostinho, S., Bennett, S., Lockyer, L., Jones, J., & Harper, B. (2013). Learning designs as a stimulus and support for teachers’ design practices. In Rethinking pedagogy for a digital age: Designing for 21st century learning (pp. 119–132).
Apprentissage & Optimisation Team, L. de R. en I. at P. (n.d.). Java Affinity Propagation Library. Retrieved January 5, 2016, from http://www.apro.u-psud.fr
Bard, G. V. (2007). Spelling-error tolerant, order-independent pass-phrases via the damerau-levenshtein string-edit distance metric, 117–124. Retrieved from http://dl.acm.org/citation.cfm?id=1274531.1274545
Bobadilla, J., Ortega, F., Hernando, A., & Bernal, J. (2012). A Collaborative Filtering Approach to Mitigate the New User Cold Start Problem. Know.-Based Syst., 26, 225–238. http://doi.org/10.1016/j.knosys.2011.07.021
Burke, R. (2002). Hybrid Recommender Systems: Survey and Experiments. User Modeling and User-Adapted Interaction, 12(4), 331–370. http://doi.org/10.1023/A:1021240730564
Burke, R. D. (2007). Hybrid Web Recommender Systems. In P. Brusilovsky, A. Kobsa, & W. Nejdl (Eds.), (Vol. 4321, pp. 377–408). Springer. Retrieved from http://dblp.uni-trier.de/db/conf/adaptive/adaptive2007.html#Burke07
Charlton, P., Magoulas, G., & Laurillard, D. (2012). Enabling creative learning design through semantic technologies. Technology, Pedagogy and Education, 21(2), 231–253. http://doi.org/10.1080/1475939X.2012.698165
Conole, G. (2013). Designing for Learning in an Open World. New York, NY: Springer New York. Retrieved from http://dx.doi.org/10.1007/978-1-4419-8517-0
Conole, G., & Fill, K. (2005). A Learning Design Toolkit to Create Pedagogically Effective Learning Activities. Journal of Interactive Media in Education, 8, 1–16. http://doi.org/10.5334/2005-8
Dalziel, J. (2003). Implementing learning design: the Learning Activity Management System (LAMS). In 20th annual conference of the Australasian Society for Computers in Learning in Tertiary Education (ASCILITE) (7 - 10 December, 2003 : Adelaide) (pp. 7–10). http://doi.org/10.1016/j.actao.2004.05.005
Dalziel, J., Conole, G., Wills, S., Walker, S., Bennett ǁ, S., Dobozy, E., … Bower, M. (2016). The Larnaca Declaration on Learning Design. Journal of Interactive Media in Education, (7), 1–24. http://doi.org/10.5334/jime.407
de Gemmis, M., Lops, P., Semeraro, G., Basile, P., & Degemmis, M. (2008). Integrating tags in a semantic content-based recommender. Proceedings of the 2008 ACM Conference on Recommender Systems - RecSys ’08, 163. http://doi.org/10.1145/1454008.1454036
Derntl, M., Neumann, S., Griffiths, D., & Oberhuemer, P. (2012). The Conceptual Structure of IMS Learning Design Does Not Impede Its Use for Authoring. IEEE Transactions on Learning Technologies, 5(1), 74–86. http://doi.org/10.1109/TLT.2011.25
Drachsler, H., Verbert, K., Santos, O. C., & Manouselis, N. (2015). Panorama of Recommender Systems to Support Learning. Recommender Systems Handbook, 421–451. http://doi.org/10.1007/978-1-4899-7637-6
Erdt, M., Fernandez, A., & Rensing, C. (2015). Evaluating Recommender Systems for Technology Enhanced Learning: A Quantitative Survey. IEEE Transactions on Learning Technologies, 1382(c), 1–1. http://doi.org/10.1109/TLT.2015.2438867
Fazeli, S., Drachsler, H., Brouns, F., & Sloep, P. (2014). Towards a social trust-aware recommender for teachers. In Recommender Systems for Technology Enhanced Learning: Research Trends and Applications (pp. 177–194). http://doi.org/10.1007/978-1-4939-0530-0_9
Frey, B. J., & Dueck, D. (2007). Clustering by Passing Messages Between Data Points. Science, 315(5814), 972–976. http://doi.org/10.1126/science.1136800
Frey Lab, U. of T. (n.d.). Affinity Propagation FAQ.
Gallego, D., Barra, E., Rodriguez, P., & Huecas, G. (2013). Incorporating proactivity to context-aware recommender systems for e-learning. In 2013 World Congress on Computer and Information Technology, WCCIT 2013. http://doi.org/10.1109/WCCIT.2013.6618700
Gunawardana, A., & Meek, C. (2009). A unified approach to building hybrid recommender systems (pp. 117–124). New York, NY, USA: ACM. http://doi.org/10.1145/1639714.1639735
IMS Global Learning Consortium. (2003). IMS Learning Design Best Practice and Implementation Guide. IMS Global Learning Consortium.
Koper, R., & Tattersall, C. (2005). Preface to Learning Design : A Handbook on Modelling and Delivering Networked Education and Training. Journal of Interactive Media in Education, 2005, 1–7. http://doi.org/10.1007/b138966
Laurillard, D., Charlton, P., Craft, B., Dimakopoulos, D., Ljubojevic, D.,
Magoulas, G., … Whittlestone, K. (2013). A constructionist learning environment for teachers to model learning designs. Journal of Computer Assisted Learning, 29(1), 15–30. http://doi.org/10.1111/j.1365-2729.2011.00458.x
Leo, D. H., Harrer, A., Dodero, J. M., Asensio-Pérez, J. I., & Burgos, D. (2007). A Framework for the Conceptualization of Approaches to Create-by-Reuse of Learning Design Solutions. J. UCS, 13(7), 991–1001. http://doi.org/http://www.jucs.org/jucs_13_7/a_framework_for_the
Limongelli, C., Lombardi, M., Marani, A., & Sciarrone, F. (2013). A Teaching-Style Based Social Network for Didactic Building and Sharing. In H. C. Lane, K. Yacef, J. Mostow, & P. Pavlik (Eds.), Artificial Intelligence in Education: 16th International Conference, AIED 2013, Memphis, TN, USA, July 9-13, 2013. Proceedings (pp. 774–777). Berlin, Heidelberg: Springer Berlin
Heidelberg. http://doi.org/10.1007/978-3-642-39112-5_110
Lockyer, L., Bennett, S., Agostinho, S., & Harper, B. (2009). Handbook of Research on Learning Design and Learning Objects. (L. Lockyer, S. Bennett, S. Agostinho, & B. Harper, Eds.). IGI Global. http://doi.org/10.4018/978-1-59904-861-1
Manouselis, N., Drachsler, H., Vuorikari, R., Hummel, H., & Koper, R. (2011). Recommender Systems in Technology Enhanced Learning. Recommender Systems Handbook, 387–415. http://doi.org/10.1007/978-0-387-85820-3
Milicevic, A. K., Nanopoulos, A., & Ivanovic, M. (2010). Social tagging in recommender systems: A survey of the state-of-the-art and possible extensions. Artificial Intelligence Review, 33(3), 187–209. http://doi.org/10.1007/s10462-009-9153-2
Mor, Y., & Craft, B. (2012). Learning Design: reflections on a snapshot of the current landscape. Research in Learning Technology, 20. Retrieved from http://www.researchinlearningtechnology.net/index.php/rlt/article/view/19196/
Paquette, G., Teja, I. D. la, & K. Lundgren-Cayrol. (2006). Learning Design Classification Definitions. Retrieved from helios.licef.ca/residld/4/Classification_Design_Pédagogique.doc
Pu, P., & Chen, L. (2011). A User - Centric Evaluation Framework for Recommender Systems. Proceedings of the 5th ACM Conference on Recommender Systems - RecSys ’11, 157–164. http://doi.org/10.1145/2043932.2043962
Resnick, P., & Varian, H. R. (1997). Recommender systems. Commun. ACM, 40(3), 56–58. http://doi.org/10.1145/245108.245121
Ricci, F., Rokach, L., & Shapira, B. (2011). Introduction to Recommender Systems Handbook (pp. 1–35).
Ricci, F., Rokach, L., & Shapira, B. (2015). Introduction to Recommender Systems Handbook. Recommender Systems Handbook, 54(OCTOBER), 1–35. http://doi.org/10.1007/978-0-387-85820-3_1
Sergis, S., & Sampson, D. G. (2016). Learning Object Recommendations for Teachers Based on Elicited ICT Competence Profiles. IEEE Transactions on Learning Technologies, 9(1), 67–80. http://doi.org/10.1109/TLT.2015.2434824
Smyth, B. (2007). Case-Based Recommendation. Lncs, 4321, 342–376. http://doi.org/10.1007/978-3-540-72079-9_11
Sobhanam, H., & K. Mariappan, A. (2013). A Hybrid Approach to Solve Cold Start Problem in Recommender Systems using Association Rules and Clustering Technique. International Journal of Computer Applications, 74(4), 17–23. http://doi.org/10.5120/12873-9697
Specia, L., Motta, E., Franconi, E., Kifer, M., & May, W. (2007). Integrating Folksonomies with the Semantic Web. Lecture Notes in Computer Science -The Semantic Web: Research and Applications, 4519(September 2006), 624–639. http://doi.org/10.1007/978-3-540-72667-8
Tintarev, N., & Masthoff, J. (2011). Designing and Evaluating Explanations for Recommender Systems. Recommender Systems Handbook, 22(4–5), 479–510. http://doi.org/10.1007/s11257-011-9117-5
Weller, M. (2004). Learning objects and the e-learning cost dilemma Learning objects and the e-learning cost dilemma. Journal of Open,distance and E-Learning, 19(3), 37–41. http://doi.org/10.1080/0268051042000280147
Wills, S., & McDougall, A. (2009). Reusability of online role play: Learning objects or learning designs? In L. Lockyer, S. Bennett, S. Agostinho, & B. Harper (Eds.), Handbook of Research on Learning Design and Learning Objects: Issues, Applications, and Technologies (p. ??). Information Science Reference. Retrieved from http://ro.uow.edu.au/asdpapers/96/
Ziegler, C.-N. (2013). On Recommender Systems (Vol. 487, pp. 11–20). Cham: Springer International Publishing. Retrieved from http://link.springer.com/10.1007/978-3-319-00527-0_2
