
利用線上問題導向學習網絡理解及預測表現
Mohammed Saqr, Uno Fors, Jalal Nouri
PLOS ONE
網絡設計
節點
參與四門線上問題導向學習課程的學生及導師
連結
學習平台在每門課程及小組內捕捉的有向回覆與討論互動
方法
作者計算個人中心性、小組密度及凝聚,呈現課程網絡,檢驗成績關聯,建立迴歸與分類模型,並以翌年資料評估所選預測因素。
來源: PLOS ONE
審閱摘要

研究在四門線上問題導向學習課程中,以相關及迴歸連結互動網絡與成績,再用下一年度課程資料檢查。較密集的小組互動、凝聚及連向顯著同儕均與表現相關,分類器報告93.3%準確率。 研究顯示關係特徵如何為早期支援模型增加情境,同時提醒警示應啟動協助,而非把學習者標籤為能力不足。
各課程出現中度至強度關聯,翌年驗證支持所選網絡預測因素;導師互動與成績呈負相關,可能是導師較常回應遇到困難的小組。 課程來自單一教育情境,模型使用觀察所得平台軌跡而非隨機暴露。預測準確率取決於類別比例、門檻、課程設計及未來相似度;相關與預測不能證明改變中心性會改變成績。
SNA
研究如何運用 SNA
研究把參與四門線上問題導向學習課程的學生及導師界定為節點,把學習平台在每門課程及小組內捕捉的有向回覆與討論互動界定為連結。作者計算個人中心性、小組密度及凝聚,呈現課程網絡,檢驗成績關聯,建立迴歸與分類模型,並以翌年資料評估所選預測因素。
來源
PLOS ONE, 13(9), e0203590
DOI: 10.1371/journal.pone.0203590


