Ανάλυση Αλληλεπίδρασης σε Διαδικτυακά Εκπαιδευτικά Συστήματα

Transcript

1 ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Ανάλυση Αλληλεπίδρασης σε Διαδικτυακά Εκπαιδευτικά Συστήματα Φίλιππος Δ. Γιαννακάς Επιβλέπουσες: Μαρία Γρηγοριάδου, Αναπληρώτρια Καθηγήτρια ΕΚΠΑ Κυπαρισσία Παπανικολάου, Επίκουρη Καθηγήτρια ΑΣΠΑΙΤΕ ΑΘΗΝΑ ΣΕΠΤΕΜΒΡΙΟΣ 2009

2 ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Ανάλυση Αλληλεπίδρασης σε Διαδικτυακά Εκπαιδευτικά Συστήματα Φίλιππος Δ. Γιαννακάς Α.Μ. : ΕΠΙΒΛΕΠΟΥΣΕΣ: Μαρία Γρηγοριάδου, Αναπληρώτρια Καθηγήτρια ΕΚΠΑ Κυπαρισσία Παπανικολάου, Επίκουρη Καθηγήτρια ΑΣΠΑΙΤΕ

3 ΠΕΡΙΛΗΨΗ Σκοπός αυτής της διπλωματικής εργασίας είναι να αναλύσει τα υπάρχοντα Συνεργατικά και Προσαρμοστικά διαδικτυακά εκπαιδευτικά συστήματα που πραγματοποιούν και αξιοποιούν την ανάλυση αλληλεπίδρασης μεταξύ εκπαιδευόμενων και συστήματος. Συγκεκριμένα στους στόχους της διπλωματικής εντάσσονται (α) η ανασκόπηση και αποκωδικοποίηση των τρόπων με τους οποίους συλλέγεται, αναλύεται, οπτικοποιείται και αξιοποιείται η πληροφορία αλληλεπίδρασης συστήματος-χρήστη/εκπαιδευόμενου στα διάφορα συστήματα και θεωρητικές προσεγγίσεις που έχουν προταθεί στη διεθνή βιβλιογραφία για την υποστήριξη της προσαρμογής των συστημάτων και την ενίσχυση της μαθησιακής διαδικασίας, (β) η συγκριτική παρουσίαση και αξιολόγηση των παραπάνω προτάσεων, (γ) η διαμόρφωση μιας πρότασης επέκτασης του Προσαρμοστικού Εκπαιδευτικού Συστήματος INSPIRE το οποίο στην τρέχουσα μορφή του πραγματοποιεί ανάλυση και οπτικοποίηση αλληλεπίδρασης εκπαιδευόμενου συστήματος με στόχο την ενίσχυση του αναστοχασμού και την καλλιέργεια μεταγνωστικών δεξιοτήτων. ΘΕΜΑΤΙΚΗ ΠΕΡΙΟΧΗ: Ανάλυση Αλληλεπίδρασης ΛΕΞΕΙΣ ΚΛΕΙΔΙΑ: Αλληλεπιδραστικά Εκπαιδευτικά Συστήματα, Οπτικοποίηση Ανάλυσης Αλληλεπίδρασης, Δείκτες Ανάλυσης Αλληλεπίδρασης, Προσαρμογή βάση της αλληλεπίδρασης, Τεχνολογικά Εκπαιδευτικά Συστήματα, Εργαλεία Επικοινωνίας μέσω Υπολογιστή.

4 ΑΦΙΕΡΩΣΗ Κάτι τέτοιες στιγμές αρχίζουμε όλοι να σκεφτόμαστε το ταξίδι για την δική μας Ιθάκη. Η συγκεκριμένη πτυχιακή εργασία έρχεται ως επιστέγασμα των προσπαθειών μου για την απόκτηση ενός δεύτερου πτυχίου στην Πληροφορική και τις Τηλεπικοινωνίες με σκοπό να εμπλουτίσω τις ήδη υπάρχουσες γνώσεις αλλά και να αποδείξω στον εαυτό μου ότι η γνώση δεν έχει όρια όποια στιγμή και αυτή αν επιλεχθεί να πραγματοποιηθεί. Τις δυσκολίες στιγμές που αντιμετωπίζουμε από μια τέτοια προσπάθεια, συμβιβασμού των επαγγελματικών και οικογενειακών υποχρεώσεων μας με αυτές του Πανεπιστημίου ερχόμαστε να σκεφτούμε τους ανθρώπους που μας στήριξαν σε αυτή την προσπάθεια. Οφείλω ένα μεγάλο ευχαριστώ στην υπέροχη γυναίκα μου Αλεξάνδρα που με στήριξε σε αυτή την προσπάθεια και την πανέμορφη κόρη μου Έλενα που κατά την διάρκεια των σπουδών μου ήρθε να ομορφύνει και να συμπληρώσει την ζωή μας.

5 ΕΥΧΑΡΙΣΤΙΕΣ Αρχικά θέλω να ευχαριστήσω την κυρία Παπανικολάου Κυπαρισσία, που επέβλεψε τη πτυχιακή μου εργασία και συνέβαλε στα μέγιστα για την ολοκλήρωσή της. Μου παρείχε υποστήριξη και άψογη κατεύθυνση μέσα από την εμπειρία που διαθέτει σε αυτό το επιστημονικό πεδίο σε όποια χρονική στιγμή και εάν αυτή απαιτήθηκε από εμένα προσωπικά. Την ευχαριστώ επίσης γιατί πραγματικά είναι ένας απλός και ευγενής άνθρωπος και αποτελεί παράδειγμα αφοσιωμένου επιστήμονα, όντας διαθέσιμη ανά πάσα στιγμή για συνεργασία και παροχή βοήθειας. Ευχαριστώ την κυρία Γρηγοριάδου Μαρία που μου έδωσε την δυνατότητα να επιλέξω και να πραγματοποιήσω την συγκεκριμένη πτυχιακή εργασία. Οφείλω να επισημάνω ότι το επιστημονικό της έργο αποτέλεσε για μένα σημαντικό υλικό αναφοράς και πηγή έμπνευσης. Θα ήθελα επίσης να ευχαριστήσω κάποιους ανθρώπους που πραγματικά τους θεωρώ στολίδια του επιστημονικού χώρου διότι κατά την διάρκεια της επικοινωνίας μου μέσω μαζί τους, για την παροχή πληροφοριών δεν μου την αρνήθηκαν αλλά αντιθέτως με εξέπληξαν με την άμεση απάντησή τους και την άρτια κατεύθυνσης που μου παρείχαν σε ένα δύσκολο για εμένα επιστημονικό πεδίο. Σε αυτούς ανήκουν οι Κόμης Βασίλιος, Μπράτιτσης Θαρρενός, Νταραντούμης Θανάσης, Τριανταφύλλου Βαγγέλης, Christian Glahn, Christian Mercat, Diego Zapata- Rivera, Oliver Scheuer. Σας ευχαριστώ θερμά όλους

6 ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ... 8 ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ Τεχνολογικά εκπαιδευτικά περιβάλλοντα Ανάλυση Αλληλεπιδράσεων (Interaction Analysis) ΚΕΦΑΛΑΙΟ ΑΥΤΟΜΑΤΟΠΟΙΗΜΕΝΗ ΑΝΑΛΥΣΗ ΑΛΛΗΛΕΠΙΔΡΑΣΗΣ Καθορισμός φάσεων ΙΑ (Interaction Analysis) Πλαίσιο δεικτών ανάλυσης αλληλεπίδρασης Ορισμός δείκτη ΙΑ Ιδιότητες Τύποι δεικτών ΙΑ Σημαντικές ερμηνευτικές τιμές και ερμηνευτικά σχήματα δεικτών Σκοπός των ΙΑ δεικτών ΙΑ δείκτες γνωστικού σκοπού ΙΑ δείκτες κοινωνικού σκοπού ΙΑ δείκτες συναισθηματικού σκοπού Άποψη των ΙΑ δεικτών Μορφές οπτικοποίησης ΙΑ δεικτών Επίπεδο βοήθειας των ΙΑ δεικτών Παραλλαγές δεικτών ΙΑ και συνδυασμός δεικτών με σκοπό την οπτικοποίηση.. 49 ΚΕΦΑΛΑΙΟ ΕΡΓΑΛΕΙΑ ΙΑ & ΒΑΣΙΚΟΙ ΔΕΙΚΤΕΣ Σύστημα D.I.A.S. (Discussion Interaction Analysis System) Αρχιτεκτονική συστήματος Δείκτες ανάλυσης αλληλεπίδρασης Κατηγοριοποίηση δεικτών Ερμηνεία δεικτών - Ερμηνευτικά σχήματα Ερμηνευτικές προσεγγίσεις μεμονωμένων δεικτών Σύστημα ActiveMath (Active Mathematics) Περιβάλλον μάθησης ActiveMath (Active Mathematics) Σύστημα καταγραφής ενεργειών (Action Logging Component) Σύστημα ανάλυσης ενεργειών (Action Analysis Component) Άποψη Σύστημα Synergo ModellingSpace Synergo Μοντελοποίηση της αλληλεπίδρασης Η μεθοδολογία ανάλυσης Οι ποσοτικοί δείκτες καταγραφής της αλληλεπίδρασης Η διαδικασία ανάλυσης περιεχομένου Τα εργαλεία ανάλυσης Ανάλυση με μονάδα ανάλυσης ολόκληρη την τάξη Φίλιππος Δ. Γιαννακάς 6

7 Ανάλυση με μονάδα ανάλυσης την ομάδα Δημιουργία του πλαισίου ανάλυσης Παραγωγή πρωτογενών στατιστικών και αναπαραστάσεων Αναπαραγωγή της δραστηριότητας Ποιοτική ανάλυση - χαρακτηρισμός του διαλόγου Σύστημα VisNet VisMod VisNet ViSMod (Visualizing and Inspecting Bayesian Student Models) Υποστηρίζοντας «συνεννοήσιμες» κατατάξεις και αντιδράσεις Σύστημα ColAT (Collaboration Analysis Toolkit) Δημιουργία πολυεπίπεδων όψεων (ιεραρχική δομή της δραστηριότητας) Δημιουργία τυπολογίων συμβάντων (ερμηνευτική προσέγγιση) Παρακολούθηση της συνεργατικής δραστηριότητας Καταγραφή δεδομένων Καταγραφή βίντεο Παραγωγή καταχωρήσεων για αρχεία καταγραφής υψηλού επιπέδου Σύστημα CourseVis Παραδείγματα γραφικών αναπαραστάσεων Παράδειγμα οπτικοποίησης κοινωνικής πλευράς Παράδειγμα οπτικοποίησης γνωστικής πλευράς Παράδειγμα οπτικοποίησης συμπεριφοριστικής πλευράς Σύστημα GISMO (Graphical Interactive Student Monitoring System) Γραφικές αναπαραστάσεις Γραφήματα πρόσβασης των μαθητών στο υλικό μάθησης Γραφήματα Πηγών Γραφήματα συζητήσεων Γραφήματα κατατάξεων και εξετάσεων (quizzes) Σύστημα Comtella Σύστημα Chat Circles Σύστημα Loom Σύστημα i-tree Σύστημα i-bee Σύστημα team.space ΚΕΦΑΛΑΙΟ ΣΥΓΚΡΙΣΗ ΠΡΟΣΕΓΓΙΣΕΩΝ & ΠΡΟΤΑΣΗ ΕΠΕΚΤΑΣΗΣ INSPIRE Σύγκριση τεχνολογικών περιβαλλόντων Ανάλυση στοιχείων σύγκρισης Αποτελέσματα σύγκρισης Σύστημα INSPIRE Τρέχουσα Ανάλυση αλληλεπίδρασης Τρέχουσα Προσαρμογή Μελέτη επέκτασης δεικτών οπτικοποίησης ΣΥΜΠΕΡΑΣΜΑΤΑ ΑΚΡΩΝΥΜΙΑ ΑΝΑΦΟΡΕΣ Φίλιππος Δ. Γιαννακάς 7

8 ΠΡΟΛΟΓΟΣ Τα Εργαλεία Επικοινωνίας μέσω Υπολογιστή (Computer Mediated Communication tools CMC) είναι εκείνα που χρησιμοποιούνται σήμερα σε εκπαιδευτικά ή εργασιακά πλαίσια. Στα πλαίσια αυτά έχουν αναπτυχθεί Τεχνολογικά Εκπαιδευτικά Περιβάλλοντα (Technology Based Learning Environments) που απευθύνονται τόσο στο μαθητή ατομικά, όσο και σε ομάδες μαθητών, συνεργατικά. Οι προσεγγίσεις αυτές βρίσκουν εφαρμογή μέσα από τη Συνεργατική Μάθηση και ειδικότερα τη Συνεργατική Μάθηση μέσω Υπολογιστών (Computer Supported Collaborative Learning CSCL). Τα τελευταία χρόνια, η έρευνα στρέφεται προς την εξεύρεση μεθόδων για την ανάπτυξη και υποστήριξη της «Κριτικής Σκέψης», μέσω των αλληλεπιδράσεων που λαμβάνουν χώρα, μέσω των παρεχόμενων δραστηριοτήτων από τα συστήματα αυτά, για την οικοδόμηση μάθησης υψηλής ποιότητας καθώς σε αυτά τα συστήματα γίνεται ιδιαιτέρως αντιληπτή η έλλειψη του καθοδηγητή επιβλέποντα καθηγητή, από τα σημαντικότερα πλεονέκτημα στην κατά πρόσωπο διδασκαλία που πραγματικά αποτελεί σημείο αναφοράς στην οικοδόμηση ποιοτικής μάθησης. Φίλιππος Δ. Γιαννακάς 8

9 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 1.1. Τεχνολογικά εκπαιδευτικά περιβάλλοντα Η σύγκλιση των τριών και διακριτών μέχρι πρόσφατα τεχνολογιών, της πληροφορικής, των τηλεπικοινωνιών και των οπτικοακουστικών μέσων, σε ένα πρακτικώς ενιαίο πλέον σύστημα, έχει επιφέρει καταλυτικές αλλαγές στη διαχείριση κάθε μορφής πληροφορίας. Οι αλλαγές αυτές άπτονται τόσο της επεξεργασίας όσο και της μετάδοσης της πληροφορίας, και καθιστούν εφικτή την αλληλεπίδραση και την επικοινωνία ανάμεσα σε ανθρώπους και συστήματα σε κάθε γωνιά του πλανήτη μας. Τα τελευταία χρόνια όλο και περισσότερο απομακρυνόμαστε από τη λογική του υπολογιστή ως μεμονωμένη θέση εργασίας για ατομικές εργασιακές ή/και μαθησιακές χρήσεις, και προσανατολιζόμαστε, σταδιακά, προς τη λογική της χρήσης συστημάτων μέρος των οποίων είναι ο "δικτυωμένος υπολογιστής" και άλλες τεχνολογικές συσκευές (συνήθως ασύρματες, όπως κινητά τηλέφωνα τρίτης γενιάς, προσωπικοί οργανωτές, κλπ), που επικοινωνούν μεταξύ τους ανταλλάσσοντας δεδομένα. Πρόκειται για συστήματα που επιτρέπουν την αναζήτηση πληροφοριών από ποικίλες πηγές, την κοινωνική αλληλεπίδραση και την ανθρώπινη συνεργασία στο πλαίσιο διευρυμένων κοινοτήτων με κοινά ενδιαφέροντα και πρακτικές. Από την άλλη πλευρά η συνεχόμενη αλματώδης ανάπτυξη των δικτύων (κυρίως του Internet) και των εφαρμογών του, κατά την τελευταία δεκαετία είχε σαν αποτέλεσμα οι υπολογιστές να χρησιμοποιούνται από μεγάλο μέρος του πληθυσμού κυρίως σαν «μέσο» για μεταφορά, αποθήκευση και κατανομή των μηνυμάτων τους καθώς και για αναζήτηση πληροφοριών. Οι τεχνολογικές εξελίξεις ώθησαν ερευνητές και εκπαιδευτικούς να αναζητήσουν και να διερευνήσουν ουσιαστικούς τρόπους αξιοποίησης του διαδικτύου, και μέσα από τη διαδικασία αυτή, να επεκτείνουν τις αντιλήψεις τους για τη μάθηση, καθώς και για το σχεδιασμό των περιβαλλόντων μάθησης. Ταυτόχρονα, οι ασύρματες επικοινωνίες, τα σύγχρονα κινητά τηλέφωνα, οι φορητοί υπολογιστές και οι υπολογιστές παλάμης αλλάζουν άρδην το τοπίο της ανθρώπινης αλληλεπίδρασης, και φαίνεται ότι θα επηρεάσουν σημαντικά την Φίλιππος Δ. Γιαννακάς 9

10 επικοινωνία και τη συνεργασία μέσω υπολογιστή τα επόμενα χρόνια. Η πιο σημαντική συνεισφορά των νέων αυτών τεχνολογιών έγκειται στη φορητότητα (που τις κάνει μεταφέρσιμες και λειτουργικές παντού) και στη συνδεσιμότητα (που τις καθιστά ικανές να ανταλλάσσουν δεδομένα μεταξύ τους). Τα Εργαλεία Επικοινωνίας μέσω Υπολογιστή (Computer Mediated Communication tools CMC) εκμεταλλεύτηκαν τα παραπάνω χαρακτηριστικά και σήμερα χρησιμοποιούνται σε εκπαιδευτικά ή εργασιακά πλαίσια. Στα πλαίσια αυτά έχουν αναπτυχθεί Τεχνολογικά Εκπαιδευτικά Περιβάλλοντα (Technology Based Learning Environments) που απευθύνονται τόσο στο μαθητή ατομικά, όσο και σε ομάδες μαθητών, συνεργατικά. Οι προσεγγίσεις αυτές βρίσκουν εφαρμογή μέσα από τη Συνεργατική Μάθηση και ειδικότερα τη Συνεργατική Μάθηση μέσω Υπολογιστών (Computer Supported Collaborative Learning CSCL). Πρόκειται για μια κατηγορία διδακτικών προσεγγίσεων που περιλαμβάνει όλες εκείνες τις καταστάσεις όπου δύο ή περισσότερα άτομα που σχηματίζουν μια ομάδα, προσπαθούν να μάθουν, να κατακτήσουν μαζί ένα μαθησιακό στόχο (επίλυση ενός προβλήματος, κατασκευή ενός τεχνουργήματος, ανταλλαγή εμπειριών και απόψεων, κλπ). Παράλληλα, η αλληλεπίδραση μεταξύ τους ευνοεί την ανάπτυξη θετικών κοινωνικών στάσεων και δεξιοτήτων. Κάτι τέτοιο προϋποθέτει συχνή επικοινωνία μεταξύ των συμμετεχόντων (μαθητών, αλλά και καθηγητή) Τα τελευταία χρόνια, η έρευνα στρέφεται προς την εξεύρεση μεθόδων για την ανάπτυξη και υποστήριξη της «Κριτικής Σκέψης», μέσω των αλληλεπιδράσεων που λαμβάνουν χώρα, μέσω των παρεχόμενων δραστηριοτήτων από τα συστήματα αυτά, για την οικοδόμηση μάθησης υψηλής ποιότητας. Ως αποτέλεσμα όλων των παραπάνω και της εξέλιξης που υπήρξε αναπτύχθηκαν ειδικά εργαλεία υλοποίησης που ενσωματώνουν υποστηρικτικά εργαλεία και τα οποία προσπαθούν να επιτύχουν τους παραπάνω στόχους εφαρμόζοντας τεχνικές Αυτοματοποιημένης Ανάλυσης Αλληλεπιδράσεων (Computer based Interaction Analysis - IA), στηριζόμενα σε ποσοτικά δεδομένα που αφορούν στη δράση των συμμετεχόντων. Φίλιππος Δ. Γιαννακάς 10

11 Η Ανάλυση Αλληλεπιδράσεων είναι ένα πρόσφατα εμφανιζόμενο ερευνητικό πεδίο, του οποίου η ανάγκη ύπαρξης προκύπτει από την πολυπλοκότητα των αλληλεπιδράσεων που λαμβάνουν χώρα στα συνεργατικά περιβάλλοντα μάθησης. Τα αποτελέσματα της ανάλυσης αλληλεπιδράσεων παρουσιάζονται απευθείας στους συμμετέχοντες σε τεχνολογικά υποστηριζόμενες εκπαιδευτικές δραστηριότητες, με κατάλληλη μορφή (γραφική, αριθμητική, λεκτική) και εύκολα ερμηνεύσιμη. Επιπλέον, τα αποτελέσματα αυτά παρουσιάζονται και στους παρατηρητές τέτοιων δραστηριοτήτων, βοηθώντας τους να αναλύσουν τα πολύπλοκα φαινόμενα (γνωστικά και κοινωνικά) που ενδεχομένως να εμφανίζονται κατά τη διάρκειά τους. Αυτή η προσέγγιση μπορεί να οδηγήσει στην κατασκευή ευέλικτων εργαλείων (δεικτών ανάλυσης αλληλεπίδρασης), τα οποία σε εκπαιδευτικά πλαίσια υποστηρίζουν άμεσα τους συμμετέχοντες στις εκπαιδευτικές δραστηριότητες, αλλά και τους παρατηρητές αυτών, σε τρία κύρια επίπεδα: επίγνωση, μεταγνώση και αποτίμηση. [22] [72] [86] 1.2. Ανάλυση Αλληλεπιδράσεων (Interaction Analysis) Για να μπορέσουμε να αναζητήσουμε και να μελετήσουμε αυτά τα εκπαιδευτικά συστήματα μέσω υπολογιστή που πραγματοποιούν ανάλυση αλληλεπιδράσεων θα πρέπει να δούμε τι ονομάζουμε «Ανάλυση Αλληλεπιδράσεων» και κατ επέκταση «Αυτοματοποιημένη Ανάλυση Αλληλεπιδράσεων μέσω Υπολογιστή» και να απαντήσουμε στο ερώτημα γιατί χρειαζόμαστε την ανάλυση αλληλεπίδρασης. Η Αυτοματοποιημένη Ανάλυση Αλληλεπιδράσεων μέσω Υπολογιστή (Computer Based Interaction Analysis) που παρέχει πληροφορίες απευθείας στους χρήστες (μαθητές, καθηγητές, ερευνητές) με σκοπό να αυτό-αξιολογήσουν τις δραστηριότητές τους, είναι μια νέα τάση που επικρατεί στη διεθνή επιστημονική κοινότητα τα τελευταία χρόνια. Σκοπό έχει την υποστήριξη χρηστών με διαφορετικό προφίλ ή ρόλο σε μια εκπαιδευτική δραστηριότητα, κατά τη διάρκεια αυτής (ανεξάρτητα αν είναι συνεργατική ή αφορά το άτομο), μέσω της κατασκευής εργαλείων ανάλυσης αλληλεπίδρασης (εργαλείων ΙΑ). Έτσι μπορεί να υποστηρίξει μαθητές στο επίπεδο της επίγνωσης για τη συνολική δραστηριότητα, δική τους ή/και των συνεργατών τους, τρέχουσας και Φίλιππος Δ. Γιαννακάς 11

12 παρελθούσας, παρουσιάζοντας τις πληροφορίες σε αριθμητική, γραφική ή λεκτική μορφή, όπως φαίνεται στην εικόνα 1. Εδώ έρχεται και η απάντηση στο ερώτημα γιατί χρειαζόμαστε την ανάλυση αλληλεπίδρασης. Η παραπάνω διαδικασία τους παρέχει τη δυνατότητα, να αναστοχαστούν, ατομικά ή ομαδικά, σε γνωστικό και μεταγνωστικό επίπεδο, αξιολογώντας την πορεία της δραστηριότητας και ενδεχόμενα τη συνεισφορά του κάθε μέλους στην περίπτωση συνεργατικών δραστηριοτήτων. Το αποτέλεσμα του αναστοχασμού, μπορεί να οδηγήσει στην αυτορρύθμιση των ενεργειών τους, ως άτομα ή/και ως ομάδες, αποσκοπώντας στη βελτίωση της ποιότητας του τελικού παραγόμενου έργου ή/και τη βελτίωση της ποιότητας της συνεργασίας. Ακόμα μπορεί να υποστηρίξει τον καθηγητή ερευνητή σε επίπεδο διάγνωσης, αξιολόγησης και τελικά προσαρμογής της εκπαιδευτικής στρατηγικής του, ανάλογα με τις ανάγκες του μαθητικού κοινού. Η ανάγκη ύπαρξης και ανάπτυξής του πεδίου αυτού προκύπτει από την πολυπλοκότητα των αλληλεπιδράσεων που λαμβάνουν χώρα σε τεχνολογικά υποστηριζόμενα περιβάλλοντα μάθησης (συνεργατικά κυρίως), η οποία είναι αυξημένη σε σύγκριση με την κατά πρόσωπο διδασκαλία. Η μεταγνώση, την οποία καλείται να υποστηρίξει στις περιπτώσεις αυτές χρησιμοποιείται διττά ως έννοια και δεν αφορά μόνο τη γνώση που έχει ο μαθητής για τις νοητικές του διεργασίες, αλλά και τη ρύθμιση και τον έλεγχο των ενεργειών του. Οι μαθητές δυσκολεύονται να σχηματίζουν εικόνα για την ατομική δραστηριότητά τους, αλλά και για τη δραστηριότητα των συνεργατών τους, σε επίπεδο ομάδας ή και ολόκληρης κοινότητας μάθησης (σύνολο επιμέρους ομάδων), με άμεση επίπτωση στο κίνητρο για τη βελτίωση της συμμετοχής τους. Για τον έλεγχο των ενεργειών τους, όλοι οι χρήστες ακολουθούν στρατηγικές ελέγχου, παρακολούθησης και ρύθμισης, στις οποίες το πεδίο της ανάλυσης αλληλεπιδράσεων μπορεί να έχει σημαντική συνεισφορά. Φίλιππος Δ. Γιαννακάς 12

13 Εικόνα 1: Προφίλ και ρόλοι χρηστών εργαλείων Ανάλυσης Αλληλεπίδρασης Εν το μεταξύ, παρατηρείται ότι οι διδάσκοντες αντιμετωπίζουν περισσότερες δυσκολίες στο να διαχειριστούν και να συντονίσουν συνεργατικές δραστηριότητες, όταν αυτές υλοποιούνται μέσα από τεχνολογικά υποστηριζόμενα περιβάλλοντα, ιδιαιτέρως όταν εργάζονται παράλληλα ομάδες με διαφορετικές γνωστικές δομές. [24] [26] [39] [40] [41] [71] [86] Φίλιππος Δ. Γιαννακάς 13

14 ΚΕΦΑΛΑΙΟ 2 ΑΥΤΟΜΑΤΟΠΟΙΗΜΕΝΗ ΑΝΑΛΥΣΗ ΑΛΛΗΛΕΠΙΔΡΑΣΗΣ 2.1. Καθορισμός φάσεων ΙΑ (Interaction Analysis) Για να υπάρχει καλύτερη εικόνα σχετικά με την διαδικασία της Αυτοματοποιημένης Ανάλυσης Αλληλεπιδράσεων μέσω Υπολογιστή, θα πρέπει να αναφέρουμε σύντομα τις φάσεις από τις οποίες αποτελείται η συγκεκριμένη διαδικασία (εικόνα 1). Οι μαθητές αλληλεπιδρούν με τα τεχνολογικά αλληλεπιδραστικά εκπαιδευτικά περιβάλλοντα. Σε διαφορετικές στιγμές της διαδικασίας μάθησης, μπορούν να αλληλεπιδρούν με το περιβάλλον ατομικά ή ομαδικά μορφοποιώντας ποικίλα γνωστικά συστήματα. Επιπροσθέτως, ο καθηγητής μπορεί να παρέμβει ή απλά να επιβλέπει την όλη συνεργατική διαδικασία. Για να υπάρξει ανάλυση της αλληλεπίδρασης των συμμετεχόντων : Επιλέγονται τα δεδομένα (επιλογή δεδομένων ή φιλτράρισμα δεδομένων), από τις διαθέσιμες πηγές δεδομένων Κατά την διάρκεια της αλληλεπίδρασης, δυο τύποι δεδομένων αλληλεπίδρασης μπορούν να συλλεχθούν : (α) το συνεργατικό προϊόν της αλληλεπίδρασης (η τελική μορφή και οι διαδοχικές στιγμές αυτού του προϊόντος, κατά την διάρκεια της αλληλεπίδρασης) (β) ενέργειες του/των μαθητή(ων) που έχουν καταγραφεί στο αρχείο πιστοποιηθέντων του περιβάλλοντος, καταγράφοντας την όλη διαδικασία αλληλεπίδρασης Τα επιλεγμένα δεδομένα συναθροίζονται από διαφορετικές μεθόδους επεξεργασίας δεδομένων. Σε μερικές περιπτώσεις απαιτείται μια διαδικασία προ-επεξεργασίας (π.χ μετασχηματισμοί των διαθέσιμων βάσεων δεδομένων σε κατάλληλη μορφή), έτσι ώστε να προετοιμάσουν τα δεδομένα σε κατάλληλη μορφή (π.χ απαιτείται από κάποιους συγκεκριμένους αλγόριθμους). Φίλιππος Δ. Γιαννακάς 14

15 Η εφαρμογή των «μεθόδων επεξεργασίας δεδομένων» παράγει συνήθως έναν ή περισσότερους δείκτες (indicators) (συνήθως δείκτες χαμηλού επιπέδου), όπως επίσης ένα ή περισσότερους σύνθετους από παραγωγή (υψηλού επιπέδου δείκτες). Οι δείκτες ΙΑ περιλαμβάνουν μεταβλητές που δείχνουν «κάτι» σχετικό με την μέθοδο ή την ποιότητα των επιμέρους δραστηριοτήτων (π.χ στοιχεία τα οποία αυτός/αυτή άλλαξαν, σειρά σημαντικών λειτουργιών, κτλ.), την μέθοδο ή την ποιότητα της συνεργασίας (π.χ. κατατεμαχισμός εργασιών, βαθμός συμμετοχής, κατηγορίες συγκεκριμένων συμμετοχών), την διαδικασία ποιότητας του προϊόντος συνεργασίας. Εικόνα 1 : Βασικά στάδια επεξεργασίας εργαλείου Ανάλυσης Αλληλεπίδρασης Φίλιππος Δ. Γιαννακάς 15

16 Στην διεπαφή του εργαλείου ΙΑ, το ΙΑ εργαλείο χρήστη μπορεί να επιβλέπει ή ακόμα και να χειρίζεται τις εξαγόμενες τιμές των δεικτών ΙΑ. Λαμβάνοντας υπόψη την παρουσίαση των τιμών των δεικτών αλληλεπίδρασης στους χρήστες : (α) Οι τιμές αυτών των δεικτών μπορούν να ανακοινωθούν απευθείας στους χρήστες μέσω μιας συγκεκριμένης διεπαφής. Η αναπαράσταση των τιμών συνήθως παίρνει μια συγκεκριμένη μορφή : Βασισμένη σε κείμενο, αριθμητική ή διαγραμματική απεικόνιση. (β) Σε μερικές περιπτώσεις, τα συστήματα ενσωματώνουν μια κατάταξη των τιμών των δεικτών (μέσω μηχανισμών βαθμονόμησης (calibration) βάση συγκεκριμένων κριτηρίων (norms)), καθορισμένη σε συγκεκριμένο περιεχόμενο της αλληλεπίδρασης (π.χ αναπαράσταση των περιοχών «θετικών» και «αρνητικών» τιμών). (γ) Σε άλλες περιπτώσεις, τα συστήματα μεταφράζουν το νόημα των τιμών των δεικτών, συγκρίνοντας αυτά με εσωτερικά κατάλληλα ή ακόμα με ιδανικά μοντέλα (απαιτούμενη κατάσταση αλληλεπίδρασης) και γι αυτό προχωρούν στην παραγωγή ιδικών μηνυμάτων πληροφόρησης των μαθητών για το τι πρέπει να κάνουν. Στην τελευταία αυτή περίπτωση, παράγεται ένα σύστημα καθοδήγησης (με κατεύθυνσης κυρίως προς τους μαθητές). Όταν το εργαλείο ΙΑ είναι παραμετροποιήσιμο από τον κάθε χρήστη (π.χ καθηγητές ή ενήλικες μαθητές), μπορεί να τους επιτρέπει, μέσω της διεπαφής του εργαλείου ΙΑ, να εισάγουν κατάλληλες τιμές για : i) τους δείκτες που επιθυμούν να εποπτεύουν, ii) τα κριτήρια (norms) κάποιων δεικτών, iii) ή ακόμα το επιθυμητό μοντέλο των αναφορών εάν χρειάζεται (π.χ στην παραπάνω περίπτωση (γ)) Πρέπει να σημειωθεί ότι η έξοδος του εργαλείου ΙΑ, μπορεί να οπτικοποιηθεί ακόμα και μέσα στην διεπαφή του περιβάλλοντος μάθησης, στην περίπτωση που είναι Φίλιππος Δ. Γιαννακάς 16

17 χρήσιμο κατά την διάρκεια της αλληλεπίδρασης (π.χ. δείκτες που υποστηρίζουν την ενημέρωση σε κοινωνικά λογισμικά) Τέλος, η έξοδος του εργαλείου ΙΑ μπορεί να περιλαμβάνει μόνο πληροφορίες κάποιων φάσεων της αλληλεπίδρασης, ή μια ποιο πλήρη και σχετική πληροφορία, που περιλαμβάνει την κατάσταση του μοντέλου αλληλεπίδρασης. Το όλο σύστημα το οποίο επιλέγει τα «χρήσιμα» δεδομένα και τα κατατάσσει μέσω μεθόδων επεξεργασία, παράγοντας δείκτες και ακόμα αναπτύσσοντας κατάλληλες μορφές μηνυμάτων, μπορεί να περιλαμβάνει ένα ξεχωριστό εργαλείο ανάλυσης αλληλεπίδρασης, ή να είναι ένα κομμάτι του λογισμικού / κώδικα της ανάλυσης αλληλεπίδρασης μέσα στο περιβάλλον εκμάθησης. Εικόνα 2 : Πυρήνας χαρακτηριστικών εργαλείου ανάλυσης αλληλεπίδρασης Φίλιππος Δ. Γιαννακάς 17

18 Μπορούμε να θεωρήσουμε ότι τα πολύ βασικά και κύρια χαρακτηριστικά του εργαλείου ΙΑ είναι τα παρακάτω (εικόνα 2): (α) οι χρήστες που θεωρούνται από κάθε σχεδιαστή, (β) οι τύποι των δεδομένων εισόδου που μπορούν να ληφθούν, (γ) οι τύποι των δεικτών ΙΑ που υπολογίζονται ως έξοδοι και (δ) η κλίμακα της κάθε εγκυρότητας. [24] [25] 2.2. Πλαίσιο δεικτών ανάλυσης αλληλεπίδρασης Οι δείκτες παίζουν ένα κεντρικό και σημαντικό ρόλο σε αυτό που προσφέρουν τα εργαλεία ΙΑ. Για αυτό τον σκοπό και με στόχο να προχωρήσουμε σε αυτό που ονομάζουμε έργο τέχνης στην ανάλυση, είναι απαραίτητο να εγκαταστήσουμε ένα λεπτομερές πλαίσιο εργασίας της ανάλυσης. Αυτό αρχικά αναπτύχθηκε στο έγγραφο. [24] [25] Ορισμός δείκτη ΙΑ Οι μαθητές αλληλεπιδρούν με τεχνολογικά εκπαιδευτικά περιβάλλοντα, σε μοντέλα συνεργατικά η ατομικά. Έτσι, οι μαθητές μπορούν να αλληλεπιδρούν μεμονωμένα με το περιβάλλον ή ομαδικά, μορφοποιώντας διάφορα γνωστικά συστήματα. Κατά την διάρκεια της αλληλεπίδρασης, δυο τύποι δεδομένων αλληλεπίδρασης μπορούν να συλλεχθούν : 1) Το ατομικό ή ομαδικό προϊόν (η τελική μορφή ή τα πιθανά ενδιάμεσα στοιχεία αυτού του προϊόντος κατά την διάρκεια της αλληλεπίδρασης) 2) Οι ενέργειες των χρηστών μέσα στο αρχείο καταγραφών του περιβάλλοντος μάθησης Βάση αυτών των δεδομένων αλληλεπίδρασης, η εφαρμογή των «μεθόδων επεξεργασίας δεδομένων» μπορεί να παράγει έναν αριθμό από δείκτες ΙΑ. Αυτοί οι δείκτες αποτελούνται από μεταβλητές που περιγράφουν «κάτι» σχετικό με : 1) το στυλ ή την διαδικασία ή την «ποιότητα» της υπό μελέτη δραστηριότητας του «γνωστικού συστήματος» (επεξεργασία σχετιζόμενη με την εργασία ή την ποιότητα) 2) τα χαρακτηριστικά ή την ποιότητα του προϊόντος αλληλεπίδρασης Φίλιππος Δ. Γιαννακάς 18

19 3) το στυλ, την διαδικασία ή την ποιότητα της συνεργασίας, όταν ενεργούμε σε πλαίσιο κοινωνικού περιεχομένου μέσω τεχνολογικών περιβαλλόντων μάθησης. Σημειώστε ότι ο απώτερος στόχος της αλληλεπίδρασης μέσω του περιβάλλοντος μάθησης είναι να πετύχουμε : 1) μια καλύτερη διαδικασία δραστηριότητας 2) καλύτερο προϊόν δραστηριότητας 3) καλύτερη συνεργασία που μπορεί να έχει καλύτερα αποτέλεσμα μάθησης Οι χρήστες των δεικτών ΙΑ μπορεί να είναι οι μαθητές, οι καθηγητές, ο διαχειριστής της πλατφόρμας, το σύστημα ή οι ερευνητές (επιτηρητές). Σε αυτή την εργασία μας ενδιαφέρει το πώς η ανάλυση αλληλεπίδρασης μπορεί να υποστηρίξει την διαδικασία μάθησης των συμμετεχόντων. Για τον λόγω αυτό επικεντρωνόμαστε στους μαθητές και στους καθηγητές. Σε αυτή την ιδανική κατάσταση, για κάθε σύνοδο αλληλεπίδρασης, ένας αριθμός συμπληρωματικών δεικτών μπορούν να παραχθούν. Αυτοί οι δείκτες μπορούν να μορφοποιήσουν ένα ενδεχόμενο «μοντέλο αλληλεπίδρασης (model of interaction)». Αυτό το μοντέλο μια συμπληρωματική κατασκευή, μια εννοιολογική κατανόηση της διαδικασία που λαμβάνει ή λάμβανε μέρος. Αυτό το μοντέλο μπορεί να έχει τρία στοιχεία : 1) ένα σετ από ονόματα των χρηστών που αλληλεπιδρούν και των μέσων που χρησιμοποιούν 2) ένα σετ από περιγραφικούς δείκτες (μεταβλητές) που αναπαριστούν τις «πλευρές» της αλληλεπίδρασης 3) μια επεξήγηση, σχετική με όλους τους διαθέσιμους περιγραφικούς δείκτες Φίλιππος Δ. Γιαννακάς 19

20 Ιδιότητες Τύποι δεικτών ΙΑ Δείκτης εννοιών (Indicator concept) : Κάθε ανάλυση αλληλεπίδρασης χαρακτηρίζεται από την βασική της «έννοια (conncept)» (εικόνα 3) : την πλευρά της αλληλεπίδρασης που αναπαριστά (π.χ διαχωρισμό εργασίας, ένταση συνεργασίας, βαθμός συμμετοχής κτλ) Δείκτης σκοπού (Indicator Purpose): Ο γενικός σκοπός του δείκτη μπορεί περιγράφεται ως γνωστικός, κοινωνικός ή ακόμα και ως συναισθηματικός. Πρέπει επίσης αν είναι περαιτέρω κατατοπιστικός γα το πότε ένας δείκτης μπορεί να συμβάλει στην προάσπιση της ενημέρωσης - επίγνωσης, κατάταξης ή αξιολόγησης. Σημειώστε ότι ο στόχος του δείκτη είναι άμεσα σχετιζόμενος με την έννοια του δείκτη. Η πιθανή αξιοποίηση του δείκτη από τον χρήστη (μαθητή ή καθηγητή) μπορεί να σχετίζεται με διαφορετικές απόψεις : Ένας καθηγητής μπορεί να αξιοποιήσει την ίδια πληροφορία (π.χ κοινωνικό δείκτη για ενημέρωση - επίγνωση την ενεργειών σε μια ομάδα) για τις παρεμβολές στην συνεργασία αλλά επίσης και για διοικητικούς σκοπούς (π.χ αυτός ή αυτή μπορεί να επιλέξει να αλλάξει τα μέλη της ομάδος). Δείκτη τιμής (Indicator values) : Ο δείκτης παίρνει τιμές. Η μορφή της τιμής είναι μια σημαντική ιδιότητα. Η κατάσταση της τιμής αναφέρεται στο πότε η έξοδος της ανάλυσης αλληλεπίδρασης δίνει μόνο μια τιμή, μια βαθμονομημένη τιμή ή μια επεξηγηματική τιμή. Πεδίο εγκυρότητας (Validity field) : Το πεδίο εγκυρότητας του κάθε δείκτη πρέπει να ερευνηθεί και να καθοριστεί διεξοδικά, όπως επίσης και τα όρια αυτής της εγκυρότητας. Για να οριστεί αυτό το πεδίο εγκυρότητας, ο τύπος του περιβάλλοντος μάθησης, το περιεχόμενο της δραστηριότητας, θα πρέπει να ληφθεί υπόψη το προφίλ των συμμετεχόντων στην μάθηση καθώς και οι εν δυνάμει χρήστες. Συμμετέχοντες στο τεχνολογικό περιβάλλον μάθησης (Participants of a technology based Learning Environment) : Ένας δείκτης αναφέρεται σε ένα συμμετέχοντα στο τεχνολογικό περιβάλλον μάθησης (Learning Environment LE). Αυτοί οι συμμετέχοντες μπορεί να είναι μαθητές, ομάδες μαθητών, μια ποιο ευρύ εικονική κοινότητα ή καθηγητές. Δείκτης ανάλυσης αλληλεπίδρασης μελλοντικών χρηστών (Interaction Analysis Indicators (IAI) Intended Users) : Ένας δείκτης χρησιμοποιείται από τους χρήστες ανάλυσης αλληλεπίδρασης δεικτών. Αυτοί περιλαμβάνουν τους συμμετέχοντες Φίλιππος Δ. Γιαννακάς 20

21 της δραστηριότητας μάθησης (π.χ. ατομικοί μαθητές, μαθητές σε ομάδες, μια ολόκληρη κοινότητα μαθητών ή καθηγητή), όπως επίσης και περιστασιακούς παρατηρητές της δραστηριότητας (καθηγητή, διαχειριστή, ερευνητή). Πρέπει να σημειωθεί ότι ακόμα και ένα η έννοια του δείκτη είναι ίδια, η μορφή των τιμών ή η κατάσταση μπορεί να διαφέρει εξαρτώμενη από τους μελλοντικούς χρήστες. Πρέπει να διευκρινιστεί ότι ο καθηγητής μπορεί να συμμετέχει στην διαδικασία της αλληλεπίδρασης (π.χ. όταν αυτός/αυτή επιβλέπει μια σύγχρονη συνεργασία). Σε αυτή την περίπτωση, συγκεκριμένοι δείκτες του ρόλου του καθηγητή μπορεί να είναι διαθέσιμοι σε αυτή ή αυτόν. Χρόνος χρήσης του δείκτη ΙΑ (Time of use IA Indicator): Υπάρχουν δυο γενικές περιπτώσεις ως προς τον χρόνο χρήσης ενός εξαγόμενου ΙΑ δείκτη από τον χρήστη του ΙΑ εργαλείου. : α) On-line χρήση του ΙΑ δείκτη. Αυτή είναι συνήθως η περίπτωση όπου οι συμμετέχοντες του μαθησιακής δραστηριότητας μπορούν να «εποπτεύσουν» και σταδιακά να αξιοποιήσουν την πληροφορία που παρέχεται από την τιμή του δείκτη, κατά την διάρκεια της αλληλεπίδρασης με το περιβάλλον μάθησης (π.χ δείκτες που υποστηρίζουν «την ενημέρωση - επίγνωση» σε κοινωνικά περιβάλλοντα (social enviaronments)). β) Μετέπειτα χρήση (Post-hoc use) του ΙΑ δείκτη. Η μετέπειτα χρήση του ΙΑ δείκτη, έχει το νόημα ότι ο χρήστης του εργαλείου ΙΑ θα έχει στην διάθεσή του την έξοδο του δείκτη, «μετά το τέλος» της περιόδου της αλληλεπίδρασης. Όταν ο χρήστης του ΙΑ εργαλείου είναι ένας παρατηρητής της διαδικασίας μάθησης (π.χ καθηγητής, ερευνητής) μπορεί πάντα να λαμβάνει την αντίστοιχη πληροφορία μετά την αλληλεπίδραση. Για τον χρήστη του ΙΑ εργαλείου, ο οποίος συμμετέχει στην διαδικασία μάθησης (μαθητής, ή/και καθηγητής), η μετέπειτα χρήση υποδηλώνει ότι ο δείκτης δεν μπορεί να υπολογιστεί κατά την διάρκεια της αλληλεπίδρασης (συγκεκριμένα κατά την διάρκεια της σύγχρονης συνεργασίας), ή το ΙΑ εργαλείο έχει περιορισμούς και δεν μπορεί να παρουσιάσει την πληροφορία. Εξαρτήσεις (Dependencies) : Ο δείκτης μπορεί να εξαρτάται ή όχι από εξωτερικές μεταβλητές (όπως χρόνος ή περιεχόμενο). Είναι πολύ χρήσιμο να σημειωθεί ότι υπάρχουν δυο γενικές κατηγορίες δεικτών : α) δείκτης εξαρτώμενος από τον χρόνο, που περιγράφει τις πτυχές που λαμβάνουν χώρα κατά την διαδικασία της αλληλεπίδρασης Φίλιππος Δ. Γιαννακάς 21

22 β) δείκτης μη εξαρτώμενος από τον χρόνο, που συνήθως περιγράφει τις γενικές πτυχές του τελικού προϊόντος ή της όλης διαδικασίας, οι οποίες επεξεργάζονται στο τέλος της συνόδου αλληλεπίδρασης. Περιβάλλον Μάθησης (Learning Environment) : Η αλληλεπίδραση μέσω διαφορετικών περιβαλλόντων, όπως επίσης και τα διαφορετικά μέσα δραστηριοτήτων που παρέχονται στους χρήστες, στις περισσότερες περιπτώσεις απαιτούν διαφορετικούς δείκτες. Είναι αρκετά χρήσιμο να υπάρχει μια αντιστοιχία μεταξύ τριών γενικών κατηγοριών περιβαλλόντων μάθησης : α) περιβάλλοντα μεμονωμένων χρηστών, β) συνεργατικά περιβάλλοντα βασιζόμενα σε ενέργειες (συνήθως απαιτητικά σε σύγχρονη αλληλεπίδραση) και γ) συνεργατικά περιβάλλοντα οριοθετημένα στην παραγωγή κειμένου (συνήθως απαιτητικά σε ασύγχρονη αλληλεπίδραση). [24] [25] Φίλιππος Δ. Γιαννακάς 22

23 Εικόνα 3 : Ιδιότητες δεικτών Ανάλυσης Αλληλεπίδρασης Φίλιππος Δ. Γιαννακάς 23

24 Σημαντικές ερμηνευτικές τιμές και ερμηνευτικά σχήματα δεικτών Σε αυτό το σημείο μπορούμε να κάνουμε τον διαχωρισμό μεταξύ : α) Δεικτών υψηλού επιπέδου : Αυτοί που έχουν μια συμφυή ερμηνευτική τιμή (π.χ ψυχολογική, παιδαγωγική) και συνήθως εξάγονται από σύνθετες επεξεργασίες των δεδομένων της αλληλεπίδρασης. Συνήθως αυτοί οι δείκτες υψηλού επιπέδου είναι εξαγόμενες μεταβλητές, υπολογισμένες κατά βάση από έναν αριθμό δεικτών χαμηλού επιπέδου. β) Δείκτες χαμηλού επιπέδου : Αυτοί που δεν έχουν αυτόνομη ερμηνευτική τιμή και συνήθως εξάγονται απευθείας από τα δεδομένα της αλληλεπίδρασης. Αυτή η αντιστοίχηση δεν σημαίνει ότι οι δείκτες υψηλού επιπέδου είναι καλύτεροι και περισσότερο σημαντικοί από αυτούς του χαμηλού επιπέδου. Η σημαντικότητας αυτών των δεικτών δεν μπορεί να καθοριστεί εκ των προτέρων. Για παράδειγμα, ένας δείκτης που υποστηρίζει την «ενημέρωση επίγνωση» βασιζόμενος σε δείκτες χαμηλού επιπέδου σχετικά με τις ενέργειες του συμμετέχοντα μπορεί να είναι περισσότερο χρήσιμος (σε θέματα του πως οι μαθητές τους λαμβάνουν υπόψη τους για να καθορίσουν την δική τους δραστηριότητα) από τους δείκτες που αποτιμούν την ποιότητα του τελικού προϊόντος ή την εφαρμόζουσα στρατηγική. Ένας άλλος κρίσιμος παράγοντας της αποτελεσματικότητας των παραγόμενων δεικτών σχετικά με την υποστήριξη του μαθητή ή του καθηγητή, είναι ο τρόπος της παρουσίασης των τιμών των δεικτών : η ελεύθερη πληροφορία μπορεί να είναι περισσότερο ή λιγότερο αποτελεσματική από ένα απευθείας κατευθυνόμενο μήνυμα για το τι πρέπει ο μαθητής να κάνει. Κλείνοντας, να καταλήξουμε ότι η σημαντικότητα των παραγόμενων δεικτών πρέπει να είναι άμεσα σχετισμένη με την αποτελεσματικότητά τους στο να υποστηρίζουν την συμμετοχική αλληλεπίδραση και μπορεί να αξιολογηθεί βασικά μόνο μέσω πειραματικών δεδομένων, παρατηρώντας την επίδρασης αυτών των δεικτών μέσα από την χρήση τους από τους χρήστες του ΙΑ εργαλείου. [24] [25] Φίλιππος Δ. Γιαννακάς 24

25 Ερμηνεία δεικτών (ερμηνευτικά μοντέλα ή σχήματα): Πρέπει να σημειωθεί ότι όταν κάθε ένας δείκτης ερμηνεύεται από τους πράκτορες εκτός των συμμετεχόντων : καθηγητές, ερευνητές ή ακόμα και από το σύστημα, η συμπληρωματική πληροφορία θα πρέπει να ληφθεί υπόψη όπως :άλλοι δείκτες, το προϊόν της μαθησιακής δραστηριότητας, το προφίλ του συμμετέχοντα, το περιεχόμενο της αλληλεπίδρασης κτλ. Πραγματικά, όταν έχουμε να κάνουμε με ένα αριθμό δεικτών, μπορεί να χρειαστεί ένα ερμηνευτικό σχήμα το οποίο να καθοδηγεί το νόημα που λαμβάνεται από τους παραγόμενους δείκτες και να επιτρέψει να πάρουμε το νόημα των πτυχών της αλληλεπίδρασης. Μπορούμε εδώ να αντιστοιχίσουμε τα δυο γενικά ερμηνευτικά σχήμα : o Σαφές μοντέλο αλληλεπίδρασης : Παραγωγή σύνθετου συστήματος δεικτών (συνήθως μια ιεραρχία υψηλού και χαμηλού επιπέδου δεικτών), από το ΙΑ εργαλείο (μοντέλο υλοποίησης) o Υπονοούμενο ερμηνευτικό σχήμα αλληλεπίδρασης : Ερμηνευτικό σχήμα που καθοδηγεί το νόημα που παρουσιάζεται από τους ορισμένους και παραγόμενους δείκτες και επιτρέπει να έχουμε μια αίσθηση των πτυχών της αλληλεπίδρασης Σκοπός των ΙΑ δεικτών Ο σκοπός του δείκτη είναι να παρουσιάζει τις πλευρές της αλληλεπίδρασης (μεταξύ μαθητή-le, ή μεταξύ μαθητή-μαθητών-le) και έχει να κάνει με τις παρακάτω τρεις γενικές διαστάσεις : [24] [25] α) Την γνωστική διάσταση : δείχνει κάτι στις γνωστικές λειτουργίες σχετιζόμενα με το περιεχόμενο της δραστηριότητας μάθησης ή γενικότερα τις ενέργειες της δραστηριότητας μάθησης. β) Την κοινωνική διάσταση : σχετιζόμενη με την συνεργατική ή απλά με τις δραστηριότητες επικοινωνίας μέσα σε μια ομάδα ή σε μια κοινότητα συμμετεχόντων και γ) Την συναισθηματική διάσταση : σχετιζόμενη με την συναισθηματική κατάσταση στης δραστηριότητας μάθησης των συμμετεχόντων. Φίλιππος Δ. Γιαννακάς 25

26 ΙΑ δείκτες γνωστικού σκοπού Οι γνωστικοί δείκτες έχουν να κάνουν με τις μεμονωμένες ενέργειες στο περιβάλλον μάθησης, σχετιζόμενοι με τις εργασίες της μαθησιακής δραστηριότητας. Αυτοί οι δείκτες μπορεί να αναφέρονται : Στην διαδικασία της δραστηριότητας Στο προϊόν της δραστηριότητας (χαρακτηριστικά του προϊόντος :π.χ στοιχεία της λύσης, συνέπεια σε θέματα συζήτησης μεταξύ όλων των μελών σε ένα forum συζήτησης, κτλ) Όσο αφορά το επίπεδο ερμηνείας του κάθε δείκτη σχετικά με τη γνωστική λειτουργία των συμμετεχόντων : α) Υπάρχουν οι γνωστικοί δείκτες που προσπαθούν να καταγράψουν-συλλάβουν την πρόθεση των εκπαιδευόμενων κατά την διάρκεια που εκτελούν αυτές τις λειτουργίες (βάση του Jong, & Huslhof). Αυτοί οι δείκτες έχουν ερμηνευτική τιμή υψηλού επιπέδου, β) Επιπροσθέτως, υπάρχουν δείκτες γνωστικού σκοπού, με ερμηνευτικές τιμές χαμηλού επιπέδου που απλά παρέχουν δειγματικές πλευρές της γνωστικής δραστηριότητας, χωρίς να παρέχουν κανένα νόημα συμπέρασμα για τις προσθέσεις και τις γνωστικές λειτουργίες των συμμετεχόντων. [51] Παραδείγματα δεικτών γνωστικού σκοπού Παρακάτω παρουσιάζουμε κάποιους δείκτες γνωστικού σκοπού : Στην εικόνα 4 παρουσιάζεται αριστερά ένας γνωστικός δείκτης που παρέχει ενημέρωση επίγνωση των χαρακτηριστικών της αλληλεπίδρασης του συστήματος CoolModes ενώ στην εικόνα 5 εμφανίζεται μια λίστα τα με τις επιλογές των διαθέσιμων δεικτών του συστήματος. [31] Φίλιππος Δ. Γιαννακάς 26

27 Εικόνα 4: Γνωστικός δείκτης που παρέχει ενημέρωση επίγνωση των χαρακτηριστικών της αλληλεπίδρασης Εικόνα 5: Λίστα επιλογής δεικτών Ανάλογος δείκτης ενημέρωσης ως προς την διαδικασία αλληλεπίδρασης, που παρέχει άμεση ενημέρωση των ενοτήτων που έχουν διαβαστεί από τον εκπαιδευόμενο, με γραφικό τρόπο, αποτελεί και ο δείκτης «Γραφικής Διαδρομής» στο κάτω μέρος της οθόνης του συστήματος AES_C&E που παρουσιάζεται στην εικόνα 6. [28] Φίλιππος Δ. Γιαννακάς 27

28 Εικόνα 6: Δείκτης ενημέρωσης των ενοτήτων που έχουν διαβαστεί από τον εκπαιδευόμενο, σύστημα AES_C&E Αντίστοιχα διαφορετικοί δείκτες αναφέρονται στην επεξεργασία της δραστηριότητας όπως για παράδειγμα οι φάσεις της δραστηριότητας μάθησης όπως παρουσιάζεται στις εικόνας 7 και 9. [68] [69] Φίλιππος Δ. Γιαννακάς 28

29 Εικόνα 7: Γνωστικός δείκτης που παρέχει ενημέρωση επί της διαδικασίας της δραστηριότητας (στους καθηγητές) στο κάτω μέρος της εικόνας Despres Εξίσου σημαντική ενημέρωση επί της δραστηριότητας του μαθητή αποτελούν και οι δείκτες αλληλεπίδρασης του συστήματος INSPIRE στην παρακάτω εικόνα 8. Σε αυτήν την εικόνα συνδυάζονται αρκετά στοιχεία που σχετίζονται με την αλληλεπίδραση του εκπαιδευόμενου, όπως ο χρόνος που διέθεσε ο εκπαιδευόμενος πάνω σε ένα συγκεκριμένο θέμα, πόσες επισκέψεις συνολικά είχε σε αυτό το θέμα, η απόδοσή του σε διαφορετικούς τύπους ερωτήσεων κτλ. [47] Φίλιππος Δ. Γιαννακάς 29

30 Εικόνα 8: Ανάλυση αλληλεπίδρασης εκπαιδευόμενου μέσα σε χρόνο 27 λεπτών. Η εικόνα διαιρείται σε τρία μέρη. i) το περιεχόμενο των εννοιών (Part I), ii) οι διαφορετικοί τύποι των σελίδων και οι σημειώσεις που κρατήθηκαν (Part II), iii) το μοντέλο μάθησης και ο πίνακας ελέγχου προσαρμογής (Part III) [67] ΙΑ δείκτες κοινωνικού σκοπού Οι δείκτες που έχουν κοινωνική φύση ή κοινωνικό σκοπό, είναι αυτοί που έχουν να κάνουν με τις πλευρές εκείνες που αναφέρονται στην επικοινωνία, συνεργασία σε μικρές ομάδες ή μεγάλες κοινότητες συμμετεχόντων στο ίδιο μαθησιακό περιβάλλον. Οι κοινωνικοί δείκτες σχετίζονται με ποικίλες πλευρές της συνεργασίας που συνήθως επηρεάζει τη ποιότητα της συνεργασία όπως : επίπεδο συμμετοχής, επίπεδο συμβολής, καθοδήγηση, σχέση κατασκευής, κτλ. Κάποιοι ερευνητές θεωρούν ότι αυτοί οι δείκτες παρέχουν κυρίως αφαιρετικές εικόνες οι οποίες λειτουργούν ως υποκατάστατα στην ελλιπή επικοινωνία και οργάνωση. Ωστόσο, φαίνεται ότι οι κοινωνικού δείκτες μπορούν να συμβάλουν περισσότερο από το υποκαθιστούν την πρόσωπο με πρόσωπο συνεργασία : παρουσιάζουν πλευρές της συμβαλλόμενης/γνωστικής δραστηριότητας της ομάδος ή των δομών που δεν μπορούν να αναπαρασταθούν με άλλους τρόπους. [73] Φίλιππος Δ. Γιαννακάς 30

31 Παραδείγματα κοινωνικού σκοπού Εδώ θα πρέπει να αναφέρουμε ότι υπάρχουν κοινωνικοί δείκτες που υποστηρίζουν τους χρήστες σε επίπεδο «ενημέρωσης χώρου εργασίας» και σε άλλους που παρέχουν πληροφορία είτε για να υποστηρίξουν τον «συντονισμό» μεταξύ των συμμετεχόντων, ή να υποστηρίξουν την ίδια την «συνεργασία» ή τελικά να περιγράψουν την πραγματική κατάσταση της «σχέσης οικοδόμησης» όπως παρουσιάζεται στην εικόνα 9. Για παράδειγμα στην εικόνα αυτή παρουσιάζεται ένας δείκτης που ονομάζεται «Βαθμός κεντρικότητας συμμετεχόντων» (Actors Degree centrality). [54] Εικόνα 9: SNA διάγραμμα και δείκτης βαθμού κεντρικότητας συμμετεχόντων ΙΑ δείκτες συναισθηματικού σκοπού Χαρακτηρίζουν την επιρροή σε όρους της δραστηριότητας και της αλληλεπίδρασης καθορίζοντας ότι, μέσω των συναισθημάτων κάποιος συμμετέχει περισσότερο και προσωπικά (για παράδειγμα σε κρίσιμες διαδικασίες συνεργατικής σκέψης). Γενικά, η συμμετοχική επιρροή σε μια συζήτηση και η διαδικασία μάθησης απαιτεί συναισθηματική ωριμότητα, συναισθηματική ενημερότητα, έλεγχο, γνώση και απεικόνιση των συναισθημάτων, υποκίνηση - κίνητρο, αναγνώριση συναισθημάτων σε άλλους και χειρισμό σχέσεων. [62]. Η συναισθηματική διάσταση είναι μια διάσταση που προσφάτως παρουσιάστηκε κυρίως στην ΙΑ, αλλά επίσης και στις θεωρίες μάθησης. Οι συναισθηματικές διαστάσεις παρουσιάζονται κυρίως σε συνεργατικά περιεχόμενα μάθησης. Τα συναισθηματικά προσόντα και οι δυνατότητες είναι σημαντικά και κρίσιμα στην οικοδόμηση σχέσεων. Φίλιππος Δ. Γιαννακάς 31

32 Πρέπει επίσης να σημειωθεί ότι ένας αριθμός δεικτών κοινωνικού επιπέδου μπορεί να έχει απευθείας συναισθηματικές επιρροές Άποψη των ΙΑ δεικτών Οι μετέχοντες στο εκπαιδευτικό περιβάλλον και συγκεκριμένα όταν εργάζονται σε κοινωνικά περιβάλλοντα, δεν μπορούν να θεωρηθούν μόνο ως μονάδες. Κατά την διάρκεια της δραστηριότητας μάθησης σε ένα συνεργατικό σύστημα, υπάρχουν διαφορετικά γνωστικά συστήματα που μορφοποιούνται. Έτσι, η ερώτηση είναι πότε οι διαθέσιμοι ΙΑ δείκτες, αντιπροσωπεύουν αυτά τα γνωστικά συστήματα. Μπορούμε να αντιστοιχήσουμε την έξοδο των ΙΑ δεικτών βάση αυτού του ερωτήματος, σε τέσσερις διαφορετικές και γενικές καταστάσεις : α) ατομική άποψη: όταν ο δείκτης μετρά/αναπαριστά κάποια ενέργεια ή το προϊόν του συγκεκριμένου ατόμου β) ομαδική άποψη: όταν ο δείκτης παρέχει πληροφορία για μια συγκεκριμένη ομάδα. Εδώ μπορούμε να αντιστοιχήσουμε δυο υποκατηγορίες : β.1) μη-διαφοροποιημένη ομάδα: όταν η πληροφορία αφορά την συνολική ομάδα, χωρίς να επιτρέπει να αναγνωριστεί η συμβολή ή ο ρόλος των μελών που αποτελούν την ομάδα β.2) διαφοροποιημένη ομάδα: όταν η πληροφορία αφορά την συνολική ομάδα και την ίδια στιγμή υπάρχει η πιθανότητα της αντιστοίχησης της συμβολής του κάθε μέλους της συγκεκριμένης ομάδας. Παραδείγματα ομαδικών δεικτών με πληροφορία μη-διαφοροποιημένης ομάδα παρουσιάζονται στις εικόνες 10 και 11 στις οποίες παρουσιάζεται ο βαθμός αλληλεπίδρασης της ομάδας. Αυτοί οι δείκτες εστιάζονται στην διαχείριση των αντικειμένων που εκτελούνται σε απάντηση της δραστηριότητας ανατροφοδότησης των ενεργειών άλλων χρηστών. Δίνει μια αριθμητική αναπαράσταση σε διαγραμματική ή γραφικά αναπαράσταση σε σχέση με τον χρόνο στην εικόνα 10. Ένας διαφορετικός τρόπος οπτικοποίησης αποτελούν και οι «μεταφορές». Η «μεταφορά» είναι η προσπάθεια της αναπαράστασης των αποτελεσμάτων χρησιμοποιώντας γραφικές Φίλιππος Δ. Γιαννακάς 32

33 αντιστοιχήσεις όπως εδώ για παράδειγμα το δέντρο στο σύστημα i-tree (εικόνα 11). [65] Εικόνα 10: Παρουσίαση ομαδικού δείκτη προορισμένος για Ερευνητές- Καθηγητές [75] Εικόνα 11 : Παρουσίαση ομαδικού δείκτη προορισμένος στους Μαθητές με χρήση «μεταφοράς» e-tree IA εργαλείο [65] Φίλιππος Δ. Γιαννακάς 33

34 Αντίστοιχα παραδείγματα διαφοροποιημένη ομάδας παρουσιάζονται παρακάτω. Για παράδειγμα ένας : δείκτης ισορροπίας ενεργειών και συζήτησης (Conversation and Action balance) παρουσιάζεται στην εικόνα 12 η οποία απεικονίζει την ισορροπία μεταξύ της παραγωγής των ενεργειών για την επίλυση ενός προβλήματος και του διαλόγου σχετικά με τις ενέργειες. Εικόνα 12: Πληροφορία επιπέδου ενημέρωσης (phpbb & WebCT) δείκτης συνεισφοράς σε μια ομάδα (Contribution Indicator in a group) παρουσιάζεται στην εικόνα 13. Ένα πολικό γράφημα που περιλαμβάνει τελείες που αναπαριστούν τους διαφορετικούς χρήστες. Η απόσταση από την περιφέρεια του κύκλου είναι αναλογική με την συνεισφορά του συμμετέχοντα επιδοτούμενη από την έναρξη της συζήτησης. Το μέγεθος της τελείας είναι ανάλογη με τον αριθμό των τύπων των μηνυμάτων που χρησιμοποιήθηκαν. [19] [86] Φίλιππος Δ. Γιαννακάς 34

35 Εικόνα 13 : Παράδειγμα δείκτη διαφοροποιημένης ομάδας : «Συνεισφορά σε ομάδα» δείκτης διαγράμματος συνεργασίας όπως αυτός παρουσιάζεται στην εικόνα 14 από το εκπαιδευτικό σύστημα CoolModes στον οποίο καταμετρώνται τα στοιχεία αλληλεπίδρασης μεταξύ δυο χρηστών και γίνεται ανάλυση των δραστηριοτήτων μέσω διαγραμμάτων. [26] Φίλιππος Δ. Γιαννακάς 35

36 Εικόνα 14 : Μοντέλο Petri-net με διάγραμμα συνεργασίας για δυο συμμετέχοντες (CoolModes) δείκτης βαθμού κεντρικότητας συμμετεχόντων (Actors Degree Centrality) (εικόνα 15) που υπολογίζεται μέσω της χρήσης του δικτύου κοινωνικής ανάλυσης (Social Network Analysis (SNA)) και οπτικοποιείται με κοινωνιόγραμμα σε τυπικό παράδειγμα. Αυτό ο δείκτης αναπαριστά τον αριθμό των συνδέσεων που διατηρεί ένας συμμετέχοντας με άλλους συμμετέχοντες. Κάθε συμμετέχοντας αναπαριστάται με έναν κύκλο στο κοινωνιόγραμμα. Οι μαθητές μπορούν να αναπαρασταθούν και με κωδικούς και κάθε μαθητής μπορεί να γνωρίζει μόνο τον κωδικό που του αντιστοιχεί. [53] [54] [38] Φίλιππος Δ. Γιαννακάς 36

37 Εικόνα 15: Δείκτης βαθμού κεντρικότητας συμμετεχόντων, οπτικοποιημένη μέσω κοινωνιοδιαγράμματος δείκτης αλληλεπίδρασης ομάδας: Ο συγκεκριμένος δείκτης παρουσιάζει την αλληλεπίδραση δυο χρηστών σε μια ομάδα μέσω κοινωνιοδιαγράμματος (εικόνα 16). Παρατηρούμε ότι οι συμμετέχοντες (CE & SM) δεν εμπλέκονται στην συζήτηση αφού δεν υπάρχει κάποια σύνδεση με άλλα μέλη της ομάδος. Επίσης παρατηρούμε σε αυτό το γράφημα ότι το ποιο κεντρικό μέλος σε αυτή την συζήτηση είναι ο ES που συνδέει το μήνυμά του με κάποιο που παρέχεται από τον FC, ο οποίος ξεκινά την συζήτηση, με άλλα δυο μέλη της ομάδος. Εικόνα 16: Κοινωνιόγραμμα αλληλεπίδρασης ομάδος (σύστημα Digalo) (ARGUNAUT project) [92] Φίλιππος Δ. Γιαννακάς 37

38 Ένα άλλο παράδειγμα τριών διαστάσεων χρησιμοποιείται για την αναπαράσταση δεδομένων συζήτησης των μαθητών κατά την διάρκεια του μαθήματος (εικόνα 17) στο σύστημα CourseVis. Υπάρχουν τρεις διαστάσεις στο σετ των δεδομένων : χρόνος, θέμα συζήτησης και μαθητής. Μια επιπλέον διάσταση, το μέγεθος της συζήτησης, παρουσιάζεται χρησιμοποιώντας διαφορετικό μέγεθος: το μέγεθος της σφαίρας αναπαριστά τον αριθμό των συνεχόμενων παρακολουθήσεων σε μια συζήτηση. Ο καθηγητής μπορεί να χρησιμοποιήσει λειτουργίες. Όπως χρωματισμού, μεγέθυνσης και περιστροφής για την διαχείριση της οπτικοποίησης. Εικόνα 17: Οπτικοποίηση των νημάτων συζήτησης εστιάζοντας στους μαθητές που ξεκίνησαν τα νήματα (CourseVis) γ) άποψη κοινότητας: θεωρούμε ότι είναι μια ομάδα ομάδων που μπορεί να συνεργάζονται και επίσης ατομικά να παίζουν ένα συγκεκριμένο ρόλο (όπως συντονιστές, μέντορες, κτλ) Παράδειγμα αυτής της κατηγορίας δεικτών αποτελεί ο : «Δείκτης επιπέδου δραστηριότητας» της εικόνας 18. Ο δείκτης αποτυπώνει το επίπεδο της δραστηριότητας των ομάδων. Δείχνει την συνεισφορά των διαφορετικών σε ρόλους ομάδων (μαθητές, καθηγητές) στην παραγωγή αρχείων και μηνυμάτων. Ο σκοπός αυτής της μορφής οπτικοποίησης είναι να ενεργοποιήσει τους καθηγητές στο να ανιχνεύουν γρήγορα ομάδες που χρειάζονται βοήθεια και ενθάρρυνση. Αυτή η μορφή οπτικοποίησης αποτελείται Φίλιππος Δ. Γιαννακάς 38

39 από ένα αλληλεπιδραστικό αρχείο SVG. Ο καθηγητής μπορεί να πλοηγηθεί από την γενική εικόνα της τάξης σε τοπική εικόνα μιας συγκεκριμένης ομάδας επιλέγοντας με το ποντίκι στον αντίστοιχο κύκλο. [39] Εικόνα 18: «Δείκτης επιπέδου δραστηριότητας» Δείκτης σχετικής δραστηριότητας (εικόνα 19). Δημιουργείται ένα διάγραμμα μπάρας που παρουσιάζει την δραστηριότητας μιας ομάδας για την επιλεγμένη χρονική διάρκεια ως ποσοστό της συνολικής δραστηριότητας. Αρχικά η συζήτηση και η χρήση των διαφορετικών τύπων μηνυμάτων υποδιαιρείται. Η μέση τιμή των συμβαλλόμενων ποσοστών για τον επιλεγόμενο χρόνο επίσης εμφανίζεται, έτσι καταδεικνύεται η ποιο ενεργή ομάδα. [19] [86] Φίλιππος Δ. Γιαννακάς 39

40 Εικόνα 19: Δείκτης σχετικής δραστηριότητας δ) άποψη κοινωνίας: αποτελείται από κοινότητες 2.4. Μορφές οπτικοποίησης ΙΑ δεικτών Λαμβάνοντας υπόψη τους υπάρχοντες δείκτες, μπορούμε να προβούμε σε μια αντιστοίχηση τεσσάρων μορφών οπτικοποίησης ΙΑ δεικτών: αριθμητικής ή αλφαριθμητικής μορφής, δομών (Structures), σχέδια μήτρες επεξεργασίας (Patterns in a process), έκθεση-παρουσίαση δραστηριοτήτων (exposure processes). 1) Αριθμητική/αλφαριθμητική μορφή: Είναι μεταβλητές οι οποίες παίρνουν αριθμητικές ή αλφαριθμητικές τιμές και είναι συνήθως υπολογίζονται κατά βάση από τα αρχικά δεδομένα (αρχείο καταγραφών). Πολλοί από τους πραγματικούς ΙΑ υπολογισμένους με αυτοματοποιημένο τρόπο δείκτες, είναι δείκτες που έχουν ως έξοδο αριθμητικές ή αλφαριθμητικές τιμές. Για παράδειγμα οι τιμές των δεικτών όπως : «Ανάλυση Δραστηριότητας» του ModellingSpace & CoolModes (εικόνες 20, 21 & 22). Φίλιππος Δ. Γιαννακάς 40

41 Εικόνα 20: Ανάλυση Δραστηριότητας : Υπολογισμός της δραστηριότητα μίας τάξης Εικόνα 21: Ανάλυση Δραστηριότητας (Modelling Space) Φίλιππος Δ. Γιαννακάς 41

42 Εικόνα 22: Δείκτης σε μορφή αριθμητικών τιμών (CoolModes) 2) Δομών : Κυρίως αφορά το προϊόν αλληλεπίδρασης. Για παράδειγμα η έξοδος του δείκτη «Αναγνωριστή Διαφορών» υπολογίζεται εσωτερικά στο περιβάλλον μάθησης COLER, όπου αναγνωρίζει σημασιολογικά τις σημαντικές διαφορές των διαγραμματικών σχέσεων μεταξύ ομάδας και ατόμων αντιστοιχώντας λύσεις σε προβλήματα των μαθητών. 3) Σχέδια - Μήτρες (patterns). Παρουσιάζονται κατά την διάρκεια της επεξεργασίας της αλληλεπίδρασης π.χ. μήτρες συμπεριφοράς συνεργασίας (εικόνα 23), μήτρες διαίρεσης εργασιών σε μια συνεργατική δραστηριότητα μικρής ομάδας, μήτρα επεξεργασίας επίλυσης προβλήματος, επεξεργασία ερωτήματος κτλ. Μια οπτικοποίηση μεταβλητών που παρουσιάζει μήτρες απεικονίζεται στην εικόνα 24, που παρουσιάζει τρεις μήτρες δεικτών «διαχωρισμός εργασίας». Οι κύκλοι αναπαριστούν τα αντικείμενα. Τα τετράγωνα αναπαριστούν τις πηγές. Η λεπτότητα της γραμμής που ενώνει το αντικείμενο με τις πηγές αναπαριστά το μέγεθος των ενεργειών που εκτελέστηκαν από τα αντικείμενα τις κάθε πηγής. (α) Βασισμένη στις ενέργειες, (β) Βασισμένη στους ρόλους, (γ) Όχι διαίρεση. Οι κύκλοι αναπαριστούν τα άτομα και τα τετράγωνα τις πηγές. [39] [76] Φίλιππος Δ. Γιαννακάς 42

43 Εικόνα 23: Μήτρα συνεργασίας σε νήματα συζήτησης Forum [76] Εικόνα 24: Οπτικοποίηση διαίρεσης εργασίας, σε ομάδες των δυο μαθητών [39] Αντίστοιχες μήτρες χρησιμοποιούνται και στο σύστημα INSPIRE (εικόνα 25). Στην εικόνα αυτή οι μήτρες αυτές γεμίζουν ανάλογα με το ποσοστό χρήσης ή επιτυχίας. Εικόνα 25: Οπτικοποίηση επισκέψεων, επιδόσεων του εκπαιδευόμενου σε μορφή «μήτρας», σύστημα INSPIRE [67] Μια άλλη εκδοχή αποτελεί και το γράφημα στην εικόνα 26 το οποίο βασίζεται σε διαδοχική ανάλυση επιπέδων του συστήματος Digalo. Αφού κατασκευαστούν οι αλληλουχίες των σχετικών μηνυμάτων, αυτό είναι ένα μικρό πρώτο βήμα για να ξαναδημιουργήσουμε τον Digalo χάρτη σε δενδροειδής μορφή. Αυτή η αφαιρετική άποψη του γενικού χάρτη (εικόνα 26) μας βοηθά πρώτα από όλα να Φίλιππος Δ. Γιαννακάς 43

44 δούμε πως τα μηνύματα σε μια συζήτηση σχετίζονται μεταξύ τους. Κάθε χρώμα απεικονίζει έναν μαθητή. Εικόνα 26: Μήτρες αλληλεπίδρασης ομάδος σε γραφική μορφή του χάρτη Digalo (ARGUNAUT project) [91] [92] 4) Έκθεση - παρουσίαση δραστηριότητας (exposure processes): Περιλαμβάνει διαδοχικές παρουσιάσεις της συνολικής διαδικασίας της αλληλεπίδρασης (χαρακτηριστικό «αναπαραγωγής», (εικόνα 27) ή των σημαντικών στοιχείων της δραστηριότητας (εργαλείο CORPET, που παρουσιάζει βίντεο σε μορφή σειρών από σύλληψη εικόνων (snapshots) της διαδικασίας της αλληλεπίδρασης βάση κριτηρίων σημαντικότητας (εικόνα 28). [11] [12] [23] Μια διαφορετική προσέγγιση για συστήματα βασισμένα σε μοντέλα, αποτελούν οι «αναφορές» των φάσεων του προϊόντος, του χώρου εργασίας, που παρουσιάζονται συνοδευόμενες με τις κύριες ενέργειες που τροποποιούν μια κατάσταση σε μια άλλη (εικόνα 29). [16] Ανάλογα χρήσιμη εικόνα δίνει και η προσέγγιση του INSPIRE στην εικόνα 30. Εδώ παρέχεται μια συνολική εικόνα της αλληλεπίδρασης του εκπαιδευόμενου κατά την οποία παρουσιάζεται η δραστηριότητά του με την μορφή γραφήματος σε Φίλιππος Δ. Γιαννακάς 44

45 συνολική εικόνα ανάλογα με τον χρόνο που ξόδευε στα αντίστοιχα κομμάτια (Θεωρία, Παραδείγματα, Δραστηριότητες, Ασκήσεις). Ο συγκεκριμένος δείκτης «Δείκτης Κατανομής Χρόνου» παρέχει και στον καθηγητή άμεση ενημέρωση του τρόπου με τον οποίο ο μαθητής χρησιμοποίησε το υλικό της δραστηριότητας σε συνδυασμό με τον χρόνο που διέθεσε. Αυτοί οι δείκτες είναι χρήσιμοι για : α) τους συμμετέχοντες της διαδικασίας της αλληλεπίδρασης ως μια υποστήριξη της μνήμης του κατά την διάρκεια των φάσεων ανταπόκρισης μετά την αλληλεπίδραση, β) για τους επόπτες της διαδικασίας της αλληλεπίδρασης (μέλη που δεν συμμετέχουν απευθείας στην δραστηριότητας), όπως οι καθηγητές ή οι ερευνητές, υποστηρίζοντάς τους στο να βάλουν άλλους παραγόμενους δείκτες στο περιεχόμενο και έτσι αποκτούν μεταφρασμένη σημασία. [69] [70] Εικόνα 27: Απλή παρουσίαση διαδικασίας (Ανάλυση Δραστηριότητας) Φίλιππος Δ. Γιαννακάς 45

46 Εικόνα 28: Παρουσίαση της διαδικασίας της αλληλεπίδρασης, βάση των φάσεων που ορίζονται από τους δείκτες πάνω σε σημαντικές ενέργειες (εργαλείο ΙΑ CORPET) [69] [70] Εικόνα 29: GRAP : παραγωγός αναφορών [16] Φίλιππος Δ. Γιαννακάς 46

47 Εικόνα 30: Δείκτης δραστηριότητας μαθητή σε σχέση με την χρήση του αντίστοιχου υλικού (Θεωρία, Παραδείγματα, Δραστηριότητες, Ασκήσεις), INSPIRE [67] 2.5. Επίπεδο βοήθειας των ΙΑ δεικτών Τα ΙΑ εργαλεία παρέχουν βοήθεια στους χρήστες τους μέσω της παροχής δεικτών. Στην πραγματικότητα το επίπεδο της παρεχόμενης βοήθεια είναι άμεσα σχετιζόμενη με την κατάσταση της τιμής των δεικτών. Έχει ήδη σημειωθεί ότι η έξοδος των εργαλείων ΙΑ, σχετικά με συγκεκριμένο δείκτη μπορεί να αποτελείται από : α) την τιμή της αντίστοιχης μεταβλητής, β) την βαθμονομημένη τιμή του δείκτη, μέσω χρήσης προκαθορισμένης νόρμας, γ) μια απόφαση που λαμβάνει υπόψη της την βαθμονομημένη τιμή, που παρέχει στον χρήστη πότε ένα είδος κρίσης της συμπεριφοράς του συμμετέχοντα ή μια καθαρή πρόταση στο πώς να συνεχίσει κατά την διάρκεια της δραστηριότητας μάθησης. Μπορούμε να αντιστοιχήσουμε τρία επίπεδα βοήθειας : Επίγνωση ενημέρωση (Awareness) :Σε αυτή την περίπτωση ο υπολογιζόμενος δείκτης παρέχει μόνο την τιμή του (αριθμητική, ή αλφαριθμητική, μια μήτρα, ή απλά μια μη αποκωδικοποιημένη δραστηριότητα επεξεργασία). Ο χρήστης σε αυτή την περίπτωση θα πρέπει να αποτιμήσει - αξιολογήσει από μόνος του αυτή την τιμή π.χ. «εν ενεργεία χρήστες = 15» (εικόνα 31) κτλ και να την συγκρίνει με Φίλιππος Δ. Γιαννακάς 47

48 κάποιες νόρμες που νομίζει ή ξέρει από το περιεχόμενο μάθησης. Πρέπει να σημειωθεί ότι υπάρχουν δείκτες όπου η τιμή από μόνη της επαρκεί, χωρίς να χρειάζεται να αποτιμηθεί π.χ. όταν ο δείκτης παρέχει απλά μια υποστήριξη μνήμης ή όταν παρέχει απλά πληροφορία των ενεργειών άλλων συμμετεχόντων. Αποτίμηση - κατάταξη (Assessment): Ο εξαγόμενος δείκτης αποτελείται από τιμή που βαθμονομείται βάση μια νόρμας συνήθως προκαθορισμένης από τους σχεδιαστές του ΙΑ εργαλείου (ή από τους χρήστες στην περίπτωση που το σύστημα είναι παραμετροποιήσιμο) π.χ «η συζήτηση και η ισορροπία ενεργιεών = 30% - 70%» ενώ η νόρμα δίνει 50%-50%, «επίπεδο δραστηριότητας του μαθητή = κοιμώμενη» Η νόρμα μπορεί να δοθεί με άμεσο ή έμμεσο τρόπο, έτσι παρέχει άμεση ή έμμεση αποτίμηση κατάταξη. Για παράδειγμα, στην περίπτωση του δείκτη «ισορροπία ενεργειών διαλόγου» στην εικόνα 32, μια τιμή -5 δείχνει φτωχή δραστηριότητα χωρίς διάλογο, τιμή +5 δείχνει φτωχό διάλογο χωρίς δραστηριότητα και τιμή 0 δείχνει μια ισορροπία μεταξύ δραστηριότητας και διαλόγου. Ωστόσο, οι χρήστες του εργαλείου ΙΑ, για το συγκεκριμένο δείκτη δεν βλέπουν τις τιμές ως έχουν, αλλά την αντίστοιχη οπτικοποίηση μέσω εφαρμογή μεταφοράς (χρωματισμένα κωδικοποιημένο μετρητή ταχύτητας αυτοκινήτου). [39] Αξιολόγηση (Evaluation): Σε αυτή την περίπτωση, η τιμή του δείκτη βαθμονομείται και επιπλέον υπάρχει μια αυστηρή αξιολόγηση της καταλληλότητας αυτή της τιμής. Αυτό που παρουσιάζεται στον χρήστη είναι : o μια κατανομή : ένας βαθμός χαρακτηρισμού για κάθε συμμετέχοντα. π.χ στην περίπτωση τιμής που δείχνει μια καλή ποιότητα ενός συμμετέχοντα ενός μέλους κάποιου φόρουμ με τιμή «χρυσό μέλος» [80] o μια κρίση : «επίπεδο συνεργασίας = απαράδεκτη» [13] o μια πρόταση ή μια καθοδήγηση για το τι οι χρήστες θα πρέπει να κάνουν για να βελτιώσουν την αντίστοιχη τιμή π.χ «εσύ θα πρέπει να διαβάσεις περισσότερο τις συμβουλές του συνεργάτη σου». Φίλιππος Δ. Γιαννακάς 48

49 Εικόνα 31: Πληροφορία επιπέδου ενημέρωσης επίγνωσης στην βασική διεπαφή του εμπορικού λογισμικού (phpbb, & WebCT αναφορά δραστηριότητας) Εικόνα 32: Δείκτης ισορροπίας δραστηριότητας, [39] 2.6. Παραλλαγές δεικτών ΙΑ και συνδυασμός δεικτών με σκοπό την οπτικοποίηση Στις περισσότερες περιπτώσεις, αυτό που παρουσιάζεται στους ΙΑ χρήστες δεν είναι η στατική τιμή των δεικτών αλλά οι παραλλαγές τους. Για να συζητήσουμε αυτές τις πλευρές είναι σημαντικό να αναλύσουμε αρχικά μια απαραίτητη σχέση των ΙΑ δεικτών, που έχει να κάνει σε σχέση με τον χρόνο. Φίλιππος Δ. Γιαννακάς 49

50 Α) Παραλλαγές σχετικά με τις χρονικές εξαρτήσεις των ΙΑ δεικτών Γενικά, μπορούμε να αντιστοιχήσουμε τους ΙΑ δείκτες σε χρονικά εξαρτημένους και χρονικά ανεξάρτητους : Χρονικά εξαρτώμενοι δείκτες : Υπάρχει ένας αριθμός δεικτών που είναι στενά συνδεδεμένοι με το χρόνο : όπως βαθμός συμμετοχής, επίπεδο αλληλεπίδρασης, ενεργοί συμμετέχοντες, ενεργά θέματα κτλ. και μπορούμε να τα μετρήσουμε σε συνάρτηση με το χρόνο (συνήθως σε προκαθορισμένα χρονικά όρια :όπως δευτερόλεπτα, λεπτά, ώρες εβδομάδες). Συχνά οι χρονικά εξαρτώμενοι δείκτες παρουσιάζονται στα ΙΑ εργαλεία χρηστών μέσω γραφικών αναπαραστάσεων των ποικίλων τιμών τους σε συνάρτηση με το χρόνο (εικόνα 33) Εικόνα 33 : Ο δείκτης «Λειτουργία συνεργατικής δραστηριότητας» είναι χρονικά εξαρτώμενος (CAF εργαλείο) Αντίστοιχο παράδειγμα αποτελεί ο δείκτης «Αριθμός ενεργειών χρηστών» του περιβάλλοντος ActiveMath (εικόνα 34). Σε αυτό τον δείκτη παρουσιάζεται μια επισκόπηση του αριθμού των συμβάντων σχετισμένα με τις ώρες ανά ημέρα. Εικόνα 34: Αριθμός ενεργειών χρηστών σε σχέση με τις ώρες ανά ημέρα (ActiveMath) Φίλιππος Δ. Γιαννακάς 50

51 Η εικόνα 35 παρουσιάζει το αποτέλεσμα της πρόσβασης ανά μαθητή στο μάθημα για το σύστημα Gismo. Μια απλή μήτρα μορφοποίησης χρησιμοποιείται για την πρόσβαση στο μάθημα, με το όνομα του μαθητή (στον άξονα Υ) και τις ημερομηνίες του μαθήματος (στον άξονα Χ). Ένας αντίστοιχος βαθμός αναπαριστά τουλάχιστον μια πρόσβαση στο μάθημα η οποία πραγματοποιήθηκε από τον μαθητή της συγκεκριμένη ημερομηνία. Το ιστόγραμμα στο κάτω μέρος του παρουσιάζει τον συνολικό αριθμό των επιλογών στο μάθημα που έγιναν από τους μαθητές την συγκεκριμένη ημέρα. Εικόνα 35: Γραφική αναπαράσταση της πρόσβασης των μαθητών σε ένα μάθημα ανά ημερομηνίες Ένα άλλο παράδειγμα χρονικά εξαρτώμενου δείκτη αποτελεί και ο δείκτης της εικόνας 36 του συστήματος INSPIRE. Ο δείκτης «Πλοήγηση Εκπαιδευομένου» παρουσιάζει την πλοήγηση του μαθητή στο υλικό του μαθήματος σε σχέση με τον χρόνο που διέθεσε σε αυτό. Έτσι ο μαθητής μπορεί ανάλογα με την πορεία μάθησή του να δικαιολογήσει, για παράδειγμα, γιατί δεν έχει καταλάβει κάποιο κομμάτι της θεωρία με το εάν έχει διαθέσει ελάχιστο χρόνο διαβάσματος σε αυτό. Ανάλογα ο καθηγητής μπορεί να έχει μια αρκετά καλή άποψη για το τελικό αποτέλεσμα που σχετίζεται με το τελικό αποτέλεσμα της εκμάθησης. [67] Φίλιππος Δ. Γιαννακάς 51

52 Εικόνα 36: Χρονικά εξαρτώμενος δείκτης πλοήγησης εκπαιδευόμενου ο οποίος δείχνει τον χρόνο που διέθεσε σε κάθε σημείο του μαθήματος σύστημα INSPIRE [67] Μη χρονικά εξαρτώμενοι δείκτες : Υπάρχουν δείκτες που μπορούμε να πούμε ότι είναι χρονικά ανεξάρτητοι, (τουλάχιστον σε πρώτο επίπεδο). Αφορά κυρίως δείκτες όπου από την φύση τους έχουν την πρόθεση να αποτιμήσουν την ποιότητα της διαδικασίας ή την ποιότητα της αλληλεπίδρασης ή το προϊόν της συνεργασίας και έτσι δεν υπάρχει νόημα να τους υπολογίσουμε αυτούς σε χρονικά διαστήματα. Ωστόσο, ακόμα και για τους χρονικά ανεξάρτητους δείκτες είναι σημαντικό να : o Φαίνεται η χρονική περίοδος ή το χρονικό διάστημα κατά το οποίο υπολογίστηκε ο δείκτης. Συνήθως οι ερευνητές αμελούν να εμφανίζουν αυτές τις χρονικές περιόδους (π.χ όταν ορίζουν κοινωνιογράμματα, όταν μετρούν τις κατηγορίες μηνυμάτων κτλ). o Να λαμβάνουν υπόψη τους και να μελετούν τις αλλαγές που εμφανίζονται σε αυτό το είδος των δεικτών σε διαφορετικές περιόδους της αλληλεπίδρασης (π.χ σε διαφορετικές περιόδους της ασύγχρονης συνεργατικής διαδικασίας, ή διαφορετικές συνόδους του προβλήματος Φίλιππος Δ. Γιαννακάς 52

53 που επιλύνεται). Η σύγκριση των τιμών αυτών των δεικτών είναι συνήθως καρποφόρα σε όρους ερμηνείας (εικόνα 37 και 38). Το i-bee ΙΑ εργαλείο δίνει την δυνατότητα της αναπαράστασης στον χρήστη, της εξέλιξης ολόκληρης της κατάστασης της αλληλεπίδρασης, σε διαφορετικά χρονικά σημεία (π.χ εβδομάδες). [63] Εικόνα 37: Εξέλιξη των SNAs σε διαφορετικές χρονικές περιόδους, [38] Εικόνα 38: Εξέλιξη του φόρουμ βασισμένη σε βάθη δέντρων συζήτησης, σε διαφορετικές χρονικές περιόδους [33] Φίλιππος Δ. Γιαννακάς 53

54 B) Κατηγορίες παραλλαγών και οπτικοποίησης ΙΑ δεικτών Υπάρχουν τρεις κύριοι τύποι παραλλαγών δεικτών, όπως επίσης και αντίστοιχες οπτικοποιήσεις. Οπτικοποιήσεις δεικτών σε συνάρτηση με τον χρόνο, που αντιστοιχεί σε τυπικά γραφήματα (παράδειγμα εικόνας 39 και 40). Απόκλιση δυο τυχαίων μεταβλητών, σε συγκεκριμένες χρονικές στιγμές, ή σε συγκεκριμένα χρονικά διαστήματα (εικόνα 7), όπου οπτικοποιείται η συζήτηση δυο μεταβλητών :βαθμός ενέργειας-συζήτησης σε συγκεκριμένα χρονικό διάστημα). Ταυτόχρονη συμμετοχή ενός αριθμού μεταβλητών (όχι απαραίτητα τυχαίων), όπου η κατάσταση ενός αριθμού δεικτών συσχετίζεται σε συγκεκριμένη χρονική στιγμή. Συνήθως, είναι ένας αριθμός συμπληρωματικών δεικτών που απεικονίζονται στην ίδια αναπαράσταση, οπτικοποιώντας με αυτό τον τρόπο την κατάσταση των ατόμων ή της ομάδας (παραδείγματα αναπαράστασης εμφανίζονται στις εικόνες 40, 41 και 42). Εικόνα 39: Η τιμή αλληλεπίδρασης ΙΑ(t) [74] Φίλιππος Δ. Γιαννακάς 54

55 Εικόνα 40: Κατανομή συχνότητας μηνυμάτων που έχουν διαβαστεί τα οποία έχουν δημοσιευτεί για ένα συγκεκριμένο θέμα [24] Εικόνα 41: Οπτικοποίηση πολλαπλών δεικτών, για τους καθηγητές (Despres 2001) Φάσεις, Χρόνος και Επίπεδο αλληλεπίδρασης. Η διαβάθμιση του χρώματος γκρι αναπαριστά το επίπεδο της αλληλεπίδρασης και η κάθετη θέση εμφανίζει τις φάσεις της δραστηριότητας μάθησης / διαδικασία επίλυσης προβλήματος. Ο χρόνος ξεκινά από τα αριστερά προς τα δεξιά Φίλιππος Δ. Γιαννακάς 55

56 Εικόνα 42: Οπτικοποίηση πολλαπλών δεικτών : Διάγραμμα ανάλυση αντιστοίχησης και μεταφοράς που χρησιμοποιείται για τιμές δεικτών στο i-bee εργαλείο, [62] Φίλιππος Δ. Γιαννακάς 56

57 ΚΕΦΑΛΑΙΟ 3 ΕΡΓΑΛΕΙΑ ΙΑ & ΒΑΣΙΚΟΙ ΔΕΙΚΤΕΣ Σε αυτό το κεφάλαιο γίνεται μια προσπάθεια να παρουσιαστούν και να αναλυθούν εκείνα τα προσαρμοστικά εκπαιδευτικά συστήματα ή εργαλεία που καταγράφουν και πραγματοποιούν αυτό που ονομάζουμε ανάλυση αλληλεπίδρασης ή απλά έστω οπτικοποιούν κάποια στοιχεία της λειτουργίας τους με τον χρήστη με σκοπό να αντληθούν όποια στοιχεία κριθούν χρήσιμα για την επέκταση του συστήματος INSPIRE. Μέσα από την έρευνα που πραγματοποιήθηκε σημειώθηκε ότι, κάποια από αυτά τα συστήματα καταγράφουν την αναγκαία πληροφορία χωρίς δυστυχώς να υπάρχει κάποια αναφορά για το πώς την οπτικοποιούν, ενώ άλλα παρουσιάζουν κάποιους δείκτες αλληλεπίδρασης χωρίς να γίνεται αναφορά των στοιχείων που καταγράφονται. Επίσης θα ήθελα να επισημάνω ότι κάποια από τα παρακάτω συστήματα ανήκουν στην κατηγορία των εργαλείων όπως το VisMode, CoLAT, Gismo κτλ. Αυτό σημαίνει ότι αυτά τα συστήματα ενεργούν ανεξάρτητα με τα CMC συστήματα και απλά αναλύουν τις πληροφορίες που καταγράφονται από τα ανεξάρτητα CMC συστήματα. Σε πολλές περιπτώσεις αυτά τα εργαλεία μπορούν να ενσωματωθούν στα CMC συστήματα είτε να αποτελούν ανεξάρτητα εργαλεία στα χέρια των ερευνητών ή καθηγητών Σύστημα D.I.A.S. (Discussion Interaction Analysis System) Το σύστημα DIAS (Discussion Interaction Analysis System) αποτελεί μια πλατφόρμα υλοποίησης ασύγχρονων συζητήσεων, στην οποία ενσωματώνονται μια σειρά δεικτών ανάλυσης αλληλεπιδράσεων. Για την υλοποίηση του συγκεκριμένου συστήματος λήφθηκε υπόψη ότι τα υπάρχοντα συστήματα ήταν κλειστής αρχιτεκτονικής ή σχεδιασμένα για συγκεκριμένες συνθήκες εργασίας και έρευνας (ad hoc) και για τον λόγο αυτό επιλέχθηκε να ακολουθηθεί μια προσέγγιση ανοιχτού κώδικα, με την έννοια της υλοποίησης με τέτοιο τρόπο, που να είναι εύκολος ο διαμοιρασμός του. Φίλιππος Δ. Γιαννακάς 57

58 Έτσι προτιμήθηκε η χρήση ενός διαδεδομένου λογισμικού φιλοξενίας ιστοσελίδων της Microsoft και συγκεκριμένα του IIS (Internet Information Server) ενώ η συγγραφή του κώδικα έγινε εξ ολοκλήρου στην πλατφόρμα ASP (Active Server Pages) και επιλέχθηκε το σύστημα διαχείρισης βάσεων δεδομένων SQL Server, για λόγους ευκολίας κατά την κατασκευή του πρωτότυπου συστήματος και συμβατότητας με την υπάρχουσα υποδομή του Πανεπιστημίου Αιγαίου. Η χρήση βάσεων δεδομένων για την καταγραφή της δραστηριότητας των χρηστών προτιμήθηκε από τα αρχεία καταγραφής (log files), στοχεύοντας στην αποτελεσματικότερη διαχείρισή τους. Ο τρόπος αποθήκευσης σε μια σχεσιακή βάση δεδομένων, επιτρέπει την εύκολη προσπέλαση, ανάκτηση και ανάλυση δεδομένων. Παράλληλα, η υλοποίηση του συστήματος εξ ολοκλήρου μέσω διαδικτύου, επιτρέπει την ευκολότερη συνεργασία του με άλλα υπολογιστικά περιβάλλοντα που χρησιμοποιούνται σε εκπαιδευτικά πλαίσια. Στη συνέχεια, παρουσιάζεται η αρχιτεκτονική και η λειτουργίες του συστήματος, οι δείκτες που παράγει. Ακολούθως, οι δείκτες κατηγοριοποιούνται ανάλογα με την οπτική γωνία εξέτασης που υιοθετούν, ενώ στο τέλος εξετάζεται το θέμα της ερμηνείας των δεικτών, μέσα και από την κατασκευή ερμηνευτικών σχημάτων. [86] Αρχιτεκτονική συστήματος Όπως αναφέρθηκε και παραπάνω το σύστημα D.I.A.S. είναι μια πλήρως λειτουργική πλατφόρμα υλοποίησης ασύγχρονων συζητήσεων. Η εικόνα 43 παρουσιάζει αναλυτικά την αρχιτεκτονική του. Φίλιππος Δ. Γιαννακάς 58

59 Εικόνα 43: Αρχιτεκτονική του συστήματος DIAS [86] Δείκτες ανάλυσης αλληλεπίδρασης Για να δει κανείς τους δείκτες αλληλεπίδρασης που παράγονται από το σύστημα DIAS, πρέπει να πατήσει με το ποντίκι στο κουμπί Δείκτες, που βρίσκεται στο κάτω μέρος της κεντρικής οθόνης (εικόνα 44). Οδηγείται έτσι στην οθόνη της εικόνας 45, απ όπου μπορεί να επιλέξει την κατηγορία δεικτών που επιθυμεί. Διακρίνονται τρεις κύριες κατηγορίες: α) ατομικοί δείκτες, β) ομαδικοί δείκτες, και γ) γενικοί δείκτες. Με το κουμπί Επιστροφή, ο χρήστης οδηγείται στην κεντρική οθόνη του συστήματος. Εικόνα 44 : Κουμπιά πρόσθετων λειτουργιών (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 59

60 Εικόνα 45 : Επιλογή κατηγορίας δεικτών αλληλεπίδρασης (Σύστημα DIAS) [86] Οι ατομικοί δείκτες είναι μια σειρά από οπτικές αναπαραστάσεις διαγράμματα που παρουσιάζουν πληροφορίες που αφορούν την ατομική δραστηριότητα των χρηστών. Ο κάθε χρήστης μπορεί να δει τους δείκτες που αφορούν μόνο τον εαυτό του, αν πρόκειται για μαθητή. Ο καθηγητής ή/και ο ερευνητής, μπορεί να δει τους ατομικούς δείκτες οποιουδήποτε χρήστη, αφού κάτι τέτοιο είναι σύμφωνο με τις απαιτήσεις του ρόλου και του έργου του. Το σύστημα παράγει μια ποικιλία δεικτών, οι οποίοι παρουσιάζουν πληροφορίες που κυμαίνονται από απλές στατιστικές έως σύνθετες πληροφορίες, που απεικονίζουν αναλυτικά τη δραστηριότητα του χρήστη. Η επιλογή των δεικτών που επιθυμεί να δει ένας χρήστης γίνεται μέσα από μία φόρμα, όπως αυτή που φαίνεται στην εικόνα 46. Στο αριστερό μέρος της εικόνας φαίνεται μια πλήρης λίστα των διαθέσιμων ατομικών δεικτών, ενώ στο δεξί κάποια τμήματα αυτής σε μεγέθυνση. Ο χρήστης επιλέγει τους δείκτες που επιθυμεί να δει, ενεργοποιώντας τα αντίστοιχα πλαίσια ελέγχου (check boxes) και συμπληρώνοντας τις απαιτούμενες πρόσθετες παραμέτρους, όπου αυτό είναι απαραίτητο. Τέτοιες παράμετροι αυτές είναι για παράδειγμα η εναρκτήρια και η καταληκτική ημερομηνία για ένα δείκτη που εμπεριέχει τη χρονική παράμετρο ή ακόμα και το είδος της χρονικής μονάδας που εξετάζεται (ημέρα, εβδομάδα, μήνας). Άλλη παράμετρος είναι η επιλογή συζήτησης, όταν ο δείκτης αφορά μία μόνο. Στη συνέχεια, με το κουμπί Ok στο τέλος της οθόνης, εμφανίζονται οι ζητούμενοι δείκτες, ενώ το κουμπί Άκυρο, οδηγεί πίσω στην οθόνη της εικόνας 45. Φίλιππος Δ. Γιαννακάς 60

61 Φίλιππος Δ. Γιαννακάς 61

62 Εικόνα 46 : Φόρμα επιλογή ατομικών δεικτών αλληλεπίδρασης (Σύστημα DIAS) [86] Οι ομαδικοί δείκτες είναι μια σειρά από οπτικές αναπαραστάσεις διαγράμματα που παρουσιάζουν πληροφορίες που αφορούν την δραστηριότητα μιας ομάδας χρηστών. Ο κάθε χρήστης μπορεί να δει τους δείκτες που αφορούν μόνο τις ομάδες, στις οποίες ανήκει. Φυσικά, ο καθηγητής ή/και ο ερευνητής, μπορεί να δει τους δείκτες Φίλιππος Δ. Γιαννακάς 62

63 για όλες τις ομάδες, αφού κάτι τέτοιο είναι σύμφωνο με τις απαιτήσεις του ρόλου και του έργου του. Παράλληλα, μπορεί να αποφασίσει αν επιθυμεί οι χρήστες να μπορούν να δουν δείκτες ομάδων, στις οποίες δεν ανήκουν, αν αυτό εξυπηρετεί το σχεδιασμό της εκπαιδευτικής δραστηριότητας (περισσότερη συζήτηση γι αυτό γίνεται στην παρουσίαση των μελετών περίπτωσης που σχεδιάστηκαν στα πλαίσια της παρούσας έρευνας, παρακάτω). Το σύστημα παράγει μια ποικιλία τέτοιων δεικτών, οι οποίοι παρουσιάζουν πληροφορίες για τη δραστηριότητα και τη γενικότερη συμπεριφορά των μελών μιας ομάδας. Ανάλογα με την ερμηνευτική προσέγγιση, μπορούν να εξαχθούν πολλά συμπεράσματα από τη μελέτη τους, ενώ οι περισσότεροι είναι αρκετά πιο σύνθετοι από τους ατομικούς δείκτες. Η επιλογή τους γίνεται με τον ίδιο τρόπο, μέσα από τη φόρμα που φαίνεται στην εικόνα 47. Οι Γενικοί Δείκτες είναι μια σειρά από οπτικές αναπαραστάσεις διαγράμματα που παρουσιάζουν πληροφορίες που αφορούν την δραστηριότητα του συνόλου των χρηστών του συστήματος. Απευθύνονται στον καθηγητή ή/και τον ερευνητή μόνο, αφού αφορούν κυρίως την αποτίμηση και αξιολόγηση της συνολικής δραστηριότητας στο σύστημα. Το σύστημα παράγει μια ποικιλία τέτοιων δεικτών, οι περισσότεροι από τους οποίους είναι σύνθετοι και χρήζουν της κατάλληλης ερμηνευτικής προσέγγισης. Η επιλογή τους γίνεται με τον ίδιο τρόπο, μέσα από τη φόρμα που φαίνεται στην εικόνα 48. Φίλιππος Δ. Γιαννακάς 63

64 Εικόνα 47 : Φόρμα επιλογή ομαδικών δεικτών αλληλεπίδρασης (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 64

65 Εικόνα 48 : Φόρμα επιλογή γενικών δεικτών αλληλεπίδρασης (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 65

66 Εικόνα 49 : Παραδείγματα απλών δεικτών αλληλεπίδρασης 1 (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 66

67 Εικόνα 50 : Παραδείγματα απλών δεικτών αλληλεπίδρασης 2 (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 67

68 Οι δείκτες όλων των ειδών, ποικίλουν ως προς την πληροφορία που παρουσιάζουν. Έτσι υπάρχουν δείκτες που περιέχουν απλές στατιστικές πληροφορίες επίγνωσης και δείκτες περισσότερο σύνθετοι, οι οποίοι συνδυάζουν δεδομένα από διαφορετικές συνιστώσες. Στην πρώτη κατηγορία ανήκει ο Δείκτης Μηνυμάτων ανά μονάδα Χρόνου που φαίνεται στην εικόνα 49α που δείχνει το συνολικό πλήθος και το είδος των μηνυμάτων ανά εβδομάδα, για μία κοινότητα χρηστών που συμμετέχει σε διάφορες, παράλληλες συζητήσεις. Η χρονική περίοδος εξέτασης καθορίζεται ως πρόσθετη παράμετρος, μέσα από τις φόρμες επιλογής των δεικτών που παρουσιάστηκαν παραπάνω. Το ραβδόγραμμα της εικόνας 49β (Δείκτης Ανάγνωσης Μηνυμάτων Χρήστη), δείχνει πόσοι και ποιοι έχουν διαβάσει τουλάχιστον μια φορά τα μηνύματα που έχει γράψει ένας συγκεκριμένος χρήστης. Στο ραβδόγραμμα της εικόνας 49γ (Δείκτης Απαντήσεων προς το Χρήστη), ο οριζόντιος άξονας αντιστοιχεί στα μηνύματα ενός συγκεκριμένου χρήστη, ενώ ο κάθετος άξονας δείχνει πόσοι και ποιοι συνάδελφοί του δημοσίευσαν απαντητικά μηνύματα σε καθένα από αυτά. Το διπλό ραβδόγραμμα της εικόνας 49δ (Δείκτης Απαντήσεων από το Χρήστη) παρουσιάζει την αντίστροφη ροή δραστηριότητας, δείχνοντας τις απαντήσεις ενός συγκεκριμένου χρήστη προς όλους τους υπόλοιπους. Στο οριζόντιο άξονα φαίνονται όλοι αυτοί οι χρήστες, ενώ στον κάθε ένα αντιστοιχούν δύο ράβδοι. Η λεπτή, κόκκινη ράβδος δείχνει το πλήθος των μηνυμάτων που έχει γράψει, ενώ η παχύτερη ράβδος δείχνει το πλήθος των απαντήσεων προς αυτά, που έχει γράψει ο υπό εξέταση χρήστης. Είναι δε χρωματισμένη, φανερώνοντας παράλληλα και το είδος των απαντητικών μηνυμάτων. Άλλο παράδειγμα είναι ο Δείκτης Κατανομής Συνεισφοράς, σε μορφή διαγράμματος πίτας, που φαίνεται στην εικόνα 50α και η οποία δείχνει αντίστοιχα το ποσοστό συμμετοχής του κάθε χρήστη στη συγγραφή μηνυμάτων, στις διάφορες συζητήσεις. Ο Δείκτης Κατανομής Μηνυμάτων Χρήστη, δείχνει την κατανομή της δραστηριότητας ενός χρήστη στις διάφορες επιμέρους συζητήσεις που συμμετέχει και παράγεται από το σύστημα DIAS σε μορφή διαγράμματος u923 πίτας (εικόνας 50β) ή ραβδογράμματος (εικόνα 50γ). Στο τελευταίο, επιπλέον περιλαμβάνεται ο μέσος όρος μηνυμάτων του χρήστη, ανά συζήτηση (σιέλ οριζόντια γραμμή). Φίλιππος Δ. Γιαννακάς 68

69 Ένας ακόμα απλός, στατιστικός δείκτης, είναι ο Δείκτης Συμμετοχής Χρήστη σε Ομάδες (εικόνα 50δ), που δείχνει την κατανομή της δραστηριότητάς του στις επιμέρους ομάδες, των οποίων είναι μέλος. Πρόκειται για ένα πολλαπλό ραβδόγραμμα, που παρουσιάζει τέσσερις ράβδους για κάθε ομάδα. Η κόκκινη δείχνει τη δραστηριότητα του υπό εξέταση μαθητή στον τομέα της καταχώρησης μηνυμάτων, ως ποσοστό επί του συνόλου των μηνυμάτων της ομάδας. Η ράβδος δείχνει τη μέση τιμή της ποσοστιαίας συμμετοχής του κάθε μέλους της ομάδας. Η μπλε και η κίτρινη δείχνουν τις αντίστοιχες απόλυτες, αριθμητικές τιμές. Έτσι απεικονίζεται το ύψος της συμμετοχής του μαθητή στις ομάδες που ανήκει, ενώ φαίνεται και η αντίστοιχη κατανομή της δραστηριότητας του. Τέλος, ο Δείκτης Βάθους Συζητήσεων (εικόνα 53α), δείχνει τα βάθη όλων των επιμέρους νημάτων μιας ή όλων των συζητήσεων που πραγματοποιούνται. Οι δείκτες που παρουσιάζονται στις εικόνες 49, 50 και 53α, είναι ένα μέρος από τους απλούς δείκτες επίγνωσης που παράγει το σύστημα DIAS. Υπάρχουν πολλές παραλλαγές αυτών, δίνοντας τη δυνατότητα στο σχεδιαστή μιας δραστηριότητας να παράσχει και στο χρήστη να εντοπίσει με ακρίβεια την πληροφορία που θέλει κάθε φορά. Έτσι, για παράδειγμα, τα ραβδογράμματα που απεικονίζουν το πλήθος των μηνυμάτων ανά μονάδα χρόνου (εικόνα 50α), μπορούν να παραχθούν ανά ημέρα, εβδομάδα ή μήνα, για ένα άτομο ή μια ομάδα ατόμων. Επιπλέον μπορούν να απεικονίζουν μόνο το πλήθος των μηνυμάτων ανά μονάδα χρόνου ή και την κατανομή τους ανά είδος (όπως στο παράδειγμα της Εικόνας 18α), ενώ μπορούν επιπρόσθετα να παραχθούν μόνο για ένα συγκεκριμένο είδος μηνυμάτων (π.χ. ερώτηση, απάντηση, επιχείρημα, πληροφορία, κλπ). Ένα απλό παράδειγμα τέτοιας ερμηνείας που αφορά την πίτα της εικόνας 50α, είναι ότι δείχνει την κατανομή της ενεργητικότητας στους συμμετέχοντες σε δραστηριότητες ασύγχρονων συζητήσεων. Παράλληλα όμως παρουσιάζοντας και τις απόλυτες τιμές (πλήθος μηνυμάτων ανά χρήστη), μπορεί να δείξει ανά πάσα στιγμή αν τηρείται το πλάνο που προβλέπει ο αρχικός σχεδιασμός, αναφορικά με την έκταση και την κατανομή της δραστηριότητας. Εντοπίζονται εύκολα οι περισσότερο αδρανείς χρήστες, ενώ η μελέτη αυτού του διαγράμματος σε βάθος χρόνου μπορεί να δείξει τη μεταβολή της συμμετοχής των Φίλιππος Δ. Γιαννακάς 69

70 χρηστών με την πάροδό του. Εκτός από τους απλούς δείκτες, υπάρχουν περισσότερο σύνθετοι δείκτες, ατομικοί και ομαδικοί που παρουσιάζουν πληροφορίες από συνδυασμένα δεδομένα. Σύμφωνα με το ερευνητικό πεδίο της Οπτικοποίησης Πληροφοριών, στόχος είναι ο συνδυασμός αφηρημένων δεδομένων με τέτοιο τρόπο, ώστε να προκύπτουν νέα νοήματα, ερμηνείες και οπτικές γωνίες εξέτασης. Για παράδειγμα ο Δείκτης Συνεισφοράς (Contribution Indicator) που φαίνεται στην εικόνα 51, είναι ένα πολικό διάγραμμα που δείχνει τη συνεισφορά του κάθε χρήστη σε μία συζήτηση. Σε κάθε χρήστη αντιστοιχεί ένας κύκλος, η απόσταση του οποίου από την περιφέρεια του διαγράμματος είναι ανάλογη με το ποσοστό συνεισφοράς του στην εξέλιξη της συζήτησης, ενώ το μέγεθος του κύκλου είναι ανάλογο με τα είδη των μηνυμάτων που χρησιμοποιεί. Οι ενδείξεις αυτές διατάσσονται κυκλικά στο διάγραμμα, εξασφαλίζοντας την ευκρίνειά του (δεν υπάρχουν επικαλύψεις μεταξύ τους). Η μορφή του διαγράμματος αυτού αλλάζει δυναμικά με την πάροδο του χρόνου, αφού η μέτρηση ποσοστών κάνει τις αποστάσεις αυτές σχετικές και συνεχώς μεταβαλλόμενες. Είναι σχετικές γιατί η συγγραφή μηνυμάτων από ένα μόνο άτομο μεταβάλλει τα ποσοστά όλων των μελών της ομάδας και κατά συνέπεια και τις απεικονιζόμενες αποστάσεις. Επιπλέον, η μονάδα μέτρησης (ποσοστά επί τοις εκατό) εξασφαλίζει ότι δε θα υπάρχουν μεγάλες διαφορές ανάμεσα στις ακραίες τιμές, ενισχύονται περισσότερο την ευκρίνεια του διαγράμματος. Ο δείκτης αυτός φανερώνει την έκταση της συνεισφοράς του κάθε χρήστη, αλλά και μια πρώτη ένδειξη της ποιότητάς της, αξιολογώντας την παράμετρο της ποικιλίας των μηνυμάτων που γράφει (λίγα είδη μηνυμάτων φανερώνουν μονόπλευρη συνεισφορά). Η χρήση του πολικού διαγράμματος επιλέχθηκε λόγω τη ευκολίας που παρέχει στη σύγκριση πολλών χρηστών ταυτόχρονα, ιδιαίτερα στην περίπτωση αυτή που η μονάδα μέτρησης είναι ποσοστιαίες μονάδες. Ο Δείκτης Κατάταξης (Classification Indicator) που φαίνεται στην εικόνα 52 είναι ένα καρτεσιανό διάγραμμα που συνδυάζει δύο διαφορετικές συνιστώσες της συμμετοχής των χρηστών. Ο οριζόντιος άξονας δείχνει τη συμμετοχή στη συγγραφή μηνυμάτων ως ποσοστό επί του συνόλου, ενώ ο κάθετος άξονας αντιστοιχεί στο ποσοστό των διαθέσιμων μηνυμάτων που έχει αναγνώσει κανείς. Η διαβάθμιση των αξόνων εκτείνεται από χαμηλά (low), που αντιστοιχεί στη χαμηλότερη μετρούμενη τιμή, σε υψηλά (high), που αντιστοιχεί στην υψηλότερη Φίλιππος Δ. Γιαννακάς 70

71 μετρούμενη τιμή. Με τον τρόπο αυτό, οι ίδιοι οι άξονες αντιστοιχούν στη μέση τιμή της κάθε συνιστώσας, ενώ η θέση του κάθε χρήστη στο επίπεδο εξαρτάται από τη συνολική δραστηριότητα όλων. Το διάγραμμα αυτό παρέχει μια γρήγορη σύγκριση της δραστηριότητας των χρηστών, εντοπίζοντας εύκολα ανεπιθύμητες συμπεριφορές. Εικόνα 51 : Δείκτης Συνεισφοράς (Σύστημα DIAS) [86] Εικόνα 52 : Δείκτης Κατάταξης (Σύστημα DIAS) [86] Ο Δείκτης Ενεργητικότητας (Activity Indicator) που φαίνεται στην εικόνα 53, είναι ένα καρτεσιανό διάγραμμα που συνδυάζει τις πληροφορίες που παρέχουν οι Φίλιππος Δ. Γιαννακάς 71

72 προηγούμενοι δύο δείκτες. Η σημαντική διαφοροποίησή του είναι ότι παρουσιάζει απόλυτες τιμές στις δύο συνιστώσες δραστηριότητας, με άμεση συνέπεια τη χρήση μόνο του πρώτου τεταρτημορίου και την αύξηση των αποστάσεων ανάμεσα στις αναπαραστάσεις των χρηστών. Επιπλέον, σε μια από τις παραλλαγές του δείκτη αυτού, που παρουσιάζει πληροφορίες για τη συνολική δραστηριότητα των χρηστών, σε όλες τις συζητήσεις, το μέγεθος του κύκλου που αντιστοιχεί στον κάθε ένα, είναι ανάλογο όχι μόνο του πλήθους των διαφορετικών ειδών μηνυμάτων που χρησιμοποιούν, αλλά και του πλήθους των συζητήσεων, στις οποίες έχουν ενεργή συμμετοχή. Εικόνα 53 : Δείκτης Ενεργητικότητας. (Σύστημα DIAS) [86] Εικόνα 53α: Δείκτης χρονισμού ανάγνωσης (Σύστημα DIAS) [86] Άλλο παράδειγμα σύνθετου δείκτη είναι ο Δείκτης Σχετικής Ενεργητικότητας (Relative Activity Indicator - RAI). Το ραβδόγραμμα που φαίνεται στην εικόνα 54α, είναι η παραλλαγή του δείκτη που αφορά μια ομάδα ατόμων και μία μόνο συζήτηση. Για μια Φίλιππος Δ. Γιαννακάς 72

73 επιλεγμένη χρονική περίοδο, απεικονίζει την ενεργητικότητα των συμμετεχόντων σε μια συζήτηση σε ποσοστιαίες μονάδες, επιδοτώντας την ποικιλία συμμετοχής (πολλούς τύπους μηνυμάτων) και την πρωτοβουλία (έναρξη νέων νημάτων). Παρέχει μια άμεση σύγκριση μεταξύ όλων των συμμετεχόντων και παράλληλα με τη μέση τιμή ενεργητικότητας που απεικονίζεται από την οριζόντια κόκκινη γραμμή στο διάγραμμα. Δείχνει την κατανομή της δραστηριότητας στους συμμετέχοντες, καθιστώντας εύκολα τον εντοπισμό των αδρανών ή υπερδραστήριων ατόμων, ευκολότερα απ ότι στους προηγούμενους δείκτες. Εικόνα 54 : Δείκτες Σχετικής Ενεργητικότητας (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 73

74 Εικόνα 55 : Δείκτης Απόδοσης Χρηστών (Σύστημα DIAS) [86] Στην εικόνα 54β φαίνεται η παραλλαγή του δείκτη αυτού, που αφορά ένα μόνο άτομο. Για την επιλεγμένη χρονική περίοδο και για διακριτά, επιμέρους χρονικά τμήματα (χρονοθυρίδες) εμφανίζεται η ατομική επίδοση του ατόμου αυτού και ο μέσος όρος της συνολικής δραστηριότητας της ομάδας για την ίδια χρονοθυρίδα. Κατά συνέπεια, η μέση τιμή δεν είναι σταθερή για όλη την έκταση του διαγράμματος, αλλά διαφέρει για κάθε χρονοθυρίδα. Όταν η μέση τιμή είναι ίση με μηδέν, τότε στην αντίστοιχη χρονοθυρίδα δεν υπήρχε καθόλου δραστηριότητα, ενώ όταν είναι ίση με 1 (δηλαδή 100%) όλη η δραστηριότητα προέρχεται από ένα άτομο μόνο. Η τιμή της είναι αντιστρόφως ανάλογη με το πλήθος των ατόμων που δραστηριοποιούνται σε κάθε περίπτωση. Είναι δυνατή λοιπόν η αξιολόγηση της δραστηριότητας ενός μεμονωμένου ατόμου σε όλη τη διάρκεια μιας συζήτησης και η σύγκρισή της με τη συνολική δραστηριότητα της ομάδας που διεξάγει τη συζήτηση. Επιπλέον, φαίνεται ο ρυθμός ανάπτυξης της συζήτησης σε συνάρτηση με το χρόνο, ανεξάρτητα από το χρήστη για τον οποίο παράγεται το διάγραμμα αυτό. Ένα τελευταίο παράδειγμα είναι ο Δείκτης Απόδοσης Χρηστών (User Performance Indicator) που φαίνεται στην εικόνα 55. Σε κάθε χρήστη του συστήματος Φίλιππος Δ. Γιαννακάς 74

75 που φαίνεται στον οριζόντιο άξονα αντιστοιχούν δύο μπάρες. Η κόκκινη δείχνει το πλήθος των μηνυμάτων που έχει γράψει, ενώ η μπλε δείχνει το εύρος του μεγέθους των μηνυμάτων αυτών σε λέξεις. Το άνω άκρο αντιστοιχεί στο μεγαλύτερο μήνυμα, το κάτω άκρο στο μικρότερο, ενώ υπάρχει μια μικρή οριζόντια γραμμή ενδιάμεσα που αντιστοιχεί το μέσο μέγεθος των μηνυμάτων του κάθε χρήστη. Επιπρόσθετα υπολογίζονται δύο μεγέθη. Ο μέσος όρος λέξεων ανά μήνυμα (πράσινη οριζόντια γραμμή) και η μέση τιμή λέξεων ανά μήνυμα (κίτρινη οριζόντια γραμμή). Ο μέσος όρος ορίζεται ως (Π-Λ)/2, όπου Π είναι ο αριθμός λέξεων του μεγαλύτερου συνολικά μηνύματος, Λ είναι ο αριθμός λέξεων του μικρότερου συνολικά μηνύματος. Η μέση τιμή υπολογίζεται ως ο λόγος του αθροίσματος των λέξεων σε όλα τα μηνύματα δια το συνολικό αριθμό μηνυμάτων. Ο δείκτης αυτός παρέχει μια γρήγορη επισκόπηση και τη δυνατότητα αποτίμησης της δραστηριότητας όλων των χρηστών του συστήματος. Εξετάζεται όχι μόνο η δραστηριότητα μετρούμενη ως πλήθος μηνυμάτων, αλλά συνυπολογίζεται και το μέγεθός τους. Ξεχωρίζουν οι περιπτώσεις χρηστών που γράφουν πολλές φορές μικρά και ανούσια μηνύματα, απλά για να φαίνονται δραστήριοι, αλλά και οι χρήστες που αναλαμβάνουν ειδικούς ρόλους (π.χ. συντονισμός, σύνοψη συζήτησης κλπ). Όπως στην περίπτωση των απλών δεικτών, έτσι και στους σύνθετους παράγονται αρκετές παραλλαγές τους. Για παράδειγμα ο Δείκτης Κατάταξης, ο Δείκτης Συνεισφοράς και ο Δείκτης Ενεργητικότητας μπορούν να χρησιμοποιηθούν για τη σύγκριση των συμμετεχόντων σε μία συζήτηση μόνο, των μελών μιας ομάδας χρηστών και για όλες τις συζητήσεις στις οποίες συμμετέχουν, των μελών μιας ομάδας χρηστών και για μία μόνο συζήτηση ή όλων των χρηστών του συστήματος. Εικόνα 56 : Κοινωνιοδιάγραμμα Απαντήσεων (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 75

76 Εικόνα 57 : Κοινωνιοδιάγραμμα Αναγνώσεων (Σύστημα DIAS) [86] Τέλος, παράγεται μια σειρά σύνθετων δεικτών, ειδικού τύπου. Πρόκειται για οπτικές αναπαραστάσεις που δεν περιέχουν συνήθη διαγράμματα, όπως είναι τα καρτεσιανά διαγράμματα ή τα απλά ραβδογράμματα. Παραδείγματα τέτοιων δεικτών είναι τα Κοινωνιοδιαγράμματα που φαίνονται στις εικόνες 56 και 57. Οι χρήστες του συστήματος αναπαριστώνται με κόκκινες κουκίδες οι οποίες συνδέονται με βέλη. Στο πρώτο διάγραμμα ένα βέλος ανάμεσα σε δύο χρήστες υποδεικνύει τη συγγραφή απάντησης του ενός προς τον άλλο, ενώ στο δεύτερο διάγραμμα το βέλος υποδεικνύει την ανάγνωση μηνυμάτων του δεύτερου από τον πρώτο. Οι θέσεις των χρηστών στο διάγραμμα καθορίζονται από διάφορες παραμέτρους, όπως είναι ο αριθμός των συνδέσεών τους (βελών) με τους υπόλοιπους (από και προς τον καθένα), αλλά και το πλήθος των μετρούμενων μεγεθών (συγγραφή ή ανάγνωση μηνυμάτων), σύμφωνα με τη θεωρία Ανάλυσης Κοινωνικών Δικτύων (Social Network Analysis - SNA). Από τα διαγράμματα αυτά, φαίνονται οι απομονωμένοι και οι κεντρικοί χρήστες, οι επιμέρους σχηματιζόμενες ομάδες (κλίκες, όπως ονομάζονται στην SNA), αλλά και άλλες ενδιαφέρουσες μετρήσεις (όπως η πυκνότητα των δικτύων). Για την παραγωγή των κοινωνιοδιαγραμμάτων, το σύστημα DIAS κατασκευάζει αυτόματα τους απαραίτητους Κοινωνικούς Πίνακες (social matrices), σε τέτοια μορφή ώστε να μπορούν να χρησιμοποιηθούν με γνωστά λογισμικά SNA (Netdraw και Agna). Για μία συζήτηση με Ν συμμετέχοντες, παράγεται ένας ΝxΝ πίνακας. Φίλιππος Δ. Γιαννακάς 76

77 Στο κελί που βρίσκεται στη γραμμή Α και τη στήλη Β τοποθετείται ένας φυσικός αριθμός (μη αρνητικός ακέραιος) που δείχνει: α) τον αριθμό των μηνυμάτων που έχει δημοσιεύσει ο συμμετέχων Α και απαντούν σε μηνύματα του συμμετέχοντα Β, και β) τον αριθμό των μηνυμάτων του συμμετέχοντα Β που έχει διαβάσει ο Α. Και στις δύο περιπτώσεις, τιμή μεγαλύτερη του μηδενός οδηγεί στο σχεδιασμό του αντίστοιχο βέλος στο κοινωνιοδιάγραμμα. Άλλα παραδείγματα ειδικού τύπου δεικτών είναι τα δενδροδιαγράμματα που φαίνονται στις εικόνες 59 και 60 Αναπαριστούν τη δομή των νημάτων μιας συζήτησης σε δενδροειδή μορφή, όπου κάθε μήνυμα απεικονίζεται μια κουκίδα και ενώνεται με ευθύγραμμα τμήματα με τις απαντήσεις του. Στο δενδροδιάγραμμα της εικόνα 59 (Δείκτης Ανάπτυξης Συζήτησης) οι κουκίδες είναι χρωματισμένες ανάλογα με τη χρονική στιγμή συγγραφής του αντιστοίχου μηνύματος, ακολουθώντας την εξέλιξη τη χρωματισμένης μπάρας που υπάρχει στο κάτω μέρος του διαγράμματος. Τα χρώματα εναλλάσσονται από κόκκινο (το πιο παλιό μήνυμα), σε κίτρινο (το μεσαίο χρονικά μήνυμα) και σταδιακά σε πράσινο (το πιο πρόσφατο μήνυμα). Με τον τρόπο αυτό απεικονίζεται πλήρως η εξέλιξη των νημάτων μιας συζήτησης και φαίνεται αν ακολουθεί γραμμική πορεία ή αναπτύσσονται παράλληλα μεταξύ τους. Ένα μέρος των προβλημάτων συμμετοχής των χρηστών σε ασύγχρονες συζητήσεις και κατά συνέπεια των προβλημάτων ανάπτυξης των συζητήσεων, οφείλεται στην τακτική του Μονού Περάσματος (η οποία αναλύεται στην ανάγνωση των τελευταίων μηνυμάτων που έχουν προστεθεί σε ένα εργαλείο υλοποίησης), που ακολουθούν. Άμεση συνέπεια είναι η εξέλιξη των παλαιοτέρων νημάτων σταδιακά να φθίνει και συχνά να παραμελούνται σημαντικά θέματα από τις συζητήσεις. Ο δείκτης αυτός μπορεί να επισημάνει τέτοιες ανεπιθύμητες καταστάσεις στο διαμεσολαβητή της συζήτησης, ώστε να επαναφέρει στο επίκεντρο φθίνοντα νήματα με αναπάντητα ερωτήματα, κάτι που εμπίπτει στις αρμοδιότητές του. Στο Δείκτης Χρονισμού Ανάγνωσης (User Time Reads) που φαίνεται στην εικόνα 60, οι κουκίδες είναι χρωματισμένες ανάλογα με τη χρονική στιγμή ανάγνωσης των μηνυμάτων από το χρήστη που αφορά ο δείκτης. Ακολουθείται ο χρωματικός κώδικας που καθορίζεται από τη μπάρα χρονικής εναλλαγής που εμφανίζεται στο κάτω μέρος του διαγράμματος. Φίλιππος Δ. Γιαννακάς 77

78 Επιπλέον, όταν κάποιο μήνυμα έχει αναγνωστεί από τον υπό εξέταση χρήστη περισσότερες της μίας φορές, η αντίστοιχη κουκίδα έχει μεγαλύτερο μέγεθος και ο αριθμός των αναγνώσεων αναγράφεται πάνω από αυτήν, ενώ τα μη αναγνωσμένα μηνύματα εμφανίζονται με μαύρο χρώμα. Για τα μηνύματα που έχει γράψει ο υπό εξέταση χρήστης, η κουκίδα δεν είναι κυκλική, αλλά τετραγωνική. Ο δείκτης αυτός παρουσιάζει αναλυτικά τη δραστηριότητα ενός χρήστη, αφού μπορεί να αποκαλύψει την τακτική που ακολουθεί. Είναι εμφανές αν συμμετέχει ενεργά καθ όλη την εξέλιξη της συζήτησης, σποραδικά ή προς το τέλος της. Παράλληλα φαίνεται αν η συμμετοχή του στηρίζεται σε δειγματοληπτική ανάγνωση μηνυμάτων, αν ακολουθείται τακτική Μονού Περάσματος ή αν υπάρχουν μηνύματα που κέντρισαν το ενδιαφέρον του οδηγώντας τον σε περισσότερες της μίας αναγνώσεις. Και στα δύο δενδροδιαγράμματα (εικόνες 59 και 60) αναγράφεται η αρχική και η καταληκτική ημερομηνία στην μπάρα χρονικής εναλλαγής, βοηθώντας με αυτό τον τρόπο την εξαγωγή συμπερασμάτων. Φίλιππος Δ. Γιαννακάς 78

79 Εικόνα 59 : Δείκτης Ανάπτυξης Συζήτησης. (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 79

80 Εικόνα 60 : Δείκτης χρονισμού ανάγνωσης. (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 80

81 Εικόνα 61 : Σύνθετοι δείκτες (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 81

82 Το διάγραμμα που φαίνεται στο αριστερό μέρος της εικόνας 60, απεικονίζει την ανάπτυξη και τον όγκο των νημάτων μιας συζήτησης, με τη μορφή εμφωλευμένων τετραγώνων (nested rectangles), όπως προτείνεται από τον Simmoff (1999). [76] Αυτή η οπτικοποίηση περιλαμβάνεται στο σύστημα DIAS για λόγους σύγκρισης με τους νέους, προτεινόμενους δείκτες, αλλά και ως βάση για περισσότερο σύνθετους δείκτες, όπως είναι ο Δείκτης Διασποράς Συζήτησης και ο Δείκτης Διασποράς Μεγέθους Συζήτησης, που φαίνονται στο δεξί μέρος της εικόνας 60. Αυτοί οι δύο δείκτες βοηθούν στο διαχωρισμό των σημαντικότερων και πιο ενδιαφερόντων νημάτων μιας συζήτησης, συνδυάζοντας μια σειρά από πέντε (5) παραμέτρους που προτείνονται στη διεθνή βιβλιογραφία, για την ποιοτική αξιολόγηση των ασύγχρονων συζητήσεων. Το σύνολο των παραγομένων δεικτών στο σύστημα DIAS ξεπερνά τους 80, αν συνυπολογιστούν όλες οι δυνατές παραλλαγές τους [86] Κατηγοριοποίηση δεικτών Στο προηγούμενο κεφάλαιο αναφέρθηκε μια πρώτη κατηγοριοποίηση των δεικτών σε χαμηλού και υψηλού επιπέδου, η οποία στηρίζεται κυρίως στην πολυπλοκότητα της πληροφορίας που περιέχουν. Οι χαμηλού επιπέδου δείκτες περιγράφουν βασικές παραμέτρους της δραστηριότητας των χρηστών, ενώ δεν απαιτείται κάποια ιδιαίτερη ερμηνευτική προσπάθεια για την κατανόησή τους. Πρόκειται για διαγράμματα που αποσκοπούν στην παροχή πληροφορίας επίγνωσης στους χρήστες, δίνοντάς τους εικόνα των ενεργειών τόσο των δικών τους (κυρίως), όσο και των συνεργατών τους. Οι υψηλού επιπέδου δείκτες περιγράφουν περισσότερο σύνθετες παραμέτρους και απαιτούν συνήθως κάποια ιδιαίτερη ερμηνευτική προσέγγιση για την αποκωδικοποίηση της πληροφορίας που περιέχουν. Η διαφορά πολυπλοκότητας των δύο κατηγοριών δεν συνεπάγεται αντίστοιχη διαφορά στη σημασία τους, αφού έχουν και οι δύο τη χρησιμότητά τους. Υπάρχουν διάφορες εναλλακτικές κατηγοριοποιήσεις που μπορούν να εφαρμοστούν στους δείκτες ανάλυσης αλληλεπιδράσεων και βάση των οποίων να μελετηθούν. Μία από αυτές στηρίζεται στην οπτική γωνία εξέτασης(point of view) των δεδομένων που αναλύει ένας δείκτης. Όπως προαναφέρθηκε, οι χρήστες κατά τη διάρκεια μιας ασύγχρονης συζήτησης δεν πρέπει να αντιμετωπίζονται ως οντότητες με Φίλιππος Δ. Γιαννακάς 82

83 ατομικές γνωστικές δομές που εμπλέκονται σε μια διαδικασία διαπραγμάτευσης. Ως μέλη διαφορετικών ομάδων, αλλά και μιας ευρύτερης κοινότητας, σχηματίζουν νέες γνωστικές δομές. Η προτεινόμενη κατηγοριοποίηση κατατάσσει τους δείκτες με βάση το γνωστικό σύστημα που αφορά και αναπαριστά το παράγωγο του καθενός απ αυτούς. Διακρίνουμε τέσσερις κατηγορίες δεικτών: α) Ατομική προοπτική (individual point of view), β) Αδιαφοροποίητη ομαδική προοπτική (undifferentiated group point of view), γ) Διαφοροποιημένη ομαδική προοπτική (differentiated group point of view), και δ) Κοινοτική προοπτική (community point of view). Οι δείκτες της ατομικής προοπτικής μετρούν κάτι ή παρουσιάζουν πληροφορίες για ενέργειες ή παραγόμενο έργο που αφορούν μεμονωμένους χρήστες. Ένα παράδειγμα δείκτη αυτής της κατηγορίας είναι ένα ραβδόγραμμα που δείχνει το πλήθος των μηνυμάτων που καταχωρεί ένας χρήστης ανά ημέρα. Οι δείκτες ομαδικής προοπτικής, αντίστοιχα παρουσιάζουν πληροφορίες για τις ενέργειες ή το παραγόμενο έργο μιας ομάδας χρηστών. Όταν οι πληροφορίες αφορούν ολόκληρη την ομάδα, χωρίς να γίνεται άμεση αναφορά στην ατομική συνεισφορά του κάθε μέλους, τότε πρόκειται για δείκτες αδιαφοροποίητης οπτικής γωνίας. Η πίτα που φαίνεται στην εικόνα 50α ανήκει στην κατηγορία αυτή. Όταν δίνεται η δυνατότητα να διακρίνει κανείς την ατομική συνεισφορά του κάθε μέλους της ομάδας, πρόκειται για δείκτες διαφοροποιημένη οπτική γωνία. Ο Δείκτης Ενεργητικότητας που φαίνεται στην εικόνα 53 ανήκει στην κατηγορία αυτή. Τέλος, οι δείκτες κοινοτικής προοπτικής παρουσιάζουν πληροφορίες που αφορούν όλους τους χρήστες, ανεξάρτητα από τις επιμέρους ομάδες στις οποίες ανήκουν. Τέτοιοι δείκτες είναι για παράδειγμα ο Δείκτης Κατάταξης (εικόνα 52) και ο Δείκτης Απόδοσης (εικόνα 55), στις παραλλαγές τους που αφορούν όλους στους χρήστες του συστήματος. Ένας εναλλακτικός τρόπος κατηγοριοποίησης των δεικτών αλληλεπίδρασης στηρίζεται στο επίπεδο υποβοήθησης (level of assistance) που παρέχουν στους χρήστες. Έτσι διαχωρίζονται σε δείκτες Επίγνωσης (awareness), Αξιολόγησης (assessment) και Αποτίμησης (evaluation). Οι δείκτες επίγνωσης είναι αυτοί που Φίλιππος Δ. Γιαννακάς 83

84 παρουσιάζουν απλές αριθμητικές τιμές ή αναπαραστάσεις τιμών, ενώ είναι συνήθως ατομικοί. Η αξιοποίηση της πληροφορίας τους ανάγεται στον ίδιο το χρήστη, στις περισσότερες περιπτώσεις μέσω της διαδικασίας της αυτοαξιολόγησης, με βάση τη διαισθητική και αντιληπτική του ικανότητα ή τις υφιστάμενες νόρμες αξιολόγησης που έχει αναπτύξει βασισμένος σε παρελθούσες εμπειρίες του. Τέτοιοι δείκτες είναι για παράδειγμα τα ραβδογράμματα που δείχνουν το πλήθος των μηνυμάτων ανά μονάδα χρόνου ή ο δείκτης που φαίνεται στην εικόνα 49δ και παρουσιάζει το πλήθος και το είδος των απαντήσεων ενός χρήστη προς τους συνεργάτες του. Οι δείκτες αξιολόγησης παρέχουν πληροφορίες, τις οποίες οι χρήστες πρέπει να αξιολογήσουν κατάλληλα και να αποφασίσουν για τη χρησιμότητά τους. Συνήθως πρόκειται για τιμές που μπορεί να είναι και κανονικοποιημένες, με βάση ένα προδιαγεγραμμένο μοτίβο, οι οποίες δίνουν τη δυνατότητα αξιολόγησης μέσω σύγκρισης με την ιδανική ή επιθυμητή κατάσταση. Ο Δείκτης Σχετικής Ενεργητικότητας (εικόνα 54), αλλά και οι δείκτες που παρουσιάζουν στοιχεία για τη δραστηριότητα των χρηστών (εικόνες 51, 52, 53) ανήκουν στην κατηγορία αυτή. Επίσης ο Δείκτης Ανάπτυξης Συζήτησης (εικόνα 59) χρησιμοποιείται με τον τρόπο αυτό. Τέλος, οι δείκτες αποτίμησης προχωρούν ένα βήμα παραπέρα, παρέχοντας με κάποιο τρόπο ένα σημείο αναφοράς, βαθμολογώντας κατά κάποιο τρόπο τις πληροφορίες που παρουσιάζουν. Ο Δείκτης Σχετικής Ενεργητικότητας (εικόνα 54α), μπορεί να συμπεριληφθεί σ αυτή την κατηγορία, αν ληφθεί ως κεντρικό του σημείο η παρουσίαση της μέσης τιμής ενεργητικότητας (κόκκινη γραμμή), σηματοδοτώντας έτσι μια μορφή θετικών (πάνω από τη γραμμή) και αρνητικών (κάτω από τη γραμμή) τιμών. Ο Δείκτης Διασποράς Συζήτησης (εικόνες 61 και 68) ανήκει επίσης στην κατηγορία αυτή. Φυσικά, ορισμένοι από τους δείκτες μπορούν να ενταχθούν σε περισσότερες από μία κατηγορίες, ανεξάρτητα από τη μέθοδο κατηγοριοποίησης που ακολουθείται. Για παράδειγμα ο Δείκτης Ενεργητικότητας στην τελευταία μέθοδο (ανά επίπεδο βοήθειας) μπορεί να θεωρηθεί ότι εντάσσεται τόσο στους δείκτες αξιολόγηση, όσο και στους δείκτες αποτίμησης, όπως περιγράφηκε παραπάνω. Στον Πίνακα 2, φαίνεται ο Φίλιππος Δ. Γιαννακάς 84

85 κεντρικός πυρήνας των δεικτών ανάλυσης αλληλεπίδρασης που παράγονται από το σύστημα DIAS, κατηγοριοποιημένος με βάση την ανάλυση του παρόντος κεφαλαίου. [86] Ερμηνεία δεικτών - Ερμηνευτικά σχήματα Σε προηγούμενη παράγραφο αναφέρθηκε ένας πρώτος διαχωρισμός των δεικτών αλληλεπίδρασης σε χαμηλού και υψηλού επιπέδου. Για τους χαμηλού επιπέδου δείκτες δεν απαιτείται κάποια ιδιαίτερη ερμηνευτική προσπάθεια για την κατανόηση της πληροφορίας που περιέχουν. Για παράδειγμα ένα ραβδόγραμμα που δείχνει το πλήθος (ή και το είδος) των μηνυμάτων ενός χρήστη ανά ημέρα, είναι πολύ σαφές. Για τους δείκτες υψηλού επιπέδου, συνήθως απαιτείται μια ιδιαίτερη ερμηνευτική προσέγγιση για την αποκωδικοποίηση της παρεχόμενης πληροφορίας. Πολλές φορές, είναι δυνατόν τα συμπεράσματα που εξάγονται από μια τέτοια διαδικασία να επιβεβαιώνονται ή να τροποποιούνται αν εξεταστούν παράλληλα και άλλοι δείκτες. Οι προκαθορισμένοι συνδυασμοί διαφορετικών δεικτών με σαφείς οδηγίες, που έχουν σαν στόχο την εξαγωγή ασφαλέστερων συμπερασμάτων για μια επιμέρους παράμετρο, ονομάζονται Ερμηνευτικά Σχήματα. Όπως έχουμε αναφέρει διακρίνουμε δύο βασικές κατηγορίες ερμηνευτικών σχημάτων: α) τα ρητά ερμηνευτικά σχήματα που δεν απαιτούν ιδιαίτερες οδηγίες, και β) τα συνεπαγόμενα ερμηνευτικά σχήματα που απαιτούν συγκεκριμένες οδηγίες για να προκύψει το νόημα που επιθυμεί ο σχεδιαστής του. Και οι δύο κατηγορίες ερμηνευτικών σχημάτων αφορούν τόσο μεμονωμένους δείκτες, όσο και συνδυασμούς τους. Στη συνέχεια παρουσιάζονται παραδείγματα ερμηνευτικών σχημάτων, χωρισμένα σε δύο κατηγορίες: α) ερμηνείες μεμονωμένων δεικτών, και β) ερμηνευτικά σχήματα που αφορούν συνδυασμούς δεικτών. [86] Ερμηνευτικές προσεγγίσεις μεμονωμένων δεικτών Ιδιαίτερο ενδιαφέρον παρουσιάζουν δείκτες υψηλού επιπέδου, που απαιτούν ιδιαίτερη ερμηνευτική προσέγγιση για την πλήρη αποκωδικοποίησης της πληροφορίας που περιέχουν. Στην κατηγορία αυτή ανήκει για παράδειγμα ο Δείκτης Συνεισφοράς (εικόνα 51) που παρέχει μια σύγκριση μεταξύ των μελών μιας ομάδας ως προς τη Φίλιππος Δ. Γιαννακάς 85

86 συγγραφή μηνυμάτων, μετρώντας το ποσοστό του καθενός επί του συνόλου των μηνυμάτων που καταχωρήθηκαν απ όλη την ομάδα. Επιπλέον παρέχει μια εικόνα της κατανομής της δραστηριότητας στην ομάδα, παρόμοια με αυτή που παρουσιάζει ένα διάγραμμα πίτας, όπως αυτό που φαίνεται στην εικόνα 50α. Το μέγεθος του κάθε κύκλου αντιστοιχεί στο πλήθος των διαφορετικών τύπων μηνυμάτων που χρησιμοποιεί το κάθε άτομο, παρέχοντας μια ένδειξη της ποιότητας συμμετοχής του στην εξέλιξη της συζήτησης. Λίγα είδη μηνυμάτων φανερώνουν μονόπλευρη συνεισφορά, αφού για παράδειγμα κάποιος που καταχωρεί συνεχώς ερωτήσεις είναι πιθανό να μη βοηθά την ανάπτυξη της συζήτησης, εκτός αν ο ρόλος του απαιτεί να θέτει ερωτήματα. Επίσης κάποιος που καταχωρεί μόνο απαντήσεις δε συνεισφέρει στην ανάπτυξη του γενικότερου προβληματισμού. Συνεπώς, ο Δείκτης Συνεισφοράς παρέχει τη δυνατότητα σύγκρισης της δραστηριότητας των μελών μιας ομάδα, εξέτασης της κατανομής της, αλλά και επιμέρους μελέτη της ατομικής επίδοσης του καθενός, ποσοτικά και ποιοτικά. Ο Δείκτης Κατάταξης (εικόνα 52) που παρέχει μια σύγκριση μεταξύ των μελών μιας ομάδας ως προς τη δραστηριότητά τους. Επιπλέον όμως δείχνει τη θέση του καθενός ως προς τις μέσες τιμές των δύο επιμέρους συνιστωσών, τους αδρανείς και υπερδραστήριους χρήστες, αυτούς που υπερβάλλουν ως προς τη μία συνιστώσα αγνοώντας την άλλη (π.χ. διαβάζουν όλα τα μηνύματα αλλά γράφουν ελάχιστα ή και καθόλου). Ακόμη διαφαίνεται μια εικόνα της κατανομής της δραστηριότητας ανάμεσα στα μέλη της ομάδας και εξάγονται συμπεράσματα για την ομοιομορφία της. Ας εξετάσουμε για παράδειγμα την περίπτωση που παρατηρείται μεγάλη συγκέντρωση χρηστών αριστερά του κάθετου άξονα, ενώ μόνο ένας χρήστης βρίσκεται στα δεξιά (ή αναλογικά ελάχιστοι). Στην περίπτωση αυτή είναι πιθανότερο ο μεμονωμένος χρήστης να γράφει πολύ περισσότερα μηνύματα απ όσο πρέπει και χρειάζεται να ελεγχθεί περαιτέρω η συνεισφορά του, από το να υστερούν οι υπόλοιποι. Φυσικά η εξέταση του δείκτη υπό αυτή την οπτική γωνία, έχει νόημα όταν η συζήτηση βρίσκεται σε ένα αρκετά προχωρημένο στάδιο εξέλιξης, ενώ υπάρχουν περιπτώσεις που η υπερδραστηριότητα του χρήστη είναι φυσιολογική (π.χ. είναι συντονιστής της συζήτησης). Φίλιππος Δ. Γιαννακάς 86

87 Παρόμοια ερμηνευτική προσέγγιση εφαρμόζεται και στο Δείκτη Ενεργητικότητας (εικόνα 53). Στο διάγραμμα αυτό εξετάζονται ο δύο συνιστώσες δραστηριότητας (συγγραφή και ανάγνωση μηνυμάτων), αλλά παρουσιάζονται οι απόλυτες τιμές τους. Έτσι είναι δυνατή η αξιολόγηση της επίδοσης του κάθε ατόμου ξεχωριστά, ενώ οι συγκρίσεις είναι σαφέστερες. Επιπλέον το μέγεθος του κύκλου που αντιστοιχεί σε κάθε άτομο είναι ανάλογο με τα είδη των μηνυμάτων που χρησιμοποιεί, κάτι που αναλύεται και ερμηνεύεται κατ αντιστοιχία με το Δείκτη Συνεισφοράς. Το σύστημα DIAS παράγει διάφορες παραλλαγές του δείκτη αυτού, που μπορούν να αφορούν: α) μια ομάδα χρηστών που συμμετέχουν σε μία συζήτηση, β) μια ομάδα χρηστών που συμμετέχουν σε πολλές συζητήσεις. Ειδικότερα στη δεύτερη περίπτωση, το μέγεθος του κύκλου που αντιστοιχεί σε κάθε χρήστη είναι ανάλογο και με το πλήθος των συζητήσεων στις οποίες συμμετέχει. Η αξιολόγηση της δραστηριότητας ενός χρήστη με το δείκτη αυτό μπορεί να είναι πολυδιάστατη, αφού αφορά: α) το πλήθος των μηνυμάτων που γράφει, β) το πλήθος των μηνυμάτων που διαβάζει, γ) τα είδη των μηνυμάτων που χρησιμοποιεί, και δ) το πλήθος των συζητήσεων στις οποίες συμμετέχει. Έτσι απεικονίζεται πλήρως η συμμετοχή του, ενώ μπορεί ταυτόχρονα να συγκριθεί με αυτή των υπολοίπων χρηστών. Ο Δείκτης Σχετικής Ενεργητικότητας (εικόνα 54α) παρέχει τη δυνατότητα σύγκρισης της ενεργητικότητας (συγγραφή μηνυμάτων) μιας ομάδας χρηστών, για μια επιλεγμένη χρονική περίοδο. Η μονάδα μέτρησης είναι το ποσοστό επί του συνόλου των μηνυμάτων που καταχωρήθηκαν από την υπό εξέταση ομάδα, το οποίο προσαυξάνεται ανάλογα με τα νήματα που εκκινεί. Είναι εύκολος ο εντοπισμός των υπερδραστήριων και των αδρανών χρηστών, ενώ σημαντική είναι η δυνατότητα σύγκρισης της επίδοσης του κάθε ατόμου με τη μέση τιμή που προκύπτει για το υπό εξέταση χρονικό διάστημα. Η τελευταία διευκολύνει στην εξέταση της κατανομής της δραστηριότητας ανάμεσα στα μέλη της ομάδας, αλλά και στην ατομική αξιολόγηση του καθενός ξεχωριστά. Ιδιαίτερης ερμηνείας χρήζει η παραλλαγή του Δείκτη Σχετικής Ενεργητικότητας που φαίνεται στην Εικόνα 54β και αφορά ένα μόνο άτομο. Για την επιλεγμένη χρονική περίοδο και για διακριτά, επιμέρους χρονικά τμήματα (χρονοθυρίδες) εμφανίζεται η ατομική επίδοση του ατόμου αυτού και ο μέσος όρος της Φίλιππος Δ. Γιαννακάς 87

88 συνολικής δραστηριότητας της ομάδας για την ίδια χρονοθυρίδα. Κατά συνέπεια, η μέση τιμή δεν είναι σταθερή για όλη την έκταση του διαγράμματος, αλλά διαφέρει για κάθε χρονοθυρίδα. Όταν η μέση τιμή είναι ίση με μηδέν, τότε στην αντίστοιχη χρονοθυρίδα δεν υπήρχε καθόλου δραστηριότητα, ενώ όταν είναι ίση με 1 (δηλαδή 100%) όλη η δραστηριότητα προέρχεται από ένα άτομο μόνο. Η τιμή της είναι αντιστρόφως ανάλογη με το πλήθος των ατόμων που δραστηριοποιούνται σε κάθε περίπτωση. Είναι δυνατή λοιπόν η αξιολόγηση της δραστηριότητας ενός μεμονωμένου ατόμου σε όλη τη διάρκεια μιας συζήτησης και η σύγκρισή της με τη συνολική δραστηριότητα της ομάδας που διεξάγει τη συζήτηση. Επιπλέον, φαίνεται ο ρυθμός ανάπτυξης της συζήτησης σε συνάρτηση με το χρόνο, ανεξάρτητα από το χρήστη για τον οποίο παράγεται το διάγραμμα αυτό. Παρομοίως, στο προηγούμενο κεφάλαιο παρουσιάζεται ο τρόπος ανάγνωσης των δεικτών Απόδοσης Χρηστών, Ανάπτυξης Συζήτησης και Χρονισμού Ανάγνωσης. Αυτές οι επιπλέον πληροφορίες που προκύπτουν από την προσεκτικότερη εξέταση του κάθε δείκτη και οι ιδιαίτερες συνθήκες που πρέπει να ισχύουν για να διαφοροποιούνται τα εξαγόμενα συμπεράσματα, συνιστούν την ιδιαίτερη ερμηνευτική προσέγγιση που απαιτείται για την αποκωδικοποίησή του. Τα δύο κοινωνιοδιαγράμματα που φαίνονται στις εικόνες 56 και 57 μπορούν να αποκαλύψουν αρκετές πληροφορίες, όπως επεξηγείται στο προηγούμενο κεφάλαιο. Είναι δυνατόν να αναδείξουν ακόμα περισσότερες μέσα από συνδυασμούς με άλλους δείκτες, όπως παρουσιάζεται στη συνέχεια. Ερμηνευτικά σχήματα που αφορούν συνδυασμούς δεικτών Ιδιαίτερο ενδιαφέρον παρουσιάζει η κατηγορία ερμηνευτικών σχημάτων που αφορά ένα συνδυασμό περισσοτέρων του ενός δεικτών, τα οποία είναι περισσότερο σύνθετα. Η δομή ενός τέτοιου σχήματος που χρησιμεύει για την αποτίμηση της ατομικής επίδοσης ενός μαθητή (στο εξής Μαθητής Α) φαίνεται στην εικόνα 62. Περιλαμβάνει τους εξής πέντε δείκτες: α) Δείκτης Κατάταξης, β) Δείκτης Ενεργητικότητας, γ) SNA Δείκτης Αναγνώσεων, δ) SNA Δείκτης Απαντήσεων, και ε) Δείκτης Χρονισμού Ανάγνωσης. Μελετώντας το Δείκτη Κατάταξης (εικόνα 52), ο καθηγητής (συνήθως στον καθηγητή απευθύνεται αυτό το ερμηνευτικό σχήμα και ίσως τον ερευνητή) μπορεί να δει Φίλιππος Δ. Γιαννακάς 88

89 πόσο δραστήριος είναι ο Μαθητής Α σε σύγκριση με τους υπόλοιπους μαθητές, αλλά και με τις μέσες τιμές ανά συνιστώσα δραστηριότητας (συγγραφή ανάγνωση), που αντιστοιχούν στους δύο άξονες του διαγράμματος. Το πρώτο συμπέρασμα που εξάγει αφορά τη γενικότερη συμπεριφορά του Μαθητή Α και συγκεκριμένα αν είναι ισορροπημένη ή ακραία (π.χ. διαβάζει μόνο μηνύματα και δε γράφει ή γράφει μόνο, αγνοώντας τα ήδη υπάρχοντα). Το ζητούμενο σε μια συνεργατική διαλογική δραστηριότητα, είναι η καλύτερη δυνατή ισορροπία ανάμεσα στις δύο συνιστώσες δραστηριότητας. Οι ακραίες συμπεριφορές δεν ευνοούν τη συνεργασία, αφού στη μία περίπτωση δεν υπάρχει διάλογος (μη συγγραφή μηνυμάτων), ενώ στην άλλη δεν υπάρχει διάχυση της πληροφορίας (μη ανάγνωση). Το δεύτερο συμπέρασμα αφορά την επίδοσή του στις δύο συνιστώσες και κατά πόσο είναι αρκετά υψηλότερη από την αντίστοιχη των συμμαθητών του. Εξετάζεται δηλαδή η περίπτωση να πρόκειται για μεμονωμένη περίπτωση μη επιθυμητής συμπεριφοράς ή να μην εξελίσσεται γενικότερα η συζήτηση όπως θα έπρεπε. Παρόμοια συμπεράσματα μπορούν να εξαχθούν αν χρησιμοποιούσε ο καθηγητής το Δείκτη Ενεργητικότητας (εικόνα 53), με τη διαφορά ότι η σύγκριση με τις μέσες τιμές είναι αρκετά δύσκολη, αν όχι αδύνατη. Λόγω της φύσης του διαγράμματος. Χρησιμοποιείται μόνο το πρώτο τεταρτημόριο, με αποτέλεσμα όλες οι τιμές να είναι θετικές, με άμεση συνέπεια να είναι δύσκολος ο καθορισμός της μέσης τιμής. Επιπλέον από το διάγραμμα αυτό, ο καθηγητής μπορεί να δει τις απόλυτες τιμές των δύο συνιστωσών δραστηριότητας, καταλήγοντας σε ασφαλέστερα συμπεράσματα για την επίδοση του Μαθητή Α σε σύγκριση με τους υπόλοιπους μαθητές. Για τις ανάγκες του σχήματος που περιγράφεται εδώ, αυτή η πρόσθετη πληροφορία δεν εξυπηρετεί ιδιαίτερα, γι αυτό και ο Δείκτης Ενεργητικότητας δε συμπεριλαμβάνεται σε αυτό. Φίλιππος Δ. Γιαννακάς 89

90 Εικόνα 62 : Ερμηνευτικό Σχήμα για την αποτίμηση της ατομικής επίδοσης ενός μαθητή Το επόμενο βήμα για τον καθηγητή είναι να εξετάσει τα δύο κοινωνιοδιαγράμματα που φαίνονται στις εικόνες 56 και 57. Ο SNA «Δείκτης Απαντήσεων» (εικόνα 56) μπορεί να δείξει αν ο Μαθητής Α είναι απομονωμένος ή κατέχει κεντρική θέση στη συζήτηση. Στην δεύτερη περίπτωση θα είναι στενά συνδεδεμένος με τους υπόλοιπους. Θα έχει υπάρχουν δηλαδή πολλές συνδέσεις (βέλη) ανάμεσά του και τους υπόλοιπους συμμετέχοντες, με φορά από και προς αυτόν. Εάν από το «Δείκτη Κατάταξης» ο Μαθητής Α φαίνεται δραστήριος ως προς τη συγγραφή μηνυμάτων, από το κοινωνιοδιάγραμμα αυτό καταλαβαίνει ο καθηγητής αν ο Μαθητής Α ανταλλάσσει πληροφορίες και απόψεις με τους συμμαθητές του, απαντώντας στα μηνύματά τους και λαμβάνοντας απαντήσεις από αυτούς. Ο αριθμός των ατόμων με τα οποία έχει τέτοια άμεση συνεργασία μπορεί να μετρηθεί, οδηγώντας σε ενδιαφέροντα συμπεράσματα. Για παράδειγμα, ένα πολύ δραστήριος μαθητής που Φίλιππος Δ. Γιαννακάς 90

91 είναι απομονωμένος στο κοινωνιοδιάγραμμα, δεν μπορεί να θεωρηθεί ότι συνεισφέρει στην ποιότητα και την ανάπτυξη της συζήτησης και τη γενικότερη συνεργασία, αφού οι υπόλοιποι δε διαβάζουν τις απόψεις του. Αυτό μπορεί να υποδεικνύει: α) χαμηλής ποιότητας μηνύματα (ως προς το περιεχόμενό τους), β) μηνύματα εκτός θέματος συζήτησης, γ) υπεροπτική, αλαζονική και γενικά κακή συμπεριφορά του Μαθητή Α (που απεικονίζεται στο ύφος των μηνυμάτων του), δ) έλλειψη γνώσεων σχετικά με το υπό διαπραγμάτευση θέμα που οδηγεί σε συγγραφή μηνυμάτων άνευ σημασίας., και ε) κακές κοινωνικές σχέσεις του Μαθητή Α. Ειδικότερα στη περίπτωση της κακής συμπεριφοράς, είναι σύνηθες σε ασύγχρονες συζητήσεις να εμφανίζονται άτομα που χρησιμοποιούν υβριστικές εκφράσεις (συνήθως όχι σε εκπαιδευτικές συζητήσεις όμως), που προσπαθούν να κάνουν επίδειξη γνώσεων (χωρίς αυτό να σημαίνει πάντα ότι τις κατέχουν) ή που χρησιμοποιούν επικριτικό και δεικτικό ύφος όταν αναφέρονται στους υπόλοιπους. Σε οποιαδήποτε από τις περιπτώσεις αυτές (ή συνδυασμό τους), ο καθηγητής διαμεσολαβητής είναι σε θέση να διαγνώσει μια προβληματική κατάσταση και να επέμβει κατάλληλα (π.χ. με προσωπική επικοινωνία) για να τη διορθώσει. Στη συνέχεια, η μελέτη του SNA «Δείκτη Αναγνώσεων» (εικόνα 57) δείχνει το πλήθος των συνεργατών του Μαθητή Α, των οποίων μηνύματα έχει διαβάσει και κατά συνέπεια το βαθμό εμπλοκής του στην εξέλιξη της διαλογικής δραστηριότητας. Ενώ ο Δείκτης Κατάταξης δείχνει το ποσοστό των μηνυμάτων που έχει διαβάσει ο Μαθητής Α (ή το ακριβές νούμερο, αν χρησιμοποιηθεί ο «Δείκτης Ενεργητικότητας»), το κοινωνιοδιάγραμμα αυτό δείχνει τη διασπορά τους στο αντίστοιχο πλήθος συμμετεχόντων στη συζήτηση. Ο συνδυασμός των δύο κοινωνιοδιαγραμμάτων φανερώνει την πιθανή συμμετοχή το Μαθητή Α σε μια κλειστή, επιμέρους ομάδα ατόμων (κλίκα) που αλληλεπιδρούν έντονα μεταξύ τους και πολύ λίγο με την υπόλοιπη ομάδα. Κάτι τέτοιο μπορεί να μην είναι επιθυμητό, ανάλογα με το σχεδιασμό της δραστηριότητας. Επιπλέον, ο SNA «Δείκτης Αναγνώσεων» δείχνει τον αριθμό των μαθητών που έχουν διαβάσει μηνύματα του Μαθητή Α. Κατά συνέπεια, αν κατέχει κεντρική θέση στο διάγραμμα αυτό, αλλά εμφανίζεται απομονωμένος ή απομακρυσμένος στον SNA Δείκτη Απαντήσεων, τότε ο Μαθητής Α γράφει μηνύματα, τα οποία διαβάζονται από πολλά Φίλιππος Δ. Γιαννακάς 91

92 άτομα, αλλά δε λαμβάνει αρκετές απαντήσεις. Σε περίπτωση που δεν έχει ένα ρόλο που να αιτιολογεί κάτι τέτοιο (π.χ. να είναι ο συντονιστής που δίνει οδηγίες, να θέτει τους αρχικούς προβληματισμούς ή να είναι τελικά ένας ειδικός που καλείται να επιλύσει προβλήματα και να απαντήσει σε ερωτήσεις), είναι πολύ πιθανό να αντιμετωπίζει πρόβλημα ορθής συμμετοχής που χρήζει περαιτέρω προσοχής από τον καθηγητή. Ο τελευταίος δείκτης αυτού του ερμηνευτικού σχήματος είναι ο «Δείκτης Χρονισμού Ανάγνωσης» (εικόνα 59), ο οποίος δείχνει με περισσότερη σαφήνεια την έκταση της εμπλοκής του Μαθητή Α στη συζήτηση. Φανερώνει αν η συμμετοχή του λαμβάνει χώρα από τα πρώτα στάδια της συζήτησης ή είναι συγκεντρωμένη προς το τέλος της. Στην τελευταία περίπτωση ενδέχεται να είναι ένας μαθητής που προσπαθεί στο τέλος να εμφανίσει τον εαυτό του ως πιο δραστήριο, καταχωρώντας πολλά μικρά μηνύματα συμφωνίας ή διαφωνίας με ιδέες και απόψεις άλλων, που δεν έχουν τίποτα όμως να προσθέσουν στην ποιότητα και την ανάπτυξη της συζήτησης. Μια συστηματική εμφάνιση τέτοιας συμπεριφοράς, μπορεί να επιβεβαιωθεί μέσα από προσεκτικότερη μελέτη των μηνυμάτων του Μαθητή Α, είτε μέσω πιο εξειδικευμένων δεικτών, είτε μέσω επισκόπησης του περιεχομένου τους. Μια ακόμα ειδική περίπτωση που μπορεί να εντοπιστεί με αυτό το ερμηνευτικό σχήμα είναι αυτή ενός μαθητή που φαίνεται ικανοποιητικά δραστήριος από το Δείκτη Κατάταξης, διαβάζονται τα μηνύματά του και δέχεται απαντήσεις, αλλά ενώ διαβάζει και αυτός μηνύματα άλλων, δεν καταχωρεί απαντήσεις. Από τον τελευταίο δείκτη, είναι πολύ πιθανό να φαίνεται ότι συμμετέχει στα αρχικά στάδια των συζητήσεων. Αυτή η συμπεριφορά φαντάζει απολύτως φυσιολογική, όταν οι μετρήσεις αυτές στους δείκτες αφορούν τον καθηγητή. Όταν πρόκειται για μαθητή όμως, πιθανόν να πρόκειται για κάποιον που γράφει κάποια μηνύματα νωρίς και δε συμμετέχει κατόπιν στην εξέλιξη των συζητήσεων. Αυτό μπορεί να υποδεικνύει υπεροπτική συμπεριφορά ή να περιγράφει χρήστη που προσπαθεί να φαίνεται αρεστός και δυνατός, ειδικότερα στα μάτια του καθηγητή, αλλά στην ουσία δεν έχει αφομοιώσει καθόλου καλά τη διαπραγματευόμενη γνώση. Κλασσικό παράδειγμα τέτοιων μαθητών στις σχολικές τάξεις είναι αυτοί που είναι πρόθυμοι να συμμετάσχουν στο μάθημα, έχοντας διαβάσει εκ των προτέρων την διδακτέα ύλη, αλλά όταν κληθούν να αξιολογηθούν γραπτά δεν έχουν καλή απόδοση (ειδικά όταν τα ερωτήματα απαιτούν κριτική σκέψη και αφομοίωση της διδακτέας ύλης). Φίλιππος Δ. Γιαννακάς 92

93 Στην εικόνα 63 φαίνεται ένα ερμηνευτικό σχήμα που εφαρμόζεται σε ένα συνδυασμό πέντε δεικτών, για την αξιολόγηση της εξέλιξης και της ανάπτυξης μιας συζήτησης. Και αυτό το σχήμα απευθύνεται κυρίως στον καθηγητή, αλλά και στο ερευνητή κατ επέκταση. Ο πρώτος δείκτης που εξετάζεται σύμφωνα με αυτή την ερμηνευτική προσέγγιση είναι ο «Δείκτης Ενεργητικότητας» (εικόνα 54), ο οποίος μετρά τρεις διαφορετικές συνιστώσες της δραστηριότητας των μαθητών το πλήθος των μηνυμάτων που γράφουν, που διαβάζουν και τα είδη των μηνυμάτων που χρησιμοποιούν. Ο «Δείκτης Αποδοτικότητας» Χρηστών δείχνει επιπλέον πληροφορίες για το μέγεθος των μηνυμάτων σε λέξεις. Συνδυαστικά, μπορεί ο καθηγητής να εξάγει συμπεράσματα που αφορούν την έκταση της δραστηριότητας των μαθητών στη συζήτηση ατομικά, αλλά και συνολικά ως ομάδα. Έτσι μπορεί να κρίνει αν η δραστηριότητα είναι ικανοποιητική, με τον αριθμό και το μέγεθος των μηνυμάτων να πληρούν κάποια ελάχιστα ποσοτικά κριτήρια, όπως και οι αναγνώσεις μηνυμάτων, ώστε να εξασφαλίζεται η διάχυση και η ανταλλαγή πληροφοριών και απόψεων. Παράλληλα ο καθηγητής έχει τη δυνατότητα να εξετάσει αν η δραστηριότητα κατανέμεται ομοιόμορφα στους μαθητές (συμμετέχουν όλοι εξίσου, γράφοντας και διαβάζοντας μηνύματα), αποκτώντας πλήρη εικόνα για την ανάπτυξη της συζήτησης [86]. Φίλιππος Δ. Γιαννακάς 93

94 Εικόνα 63 : Ερμηνευτικό Σχήμα για την αξιολόγηση της εξέλιξης και της ανάπτυξης μιας συζήτησης [86] Στη συνέχεια, εξετάζοντας τα δύο κοινωνιοδιαγράμματα (εικόνες 56 και 57), ο καθηγητής μπορεί να εξετάσει τη διασπορά της δραστηριότητας των μαθητών και τη συνεργατικότητα που αναπτύσσεται μεταξύ τους, μελετώντας πόσοι και ποιοι ανταλλάσσουν πληροφορίες και απόψεις, διαβάζοντας και γράφοντας απαντήσεις ο ένας στα μηνύματα του άλλου. Έχοντας εικόνα για την έκταση και την κατανομή (ποσοτική και ποιοτική) της δραστηριότητας ανάμεσα στους συμμετέχοντες, μπορεί να εξάγει συμπεράσματα για την ανάπτυξη διαλόγου ανάμεσα στους μαθητές. Φίλιππος Δ. Γιαννακάς 94

95 Τέλος, ο «Δείκτης Ανάπτυξης Συζήτησης» (εικόνα 59) μπορεί να δείξει τόσο τη δομή της, αλλά και τη χρονική αλληλουχία καταχώρησης μηνυμάτων σε αυτήν. Παρέχει δηλαδή πληροφορίες για τον τρόπο που η συζήτηση αναπτύσσεται και εξελίσσεται με την πάροδο του χρόνου. Συνδυάζοντας αυτές τις πληροφορίες, μπορεί ο καθηγητής να αξιολογήσει την ανάπτυξη (ρυθμό και έκταση) της συζήτησης και την εξέλιξή της (ανταλλαγή και διάχυση πληροφοριών και ιδεών). Στην περίπτωση που η συζήτηση δεν έχει περατωθεί, μπορεί να προβεί στις ρυθμιστικές παρεμβάσεις που είναι απαραίτητες κατά την κρίση του. Ένα ακόμη παράδειγμα ερμηνευτικού σχήματος φαίνεται στην εικόνα 64 και αποσκοπεί στην αξιολόγηση της κατανομής της δραστηριότητας ενός μαθητή, όταν συμμετέχει σε διάφορες παράλληλες συζητήσεις και επιμέρους ομάδες. Απαιτείται πρώτα η μελέτη του «Δείκτη Συμμετοχής» σε ομάδες (εικόνα 50δ), που δείχνει την κατανομή της δραστηριότητάς του στις επιμέρους ομάδες, των οποίων είναι μέλος. Πρόκειται για ένα πολλαπλό ραβδόγραμμα, που παρουσιάζει τέσσερις ράβδους για κάθε ομάδα. Η κόκκινη δείχνει τη δραστηριότητα του υπό εξέταση μαθητή στον τομέα της καταχώρησης μηνυμάτων, ως ποσοστό επί του συνόλου των μηνυμάτων της ομάδας. Η ράβδος δείχνει τη μέση τιμή της ποσοστιαίας συμμετοχής του κάθε μέλους της ομάδας. Η μπλε και η κίτρινη δείχνουν τις αντίστοιχες απόλυτες, αριθμητικές τιμές. Έτσι απεικονίζεται το ύψος της συμμετοχής του μαθητή στις ομάδες που ανήκει, ενώ φαίνεται και η αντίστοιχη κατανομή της δραστηριότητας του. Στη συνέχεια οι δείκτες που φαίνονται στις εικόνες 50β και 50δ φανερώνουν αντίστοιχα την κατανομή της δραστηριότητάς του στις διαφορετικές συζητήσεις που συμμετέχει. Η πληροφορία που περιέχουν οι δύο δείκτες είναι η σχεδόν η ίδια, το πλήθος των μηνυμάτων του μαθητή σε κάθε συζήτηση. Η πίτα της εικόνα 50β δίνει παράλληλα τις τιμές αυτές σε ποσοστιαία μορφή, οπτικά και αριθμητικά, διευκολύνοντας την κατανόηση της κατανομής της δραστηριότητας του μαθητή. Το ραβδόγραμμα της εικόνα 50δ κάνει πιο εύκολη τη σύγκριση της δραστηριότητας ανάμεσα στις συζητήσεις, με τις αντίστοιχες ράβδους να παρουσιάζονται διαδοχικά. Επιπλέον περιέχει τη μέση τιμή (μηνύματα ανά συζήτηση), που απεικονίζεται με μια μπλε γραμμή, διευκολύνοντας τον εντοπισμό των συζητήσεων στις οποίες ο μαθητής είναι υπερδραστήριος ή έχει πολύ χαμηλή συμμετοχή. Φίλιππος Δ. Γιαννακάς 95

96 Εικόνα 64 : Ερμηνευτικό Σχήμα για την αξιολόγηση της κατανομής της συμμετοχής ενός μαθητή σε συζητήσεις και ομάδες [86] Ακολούθως, μπορεί να διερευνηθεί το ποσοστό συμμετοχής του μαθητή στην κάθε ομάδα ή συζήτηση που συμμετέχει μέσω διαγραμμάτων πίτας, όπως αυτό που φαίνεται στην εικόνα 50α. Αυτή η ανάλυση μπορεί να δείξει αν πιθανή μειωμένη συμμετοχή του μαθητή σε μια ομάδα ή μια συζήτηση, σε σχέση με τις υπόλοιπες, οφείλεται σε γενικότερα χαμηλό επίπεδο δραστηριότητας σε αυτές. Κατά συνέπεια μπορεί να εξακριβωθεί αν η κατανομή της δραστηριότητας του μαθητή ακολουθεί τις νόρμες που αναπτύσσονται στις επιμέρους ομάδες και συζητήσεις που συμμετέχει και να εντοπιστεί οποιαδήποτε περίπτωση ακανόνιστης συμπεριφοράς. Συνδυάζοντας όλες αυτές τις πληροφορίες μπορεί να σχηματιστεί η πλήρης εικόνα της δραστηριότητας του μαθητή και της κατανομής που έχει αυτή στις ομάδες και τις συζητήσεις που συμμετέχει. Τέλος, η ευκολία στη διαχείριση ομάδων που παρέχει το σύστημα DIAS, δίνει τη δυνατότητα στον καθηγητή ή/και τον ερευνητή να δημιουργήσει ομάδες μόνο για λόγους ανάλυσης, μελετώντας συγκριτικά τη συμπεριφορά μαθητών μέσα από τέτοια ερμηνευτικά σχήματα. Φίλιππος Δ. Γιαννακάς 96

97 Ένα ερμηνευτικό σχήμα που αποσκοπεί στην αποτίμηση και αξιολόγηση της ανάπτυξης μιας συζήτησης φαίνεται στην εικόνα 65. Χρησιμοποιεί τρεις σύνθετους δείκτες: το Δείκτη Διασποράς Συζήτηση, το Δείκτη Διασποράς Μεγέθους Συζήτησης και το Δείκτη Ανάπτυξης Συζήτησης. Κατά καιρούς έχουν προταθεί διάφορα ποσοτικά μεγέθη, η μέτρηση των οποίων μπορεί να αποδώσει μια εικόνα της ποιότητας μιας συζήτησης. Στις προσεγγίσεις ανάλυσης περιεχομένου, από το μοντέλο των πέντε διαστάσεων της Henri (1992) μέχρι το μοντέλο της Κοινότητας Αναζήτησης των Garisson, τονίζεται η σημασία της αλληλεπίδρασης του ατόμου στα πλαίσια μιας κοινότητας κατά την προσπάθεια επίτευξης κριτικής σκέψης ανώτερου επιπέδου. Σε όλες η ενεργή συμμετοχή των ατόμων σε διαλογικές δραστηριότητες θεωρείται πρωταρχικές σημασίας. Η έντονη εμπλοκή σε δραστηριότητες συζήτησης και η κοινωνική αλληλεπίδραση οδηγούν σε πολλαπλές φάσεις οικοδόμησης της γνώσης. [32] [36] [74] Κατά τους Weinberger & Fischer (2006), η οικοδόμηση της γνώσης μέσω επιχειρηματολογίας βασίζεται στην υπόθεση ότι οι μαθητές εμπλέκονται σε διαλογικές δραστηριότητες, ενώ η συχνότητα συμμετοχής είναι ανάλογη της οικοδομούμενης γνώσης. Στην προσέγγιση της Henri (1992), η συμμετοχή των χρηστών είναι μία από τις θεμελιώδεις διαστάσεις που μελετά, ενώ στο μοντέλο των Garisson (2001) εκφράζεται με την έννοια του Κοινωνικού Πυρήνα. [32] [36] [82] Οι Weinberger & Fischer (2006) πιστεύουν ότι οι δραστηριότητες επιχειρηματολογίας διευκολύνουν την οικοδόμηση της γνώσης, λαμβάνοντας υπόψη παραμέτρους όπως η έκταση και η ομοιομορφία της συμμετοχής των ατόμων. Όπως χαρακτηριστικά αναφέρουν οι Kreijns et al (2003), η κοινωνική αλληλεπίδραση φαίνεται να είναι το κλειδί για τη συνεργασία. Αν υπάρχει συνεργασία τότε η κοινωνική αλληλεπίδραση μπορεί να ανιχνευτεί στα πλαίσιά της και αντίστροφα, αν δεν υπάρχει κοινωνική αλληλεπίδραση τότε δεν υπάρχει πραγματική συνεργασία. Εξάλλου, η σημασία της ύπαρξης ενός ελάχιστου αριθμού ενεργών συμμετεχόντων (Κρίσιμη Μάζα) για τη διατήρηση μιας κοινότητας μάθησης έχει επισημανθεί από τους Palloff & Pratt (1999). Με βάση τις προαναφερθείσες προσεγγίσεις, είναι ασφαλές να συμπεράνουμε ότι το πλήθος των χρηστών που συμμετέχουν σε μια διαλογική δραστηριότητα είναι ανάλογο με την ποιότητά της. [45] [46] [81] Συνεπώς, ο αριθμός των συμμετεχόντων μπορεί να θεωρηθεί ως μία ένδειξη της ποιότητάς της, βασισμένοι στη λογική ότι περισσότεροι συμμετέχοντες αυξάνουν τις Φίλιππος Δ. Γιαννακάς 97

98 πιθανότητες ανάπτυξης ποιοτικού διαλόγου. Κατά καιρούς έχουν προταθεί και άλλες παράμετροι για τη μέτρηση της έκτασης της συνεργασίας ανάμεσα στους συμμετέχοντες σε ασύγχρονες συζητήσεις, όπως το πλήθος των μηνυμάτων που αποτελούν κάθε ένα από τα νήματά της Harasim (1993). [35] Το νούμερο αυτό από μόνο του δεν αποτελεί πολύ ασφαλή ένδειξη, αν αναλογιστούμε ότι υπάρχουν περιπτώσεις όπου ένας μεγάλος αριθμός μηνυμάτων μπορεί να προέρχεται από πολύ λίγα άτομα, ακόμα και μια δυάδα, χωρίς να συνεισφέρει στην ποιότητα της ίδιας της διαλογικής δραστηριότητας. Πολλά από τα μηνύματα αυτά μπορεί να είναι κοινωνικού περιεχομένου ή μέρος μιας εκτεταμένης διαφωνίας ανάμεσα σε μια μικρή ομάδα ατόμων, καθιστώντας τα μη ενδιαφέροντα για τα υπόλοιπα άτομα. Συνεπώς, το πλήθος των μηνυμάτων αποτελεί μια ένδειξη δραστηριότητας που είναι απαραίτητη για την οικοδόμηση της γνώσης, αλλά δεν αντικατοπτρίζει πάντα το επίπεδο της μάθησης που λαμβάνει χώρα. [55] Εικόνα 65: Ερμηνευτικό Σχήμα για την αποτίμηση - αξιολόγηση της ανάπτυξης μιας συζήτησης [86] Το βάθος έχει χρησιμοποιηθεί για να ξεχωρίσουν τα σημαντικά νήματα στις συζητήσεις. Ορίζεται ως το μεγαλύτερο πλήθος διαδοχικών μηνυμάτων που σχηματίζουν ένα νοητό μονοπάτι μέσα σε ένα νήμα συζήτησης. Φίλιππος Δ. Γιαννακάς 98

99 Σύμφωνα με τον Hewitt (2005), ο εκτεταμένος online διάλογος θα ήταν η ιδανική νόρμα. Η περιορισμένη ανάπτυξη νημάτων στις συζητήσεις φαίνεται να είναι ένα διαδεδομένο και επίμονο πρόβλημα. [37] Έτσι η διατήρηση της ανάπτυξης των νημάτων πρέπει να είναι ένας από τους στόχους του διαμεσολαβητή για να διευκολύνει τη συνεργασία και την οικοδόμηση της γνώσης ανάμεσα στους μαθητές. Ο Simmoff (1999) συμφωνεί, καθώς προτείνει τη μέθοδο οπτικοποίησης για την αποτίμηση της πυκνότητας και της έκτασης της συνεργασίας σε ένα εργαλείο υλοποίησης ασύγχρονων συζητήσεων. Χαρακτηριστικά αναφέρει ότι η συνεργασία είναι στενότερη όταν υπάρχουν μεγάλα βάθη και πλάτη στις συζητήσεις (Simmoff & Maher, 2000). Τέλος το μέσο πλήθος των λέξεων ανά μήνυμα έχει προταθεί για τη μέτρηση της έκτασης της συνεργασίας (Benbunan Fich, 1999). [15] [76] [77] Εικόνα 66: Δείκτης διασποράς μεγέθους συζήτησης [86] Από την παραπάνω ανάλυση προκύπτουν πέντε ποσοτικές παράμετροι που προτείνονται στη βιβλιογραφία ως ενδείξεις της ποιότητας μιας συζήτησης: α) ο αριθμός Φίλιππος Δ. Γιαννακάς 99

100 των συμμετεχόντων, β) το πλήθος των μηνυμάτων, γ) το βάθος των νημάτων, δ) το πλάτος των νημάτων, και ε) το μέσο μέγεθος των μηνυμάτων σε λέξεις. Προτείνουμε εδώ μια επέκταση της έννοιας του πλάτους μηνύματος που σύμφωνα με το Simmoff (1999) [75] είναι ίσο με τον αριθμό των μηνυμάτων που απαντούν στο ίδιο μήνυμα. Εισάγουμε την έννοια του πλάτους νήματος, που ορίζεται ως ο μεγαλύτερος αριθμός μηνυμάτων στο ίδιο επίπεδο του νήματος. Συνδυάζοντας αυτά τα μεγέθη, κατασκευάσαμε το Δείκτη Διασποράς Συζήτησης (TP) και το Δείκτη Διασποράς Μεγέθους Συζήτησης (TPW), οι οποίοι προκύπτουν από τους ακόλουθους μαθηματικούς τύπους, για κάθε νήμα μιας συζήτησης ξεχωριστά: Όπου: TD είναι το βάθος ενός νήματος MPSi είναι ο αριθμός των αδερφών του πατέρα του μηνύματος i TW είναι το πλάτος του νήματος W το πλήθος των λέξεων σε όλα τα μηνύματα ενός νήματος P ο αριθμός των μηνυμάτων στο νήμα Ο τύπος αυτός γίνεται περισσότερο κατανοητός εξετάζοντας ένα παράδειγμα που αφορά το νήμα που φαίνεται στην εικόνα 66. Το βάθος του νήματος είναι ίσο με επτά (όσα μηνύματα περιέχει το μονοπάτι που έχει σαν άκρα τα μηνύματα A και G). Για κάθε κλαδί (σύνδεση δύο μηνυμάτων) υπολογίζεται ένα ειδικό βάρος, που λαμβάνει υπόψη το πλήθος των μηνυμάτων που περιέχονται σ αυτό. Για παράδειγμα, το μήνυμα C έχει τρία αδέρφια και πατέρα το μήνυμα D. Το ειδικό βάρος της μεταξύ τους σύνδεσης υπολογίζεται σε 33 (100/3), σύμφωνα με τον παραπάνω τύπο. Φίλιππος Δ. Γιαννακάς 100

101 Το πλήθος μηνυμάτων του νήματος αυτού είναι 19, ενώ το πλάτος του είναι ίσο με 6, όσα και τα μηνύματα στο τρίτο επίπεδο. Υπολογίζοντας για το παράδειγμα που εξετάζουμε, για το μήνυμα Α έχουμε: Ακολουθώντας τον αλγόριθμο αυτό, η τιμή που προκύπτει για οποιοδήποτε άλλο μήνυμα του νήματος είναι χαμηλότερη από 81,396. Γενικά, ο αλγόριθμος παράγει μεγαλύτερη τιμή για ένα από τα μηνύματα που βρίσκονται στο τελευταίο επίπεδο του νήματος (αν είναι περισσότερα του ενός). Ο Δείκτης Διασποράς Συζήτησης παρέχει μια μέτρηση της διασποράς των περιεχόμενων νημάτων. Υψηλότερες τιμές υποδεικνύουν περισσότερο σύνθετα νήματα, καθορίζοντας έτσι τα περισσότερο ενδιαφέροντα, που πιθανόν να συνεισφέρουν περισσότερο στην ποιότητα της συζήτησης. Ο Δείκτης Διασποράς Μεγέθους Συζήτησης επιπλέον εισάγει την παράμετρο του μεγέθους των μηνυμάτων σε λέξεις. Στην εικόνα 67 φαίνεται ένα σύνθετο ραβδόγραμμα, το οποίο χωρίζεται σε δύο επιμέρους τμήματα. Για κάθε νήμα, στο αριστερό τμήμα αντιστοιχούν πέντε ράβδοι που δείχνουν: α) το πλήθος των μηνυμάτων (κόκκινη ράβδος), β) το μέγιστο πλάτος μηνύματος για τη διαδρομή με το μεγαλύτερο βάθος (μέγεθος RW στον παραπάνω μαθηματικό τύπο - πράσινη ράβδος), γ) το πλήθος των συμμετεχόντων (μπλε ράβδος), δ) το βάθος του νήματος (κίτρινη ράβδος), και ε) το μέσο μέγεθος των μηνυμάτων σε λέξεις (ροζ ράβδος). Στο δεξί τμήμα του διαγράμματος αντιστοιχούν δύο ράβδοι: α) ο δείκτης T P (γκρι ή πράσινο χρώμα), και β) ο δείκτης TPW (μωβ ή μπεζ χρώμα). Σε ένα νήμα με δύο μηνύματα, το ένα θα είναι σίγουρα απάντηση του άλλου. Για λόγους ευκρίνειας, όταν η τιμή του δείκτη T P που προκύπτει από τον προαναφερθέν μαθηματικό τύπο είναι μικρότερη ή ίση από τρία, οι αντίστοιχες ράβδοι χρωματίζονται με διαφορετικό χρώμα (πράσινο και μπεζ, αντί για γκρι και μωβ, αντίστοιχα), ενώ χρησιμοποιείται ένας δεύτερος οριζόντιος άξονας για την αποτύπωσή τους. Το σύστημα DIAS έχει παράγει ένα ακόμη διάγραμμα, παρόμοιο με αυτό της εικόνας 68 για την απεικόνιση μόνο του Δείκτη Διασποράς Συζήτησης, στο οποίο απουσιάζουν η ράβδος από το αριστερό τμήμα που αφορά το μέγεθος των μηνυμάτων σε λέξεις (ροζ) και η ράβδος που απεικονίζει το Δείκτη Διασποράς Μεγέθους Συζήτησης από το δεξί. Φίλιππος Δ. Γιαννακάς 101

102 Εικόνα 67: Δείκτης Διασποράς Μεγέθους Συζήτησης [86] Ο Δείκτης Διασποράς Συζήτησης μπορεί να χρησιμοποιηθεί για τον εύκολο εντοπισμό των σημαντικότερων νημάτων σε μία συζήτηση, σύμφωνα με την προσέγγιση του σχεδιασμού του. Όσο μεγαλύτερη είναι η τιμή του, τόσο περισσότερο αυξάνεται η πολυπλοκότητα της δομής του νήματος και άρα η πιθανότητα ανάπτυξης ποιοτικού διαλόγου. Παράλληλα, με το Δείκτη Διασποράς Μεγέθους Συζήτησης λαμβάνεται υπόψη και το μέγεθος των μηνυμάτων, συνεισφέροντας περισσότερο σε μια τέτοια διαδικασία άτυπου διαχωρισμού των νημάτων. Είναι πολύ σύνηθες τα μηνύματα κοινωνικού χαρακτήρα να είναι μικρότερα σε μέγεθος από τα αντίστοιχα που παρουσιάζουν πληροφορίες ή τεκμηριωμένες απόψεις. Το παρόν ερμηνευτικό σχήμα εξετάζεται αναλυτικότερα στο επόμενο μέρος της διατριβής, κατά την παρουσίαση των ερευνητικών αποτελεσμάτων. Ο συνδυασμός των δύο κοινωνιοδιαγραμμάτων που παρουσιάστηκαν παραπάνω χρησιμοποιήθηκε σε διάφορα ερμηνευτικά σχήματα για την αποτίμηση της συμπεριφοράς ενός ατόμου, κυρίως. Μια σειρά από επιμέρους μεγέθη προτείνονται στη βιβλιογραφία για την ποιοτική αξιολόγηση, της συνεργασίας και της αλληλεπιδραστικότητας των χρηστών. Για παράδειγμα οι Lipponen (2003) Φίλιππος Δ. Γιαννακάς 102

103 χρησιμοποιούν την πυκνότητα ενός κοινωνιοδιαγράμματος για να μετρήσουν τη διάχυση της πληροφορίας μέσα σε μια ομάδα συνεργαζόμενων ατόμων. [49] Εικόνα 68: Δείκτης διασποράς μεγέθους συζήτησης [86] Θα μπορούσαμε να το συγκεκριμενοποιήσουμε αυτό, αναφερόμενοι στην πυκνότητα του SNA Δείκτη Αναγνώσεων, αφού οι πληροφορίες και οι ιδέες-απόψεις που διαμοιράζει ένα άτομο μέσα από τα μηνύματά του, προσλαμβάνονται από τα υπόλοιπα μέλη της ομάδας μέσω της ανάγνωσης των μηνυμάτων αυτών. Εναλλακτικά, στον SNA Δείκτη Απαντήσεων, η πυκνότητα αντικατοπτρίζει την αλληλεπιδραστικότητα των ατόμων, αφού απεικονίζει το βαθμό στον οποίο ανταλλάσσουν μηνύματα. Άλλη ενδιαφέρουσα παράμετρος είναι αυτή της κεντρικότητας (centralization), που δείχνει το βαθμό στον οποίο η συζήτηση συγκεντρώνεται γύρω από ένα ή περισσότερα άτομα. Συνήθως η ερμηνεία του είναι συμπληρωματική προς αυτή της πυκνότητας. Υπάρχουν αρκετές επιμέρους μετρήσεις της κεντρικότητας (degree centrality, closeness centrality, betweeness centrality, bonacich eigenvector centrality), που απεικονίζουν διαφορετικές παραμέτρους, όπως ορίζει το πεδίο της Ανάλυσης Κοινωνικών Δικτύων. Τέτοιες είναι το πλήθος των ατόμων που αλληλεπιδρούν με ένα μεμονωμένο άτομο ή το πλήθος των ατόμων που συνδέει ένα μεμονωμένο άτομο. Φίλιππος Δ. Γιαννακάς 103

104 Παρόμοιες μετρήσεις μπορούν εφαρμοστούν για μια ευρύτερη ομάδα ατόμων, οπότε χρησιμοποιείται ο όρος της συγκέντρωσης (centralization). Το σύστημα DIAS παράγει τους απαραίτητους, για τον υπολογισμό τέτοιων παραμέτρων, κοινωνικούς πίνακες, με τη χρήση ειδικού λογισμικού (NetDraw). Τα ερμηνευτικά σχήματα και γενικότερα η ερμηνευτική προσέγγιση που μπορεί να εφαρμοστεί στους δείκτες εμπλουτίζονται συνεχώς από τις ιδιαίτερες συνθήκες που απαντώνται κατά την εξέλιξη των δραστηριοτήτων και την καταγραφή νέων αναγκών που προκύπτουν. Όπως εξηγείται περισσότερο στο επόμενο μέρος της διατριβής, αυτή είναι μια δυναμική διαδικασία που μπορεί να ανανεώνεται συνεχώς. Φυσικά όχι πάντα με τον ίδιο ρυθμό. Το σύστημα DIAS παράγει αρκετούς δείκτες που μπορούν να παρουσιάσουν πληροφορίες σε διαφορετικά επίπεδα λεπτομέρειας και διαφορετικούς συνδυασμούς. Στόχος είναι να ανταποκρίνονται στις ιδιαίτερες ανάγκες των χρηστών τόσο από την πλευρά των συνθηκών της εκάστοτε εκπαιδευτικής δραστηριότητας, όσο και από την πλευρά της δυνατότητας οπτικής επεξεργασίας πληροφορίας που διακρίνει τον κάθε χρήστη ξεχωριστά. Για το λόγο αυτό η σύγκριση της δραστηριότητας των συμμετεχόντων σε μία συζήτηση παρουσιάζεται με ραβδογράμματα, αλλά και διαγράμματα πίτας, για παράδειγμα. Κάποιοι χρήστες διαισθητικά αντιλαμβάνονται ευκολότερα το ένα είδος γραφικών παραστάσεων απ ότι το άλλο, χωρίς να παραβλέπεται το γεγονός ότι διαφορετικά διαγράμματα περιέχουν διαφορετικές επιμέρους πληροφορίες που μπορούν να προκύψουν μέσα από την κατάλληλη ερμηνευτική προσέγγιση. Στον Πίνακα 1 παρουσιάζονται συγκεντρωμένα τα Ερμηνευτικά Σχήματα που αφορούν σε συνδυασμούς δεικτών ανάλυσης αλληλεπίδρασης, καθώς και τα χαρακτηριστικά τους. [86] Φίλιππος Δ. Γιαννακάς 104

105 Ερμηνευτικό Δείκτες Παράμετροι που Εκτιμώμενο Αποτίμηση Δείκτης Κατάταξης Δραστηριότητα Εντοπισμός ατομικής επίδοσης μαθητή SNA Δείκτης Απαντήσεων SNA Δείκτης Αναγνώσεων Συνεργατικότητα Χρονισμός προβλημάτων και ρυθμιστική παρέμβαση Δείκτης Χρονισμού Αναλογία συγγραφής - καθηγητή Ανάγνωσης ανάγνωσης διαμεσολαβητή Αλληλεπιδραστικότητα Αξιολόγηση Δείκτης Ενεργητικότητας Δραστηριότητα Αξιολόγηση εξέλιξης και ανάπτυξης συζήτησης Δείκτης Αποδοτικότητας SNA Δείκτης Απαντήσεων Κατανομή δραστηριότητας Συνεργατικότητα Δομή - Ανάπτυξη συζήτησης ή/και ρυθμιστική παρέμβαση καθηγητή SNA Δείκτης Αναγνώσεων Δείκτης Ανάπτυξης Συζήτησης Χρονική εξέλιξη Αλληλεπιδραστικότητα Ανάπτυξη Διαλόγου διαμεσολαβητή Αξιολόγηση Δείκτης Συμμετοχής σε Κατανομή Αξιολόγηση της κατανομής της Ομάδες δραστηριότητας σε ομάδες συνολικής συμμετοχής ενός μαθητή σε συζητήσεις και ομάδες Κατανομή Δείκτης Κατανομής Ομάδας & συζητήσεις Ποσοστά συμμετοχής συνεργατών κατανομής ενός μαθητή σε συζητήσεις και ομάδες Δείκτης Κατανομής Συζήτησης Αποτίμηση - Δείκτης Διασποράς Σημαντικά νήματα Εντοπισμός Αξιολόγηση της ανάπτυξης μιας συζήτησης Συζήτησης Δείκτης Διασποράς - Μεγέθους Συζήτησης Δείκτης Ανάπτυξης Χρονική εξέλιξη νημάτων Δομή νημάτων σημαντικών νημάτων και ορθής ανάπτυξης συζήτησης. Αξιολόγηση Συζήτησης Ανάλυση SNA Δείκτης Διάφορες παράμετροι Ποιοτική Κοινωνικών Απαντήσεων SNA κοινωνικών δικτύων αξιολόγηση Δικτύων Δείκτης Αναγνώσεων συζητήσεων Πίνακας 1: Συνδυαστικά Ερμηνευτικά Σχήματα (Σύστημα DIAS) [86] Φίλιππος Δ. Γιαννακάς 105

106 Πίνακας 2 : Κατηγοριοποίηση Δεικτών Ανάλυσης Αλληλεπίδρασης του συστήματος DIAS [86] Φίλιππος Δ. Γιαννακάς 106

107 3.2. Σύστημα ActiveMath (Active Mathematics) Σε αυτή την υλοποίηση επιλέχθηκε η φιλοσοφία της «ανοιχτής» υλοποίησης με γνώμονα την συνεργασία του συστήματος με διαφορετικά περιβάλλοντα μάθησης. Συγκεκριμένα θα παρουσιάσουμε το σύστημα ανάλυσης δραστηριότητας SIAM. Το συγκεκριμένο σύστημα αποτελείται από τρία υποσυστήματα. Το «περιβάλλον μάθησης», το «σύστημα καταγραφής της δραστηριότητας» και το «σύστημα ανάλυσης» όπως αυτό παρουσιάζεται στην εικόνα 69. Εικόνα 69 : Αρχιτεκτονική Συστήματος Το σύστημα ανάλυσης έχει υλοποιηθεί χρησιμοποιώντας βασική τεχνολογία σε JAVA και χρησιμοποιώντας για βάση δεδομένων την mysql διαθέτοντας αρκετές πλατφόρμες σε πολλά λειτουργικά συστήματα με τα κατάλληλα προγράμματα οδήγησης για την διασύνδεση με την βάση δεδομένων. Ο Analyzer βασίζεται πάνω στα εργαλεία Weka τα οποία περιλαμβάνουν εργαλεία ανάλυσης και οπτικοποίησης καθώς και μέσα για την ενσωμάτωση της εκμάθησης από την μηχανή σε εφαρμογές. [32] [82] Φίλιππος Δ. Γιαννακάς 107

108 Σε αυτό το σημείο έχει χρησιμοποιηθεί ως περιβάλλον μάθησης το ActiveMath. Όπως αναφέραμε και παραπάνω η ανάλυση είναι ανεξάρτητη του περιβάλλοντος μάθησης με σκοπό την χρησιμοποίησή του σε συνδυασμό με άλλα Περιβάλλον μάθησης ActiveMath (Active Mathematics) Το ActiveMath είναι ένα web-based περιβάλλον μάθησης το οποίο παράγει δυναμικά διαδραστικά μαθήματα προσαρμοσμένα στους στόχους, προτιμήσεις, δυνατότητες και τις προηγούμενες γνώσεις των μαθητών. Το εκπαιδευτικό περιεχόμενο αναπαριστάται στην γλώσσα XML. )[60] [61] Το ActiveMath υποστηρίζει την μάθηση με ατομικό υλικό σε ένα προσαρμοστικό περιβάλλον χρήστη μέσω της ανακαλυπτικής μάθηση με την χρήση μαθηματικών εργαλείων με την ανάλογη ανατροφοδότηση. Ένα προσαρμοσμένο παράδειγμα μαθήματος παρουσιάζεται στην εικόνα 70. Αυτό σημαίνει ότι για διαφορετικούς σκοπούς και διαφορετικούς χρήστες το υλικό μάθησης και η αναπαράστασή του προσαρμόζεται : Η επιλογή του περιεχομένου, η οργάνωσή του, τα μέσα για την υποστήριξη του χρήστη πρέπει να είναι διαφορετικά για τον αρχάριο και για τον γνώστη χρήστη, για τον μηχανικό και μαθηματικό, για τις διαφορετικές καταστάσεις μάθησης όπως στην γρήγορη ανασκόπηση και για την πλήρη μελέτη. Αφού δεν υπάρχει τρόπος να γνωρίζουμε από πριν τους στόχους, το προφίλ και τις προτιμήσεις του κάθε χρήστη όταν σχεδιάζεται το σύστημα, το ActiveMath οικοδομεί παραγωγές προσαρμοστικών μαθημάτων. Ένα συστατικό του ActiveMath, το πλαίσιο εργασίας συμβάντων, είναι άμεσα σχετισμένο με το σύστημα SIAM αφού προμηθεύει την πληροφορία που πρέπει να καταγραφεί. Το πλαίσιο εργασίας συμβάντων καταλαβαίνει το σενάριο «Δημοσίευση Συνδρομή» και κατευθύνει την ασύγχρονη επικοινωνία μεταξύ των συστατικών του συστήματος και της επικοινωνίας των απομακρυσμένων υπηρεσιών. Τα συμβάντα είναι μηχανισμοί για την δυναμική και ευέλικτη ολοκλήρωση των συστατικών. [61] Για να γίνει κατανοητό ένα παράδειγμα για το συμβάν «Δημοσίευση» είναι το παρακάτω: Όταν ένας εκπαιδευόμενος Φίλιππος Δ. Γιαννακάς 108

109 ολοκληρώσει την εργασία του πάνω σε άσκηση, το υποσύστημα «άσκηση» εκδίδει ένα συμβάν. Το συμβάν μεταφέρει πληροφορίες για τον συνδρομητή εκπαιδευόμενο, το αναγνωριστικό της άσκησης, το ποσοστό επιτυχίας, την χρονοσφραγίδα του συμβάντος κτλ. Τώρα οι ακροατής (Listeners) που θα «συνδράμουν» σε ένα τέτοιο συμβάν μπορεί να είναι ένα μοντέλο μάθησης όπως επίσης σύμβουλος των συστατικών μάθησης. Το συστατικό που δημοσιεύει τα συμβάντα καλείται «πηγή συμβάν(event source)». Το συστατικό που καλείται να συνδράμει στην εξυπηρέτηση ενός παραγόμενου συμβάντος από την πηγή συμβάντων ονομάζεται ακροατής (Listener). Το σύστημα καταγραφής ενεργειών (Action Logging component) λαμβάνει τo ίχνος (trace) των ενεργειών του χρήστη με το να γίνεται συνδρομητής στο κατάλληλο πλαίσιο εργασίας συμβάντων. Για να επιστρέψουμε στο παραπάνω παράδειγμα όταν ένας εκπαιδευόμενος ολοκληρώσει την εργασία του, το παραγόμενο συμβάν θα ληφθεί από το σύστημα καταγραφής ενεργειών. Εικόνα 70: ActiveMath περιβάλλον χρήστη Η εικόνα 70 παρουσιάζει το περιβάλλον χρήστη AciveMath. Το αριστερό πάνελ δείχνει τον πίνακα περιεχομένων (TOC) του τρέχοντος επιλεγμένου βιβλίου (στο ActiveMath ο όρος «βιβλίο» χρησιμοποιείται ως μεταφορά του μαθήματος). Τα περιεχόμενα οργανώνονται σε ιεραρχική μορφή με την μορφή επεκτάσιμων και συρρικνούμενων κόμβων. Το χαμηλότερο επίπεδο αποτελείται από ατομικές σελίδες βιβλίων οι οποίες Φίλιππος Δ. Γιαννακάς 109

110 μπορούν να επιλεχθούν. Η χρωματισμένη βούλα στην αριστερή πλευρά κάθε σελίδας βιβλίου συμβολίζει το τι πιστεύει το σύστημα ως πρωτεύων αντίστοιχο υλικό για τον μαθητή. Δεξιά από το TOC, παρουσιάζεται η τρέχουσα επιλεγμένη σελίδα του βιβλίου. Κάθε σελίδα αποτελείται από στοιχεία εκμάθησης σε σειρά τα οποία μπορεί αν είναι υλικό για διάβασμα ή ασκήσεις κτλ. Οι ασκήσεις εμφανίζονται σε ξεχωριστό παράθυρο, όταν η επιλογή «έναρξης άσκησης» επιλεχθεί. Σχετικό υλικό παρουσιάζεται με την μορφή υπερσυνδέσμων. Η επιλογή τους ανοίγει ένα νέο παράθυρο που περιέχει την αντίστοιχη πληροφορία. Στο πάνω δεξιό μέρος κάθε εμφανιζόμενου αντικειμένου μάθησης υπάρχει ένα εικονίδιο σημείωσης «note», όπου ο μαθητής μπορεί να προσπελάσει την λειτουργία των σημειώσεων. Οι μαθητές μπορούν να το χρησιμοποιήσουν για να κρατήσουν ιδιωτικές ή δημόσιες σημειώσεις ή να διαβάσουν ήδη υπάρχουσες σημειώσεις. Στο χαμηλότερο μέρος της σελίδας εμφανίζονται τα κουμπιά επόμενο και προηγούμενο ως εναλλακτικά του TOC για την μετάβαση σε επόμενη ή προηγούμενη σελίδα. Τέλος στο πάνω μέρος της οθόνης, τοποθετείται η μπάρα του μενού η οποία προσφέρει λειτουργίες οι οποίες είναι ανεξάρτητες του συγκεκριμένου περιεχομένου και είναι γενικά διαθέσιμες. Αυτό περιλαμβάνει τον σύνδεσμο «Menu» για επιστροφή στην αρχική σελίδα όπου μπορούν να επιλεχθούν τα βιβλία, ο σύνδεσμος «Dictionary» ο οποίος ανοίγει ένα παράθυρο όπου ερωτήματα αναζήτησης μπορούν να δημοσιευθούν και το κουμπί «Logout»για την ολοκλήρωση της τρέχουσας συνεδρίας. [64] Σύστημα καταγραφής ενεργειών (Action Logging Component) Για κάθε εκπαιδευόμενο, το περιβάλλον ActiveMath παράγει μια on-line καταγραφή η οποία παρουσιάζει τις ενέργειες του χρήστη στο περιβάλλον μάθησης σε όρους γενικής πληροφορίας όπως χρόνος, τύπος ενέργειας, όνομα χρήστη, αριθμός συνεδρίας όπως επίσης και συγκεκριμένη πληροφορία που περιλαμβάνει ποια σελίδα παρουσιάζεται στον χρήστη, ποιο Φίλιππος Δ. Γιαννακάς 110

111 αντικείμενο έχει δει ο χρήστη, ποια άσκηση έχει παρακαμφθεί ή έχει λυθεί ή δεν έχει λυθεί. Ο «ενημερωτής» (updater) (εικόνα 71), λαμβάνει πληροφορίες συμβάντων από τις ενέργειες των χρηστών από το περιβάλλον μάθησης και μετατρέπει κάθε ενέργεια του χρήστη σε μια ενημέρωση ενός αντίστοιχου πίνακα στην βάση δεδομένων. Συνήθως ο ενημερωτής λαμβάνει σε πραγματικό χρόνο πληροφορίες από την ουρά συμβάντων, αλλά μπορεί επίσης να διαβάσει αρχεία με καταγραφές τα οποία παρήχθησαν σε off-line κατάσταση. Η βάση καταγραφής δεδομένων (εικόνα 71), τοποθετείται στο κέντρο του συστήματος SIAM. Δεν περιλαμβάνει μόνο αναπαραστάσεις ροές πληροφοριών του χρήστη (βλέπε πίνακα 2). Μια αρχική οτπικοποίηση παρουσιάζεται στην εικόνα 70β. Εδώ σε απλή μορφή παρουσιάζεται ο αριθμός των χρηστών κατά την διάρκεια της ημέρας. Εικόνα 70β: Αριθμός χρηστών ανά ώρα μιας ημέρας [64] Φίλιππος Δ. Γιαννακάς 111

112 Event eventusercreated eventuserloggedin Πίνακας Στοιχείο Περιγραφή eventide timestamp source session userid type eventide username eventide ip useragent Βασική πληροφορία για όλα τα συμβάντα Εγγραφή καινούργιου χρήστη στο σύστημα Καταγραφή εισόδου χρήστη στο σύστημα. Έναρξη καινούργιας συνόδου eventuserlogged-out eventide Καταγραφή εξόδου χρήστη στο σύστημα. Τερματισμός συνόδου eventpagepresented eventexercisestarted eventexercisestep eventexercisefinished eventmasterychanged eventid book page eventid exercise eventid userinput eventid exercise successrate eventid item mastery- Dimension oldvalue new value Το σύστημα παρουσιάζει τη ζητούμενη σελίδα βιβλίου στον χρήστη Ο χρήστης ξεκινά μια άσκηση Ο χρήστη αποστέλλει είσοδο για μια άσκηση Η άσκηση ολοκληρώθηκε Το σύστημα αλλάζει το κυρίως επίπεδο του χρήστη eventitempresented eventid Παρουσίαση του αντικειμένου item μάθησης στον χρήστη itemtype eventuserpropertychanged eventid propertynam oldvalue new Value eventitemseen eventide duration Item Δείχνει τις αλλαγές κάποιων μεταδεδομένων χρήστη Περισσότερη πληροφορία σε επίπεδο αντικειμένου, σχετικά με τον χρόνο ενασχόλησης του χρήστη σε αυτό Πίνακας 2 : Σχήμα βάσης καταγραφής δεδομένων για το βασικό επίπεδο Φίλιππος Δ. Γιαννακάς 112

113 Το βασικό επίπεδο της βάσης δεδομένων, το οποίο αντιστοιχεί σε ακατέργαστες ροές δεδομένων, οργανώνεται σε πίνακες που αναπαριστούν την αρχική πληροφορία συμβάντων καθώς επίσης και συγκεκριμένα συμβάντα δεδομένων. Ο σχεδιασμός της δομής αυτών των πινάκων έχει έχει βασιστεί στην περιγραφή των συμβάντων αφού αυτό επιτρέπει απλές λειτουργίες ενημέρωσης όταν το υποσύστημα συμβάντων αλλάξει και αντικατασταθεί από άλλο σύστημα. Ο πίνακας 2 παρουσιάζει τους βασικούς πίνακες συμβάντων μαζί με τα πεδία τους και μια σύντομη περιγραφή. Επιπλέον, όπως φαίνεται στον πίνακα, η βάση δεδομένων περιλαμβάνει πίνακες που κρατούν επιπρόσθετη πληροφορία των χρηστών όπως π.χ το φύλλο, καθώς και πίνακες που παράγονται από αυτούς με την χρήση ερωτημάτων. Επιπροσθέτως, ο updater παρέχει κάποια λειτουργία ολοκλήρωσης των δεδομένων. Κάποια στιγμή οι πίνακες πληροφοριών δεν είναι ολοκληρωμένοι. Για παράδειγμα, πολύ χρήστες δεν βγαίνουν από το σύστημα μάθησης με τον ενδεδειγμένο τρόπο δηλαδή κάνοντας χρήση του κουμπιού log out που παρέχεται στο περιβάλλον του χρήστη, αλλά απλά κλείνουν τον φυλλομετρητή τους ή τερματίζουν το μηχάνημά τους. Σε αυτή την περίπτωση δεν καταγράφεται κάποιο στοιχείο που αφορά την έξοδο του χρήστη από το περιβάλλον μάθησης. Ο αντίστοιχος πίνακας εξόδου (log out), ενημερώνεται από πληροφορία που απορρέει από άλλα συμβάντα που ο χρήστη δημιούργησε με ένα ευριστικό τρόπο. Αυτή η πληροφορία αυτόματα προστίθεται στο πίνακα log out, αλλά σημειώνεται ως πληροφορία που εξήχθη από την παραπάνω διαδικασία. Συγκεκριμένα η πληροφορία που προκύπτει από την updater παρουσιάζεται στον πίνακα 3. Φίλιππος Δ. Γιαννακάς 113

114 Στοιχείο Παραγωγή Σχόλια User Χειροκίνητη Όνομα χρήστη (δεν χρησιμοποιείται για το δέντρο απόφασης εκπαίδευσης) Class Χειροκίνητη Μάθημα, το κάθε ένα αποτελείται από 20 μαθητές (δεν χρησιμοποιείται για το δέντρο απόφασης εκπαίδευσης) Teacher Χειροκίνητη Κάθε class έχει χωριστεί σε υποομάδες οι οποίες διδάσκονται από διαφορετικούς καθηγητές (δεν χρησιμοποιείται για το δέντρο απόφασης εκπαίδευσης) Gender Χειροκίνητη Αρσενικό ή Θηλυκό Integration pupil Χειροκίνητη Πότε ο μαθητής μειονεκτεί Post test result Χειροκίνητη Τελικά αποτελέσματα από την εξέταση (συνδέεται με τις τιμές «χαμηλή», «μεσαία» και «υψηλή» για χρήση στο δέντρο απόφασης μάθησης) Ex_started Αυτόματη Αριθμός ασκήσεων που άρχισε Ex_finished Αυτόματη Αριθμός ολοκληρωμένων ασκήσεων Num_success Αυτόματη Αριθμός σωστών ασκήσεων Avg_reading Αυτόματη Μέσος αριθμός ενεργειών διαβάσματος σε μια σύνοδο Avg_solving Αυτόματη Μέσος αριθμός ενεργειών επίλυσης ασκήσεων σε μια σύνοδο DictUsed Αυτόματη Πότε ο μαθητής χρησιμοποίησε το λεξικό για αναζήτηση πληροφορίας Φίλιππος Δ. Γιαννακάς 114

115 WorkedOffTime Αυτόματη Πότε ο μαθητής χρησιμοποίησε το περιβάλλον μάθησης πέρα το σχολικού ωραρίου ή κατά την διάρκεια ελεύθερων περιόδων Ex_finished_rate Αυτόματη Ποσοστό ολοκληρωμένων ασκήσεων προς όλες τις ασκήσεις που ξεκίνησε Ex_success_rate Αυτόματη Ποσοστό επιτυχημένων ασκήσεων προς όλες τις ασκήσεις που ολοκλήρωσε Πίνακας 3 : Αυτόματη συλλογή δεδομένων και ενημέρωσης για κάθε χρήστη, επιπλέον κάποιων πληροφοριών που προστίθενται με χειροκίνητο τρόπο Όπως καταλαβαίνουμε τα αρχεία καταγραφής μεγαλώνουν συνεχώς. Για τον λόγο αυτό ένα εργαλείο για ρεαλιστική χρήση χρειάζεται να υλοποιηθεί πάνω στην βάση δεδομένων. Παρακάτω στην εικόνα 71 παρουσιάζεται μια πλήρη εικόνα του σχήματος της βάσης δεδομένων. Το σχήμα παρουσιάζει στο κέντρο τον πίνακα των πρωτογενών πληροφοριών, κάτω δεξιά τους πίνακες συγκεκριμένων καταγραφών δραστηριότητας, πάνω δεξιά τους πίνακες με τις επεκταμένες πληροφορίες συμβάντων και κάτω αριστερά τους πίνακες με τις πληροφορίες background. [64] Φίλιππος Δ. Γιαννακάς 115

116 Εικόνα 71 : Σχήμα βάσης δεδομένων [64] Σύστημα ανάλυσης ενεργειών (Action Analysis Component) Ο «αναλυτής (από εδώ και στο εξής Analyzer)» (βλέπε εικόνα 69), εκτελεί μια συνάθροιση και αξιολόγηση των δεδομένων βάση ερωτημάτων στις καταγραφές της βάσης δεδομένων. Επιπλέον ενσωματώνει μια σειρά Φίλιππος Δ. Γιαννακάς 116

117 από μεθόδους εκμάθησης μηχανής για την αυτόματη ανάλυση των δεδομένων λαμβάνοντας ως είσοδο τα δεδομένα από την βάση δεδομένων. Εάν χρειαστεί, κάποια ρύθμιση ή κάποια τροποποίηση τότε γίνεται η ανάλογη είσοδος από τον μηχανικό που τρέχει την ανάλυση. Επιπροσθέτως για να έχουμε καλύτερη εικόνα των συσχετίσεων μεταξύ των δεδομένων, τα αποτελέσματα της ανάλυσης μπορούν να χρησιμοποιηθούν για την πρόβλεψη και την κατάταξη μελλοντικών συνόδων. Έως τώρα, ο Analyzer δεν είναι ένα ενσωματωμένο πλήρως αυτοματοποιημένο σύστημα αλλά αποτελείται από ένα αριθμό SQL-scripts ερωτημάτων ο οποίο προ επεξεργάζεται τις ροές δεδομένων και το εργαλείο εκμάθησης μηχανής YALE εκτελεί την πραγματική ανάλυση εκμάθηση μηχανής. [30] Το YALE προσφέρει πολλές λειτουργίες για να εκτελεί προ επεξεργασία δεδομένων (φιλτράρισμα, κανονικοποίηση κτλ.), εκμάθηση (περισσότερους από 100 αλγόριθμους), έλεγχο αξιοπιστίας (π.χ διασταύρωση, αρκετά κριτήρια αξιολόγησης απόδοσης) και άλλες σχετικές λειτουργίες ανάλυσης. Παρακάτω, παρουσιάζεται ένα επιλεγμένο σχήμα εκμάθησης που χρησιμοποιείται από το σύστημα ανάλυσης ενεργειών: Δέντρο απόφασης μάθησης (Decision tree learner): Πολύ μέθοδοι εκμάθησης μηχανής παρέχουν την έξοδό τους σε κατανοητή αναγνώσιμη μορφή από τον άνθρωπο. Για παράδειγμα, μέθοδοι για την παραγωγή δέντρων αποφάσεων από δεδομένα, όπως το C4.5, επιτρέπουν την παρουσίαση του δέντρου-μορφοποίησης των αποτελεσμάτων μάθησης. [66] Το δέντρο απόφασης κατασκευάζεται από τον αλγόριθμο επιλέγοντας πρώτα ένα στοιχείο για να τοποθετηθεί ως κόμβος ρίζας του δέντρου και φτιάχνοντας ένα κλαδί για κάθε πιθανή τιμή. Αυτό χωρίζει το παράδειγμα σε υπομονάδες μια για κάθε πιθανή τιμή του στοιχείου. Το στοιχείο επιλέγεται με τέτοιο τρόπο που να μεγιστοποιεί την πληροφορία που λαμβάνεται από το επιλεγμένο στοιχείο. Αυτή η διαδικασία επαναλαμβάνεται αναδρομικά για κάθε κλαδί, χρησιμοποιώντας μόνο αυτά τα στοιχεία που πραγματικά οδηγούν στο Φίλιππος Δ. Γιαννακάς 117

118 κλαδί. Εάν σε κάποια στιγμή όλα τα στοιχεία στους κόμβους έχουν την ίδια κατάταξη, η ανάπτυξη του κομματιού του δέντρου τερματίζεται. Για παρακάτω παράδειγμα (εικόνα 72), παρουσιάζεται το δέντρο απόφαση που παράγεται από το σύστημα για τον χαρακτηρισμό των τελικών αποτελεσμάτων σε μια εξέταση, αφού τα αποτελέσματα έχουν χαρακτηρισθεί από τις τιμές «χαμηλή, μεσαία, υψηλή». Φυσικά τα παρακάτω δεδομένα βασίζονται σε πειραματικά στοιχεία και μπορούν να χρησιμοποιηθούν για μελλοντική πρόβλεψη. Εικόνα 72 : Δέντρο απόφαση για το χαρακτηρισμό των τελικών αποτελεσμάτων εξέτασης [64] Φίλιππος Δ. Γιαννακάς 118

119 Χαμηλή Μεσαία Υψηλή Χαμηλή Μεσαία Υψηλή Πίνακας 4 : Τιμές διασταύρωσης ελέγχου τιμών δέντρου απόφασης [64] Η ποιότητα του δέντρου απόφασης παρουσιάζεται στον Πίνακα 4. Ο πίνακας παρουσιάζει τα αποτελέσματα του ελέγχου του δέντρου απόφασης με δεδομένα σε δυσδιάστατη μορφή. Κάθε στοιχείο του πίνακα δείχνει τον αριθμό των παραδειγμάτων ελέγχου για τα οποία η πραγματική κλάση είναι η γραμμή και η προβλεπόμενη κλάση η στήλη. Καλά αποτελέσματα αντιστοιχούν στα μεγάλα νούμερα κάτω από την κύρια διαγώνιο ενώ μικρά, ιδανικά μηδέν, έξω από την κύρια διαγώνιο. Κανόνας μάθησης (Rule Learner): Ο αλγόριθμος μάθησης κατά κανόνα παράγει ένα σύνολο προβλέψεων που το κάθε ένα αποτελείται από τις τιμές κλάσεων και τις συνθήκες. Ο PRISM κανόνας εκμάθησης για παράδειγμα, κατασκευάζει κανόνες με τον ακόλουθο τρόπο: Αφού επιλέξει μια τιμή κλάσης ο αλγόριθμος ξεκινά με ένα κενό κανόνα και προσθέτει επαναληπτικά καινούργιες συνθήκες της μορφής «Στοιχείο Χ έχει τιμή Υ». Κάθε συνθήκη που προστίθεται περιορίζει την εμβέλεια του κανόνα επειδή το λιγότερο εκπαιδευόμενο στιγμιότυπο θα ταιριάζει με την επεκταμένη συνθήκη. Από την άλλη πλευρά, το ζευγάρι των στοιχείων-τιμών επιλέγεται με τρόπο τέτοιο όπου να αυξάνεται η ακρίβεια του κανόνα. Εάν ο κανόνας είναι τέλειος (100% ακριβής), ο αλγόριθμος συνεχίζει με την κατασκευή του επόμενου κανόνα. Για να καλυφθούν όλα τα στοιχεία εκμάθησης, μπορεί να απαιτηθούν αρκετοί κανόνες για μια κλάση. Αυτή η διαδικασία είναι επαναλαμβανόμενη για όλα τις κλάσεις. Φίλιππος Δ. Γιαννακάς 119

120 Naïve Bayes: O Naïve Bayes είναι ευρέως χρησιμοποιούμενος πιθανοτικός αλγόριθμος κατάταξης βασιζόμενος στο θεώρημα Bayes. Θεωρεί όλα τα στοιχεία ανεξάρτητα (από εκεί και όρος Naïve). Εξαρτήσεις μεταξύ στοιχείων μπορεί να υποδηλώνουν την ποιότητα των μοντέλων υπολογισμού. Support Vector Machine (SVM) : Ο αλγόριθμος SVM προσπαθεί να βρει hyper planes (διαστημόπλοια) στην ιδιότητα διάστημα όπου βέλτιστα διαχωρίζει τα στιγμιότυπα διαφορετικών κλάσεων. Η βελτιστοποίηση επιτυγχάνεται μεγιστοποιώντας τα περιθώρια μεταξύ των κλάσεων (το περιθώριο είναι η ελάχιστη απόσταση μεταξύ στιγμιότυπων κλάσεων και του ξεχωριστού hyper plane). Επειδή δεν μπορούν να συλληφθούν περισσότερο πολύπλοκα patterns με γραμμικό διαχωρισμό, o SVM εφαρμόζει το «kernel trick : Αντί να αλλάζει ο πυρήνας του SVM αλγόριθμου, η ιδιότητα διάστημα μετατρέπεται ορίζοντας ένα μη γραμμικό πυρήνα. Αλγόριθμος Προώθησης (Boosting Algorithm) : Οι αλγόριθμοι προώθησης (π.χ AdaBoost), είναι μετά-αλγόριθμοι οι οποίοι έχουν στηριχθεί πάνω σε αυτό που λέμε αδύνατοι μαθητές. Αυτοί είναι απλοί μέθοδοι εκμάθησης για παράδειγμα αλγόριθμος Stump (οι υπολογιστές το πρώτο επίπεδο του δέντρου απόφασης). Ο αλγόριθμος προώθηση επαναληπτικά συσχετίζει τον αδύνατο μαθητή στα στιγμιότυπα εκπαίδευσης για τον υπολογισμό ενός σετ από προβλεπόμενα μοντέλα. Αρχικά, όλα τα στιγμιότυπα είναι ίσης βαρύτητας. Σε κάθε επανάληψη, τα βάρη των εσφαλμένων στιγμιότυπων ταξινόμησης αυξάνονται και αυτά των σωστών ταξινομήσεων μειώνονται. Στις διαδοχικές επαναλήψεις ο εκπαιδευόμενος (learner) προσπαθεί να βρει ένα μοντέλο το οποίο παίρνει υπόψη του την ποιο εσφαλμένη κατάταξη. Το πλήρες μοντέλο ολόκληρης της διαδικασίας προώθησης συνδυάζει όλα τα υπολογισμένα απλά μοντέλα, ζυγισμένα με την ακρίβεια τους [86]. Φίλιππος Δ. Γιαννακάς 120

121 Άποψη Παρόλο που παρουσιάσαμε το σύστημα SIAM, πώς ενσωματώνει την διαδικασία της ανάλυσης των καταγραφών δραστηριότητας, υπάρχουν προβλήματα και ερωτήματα που θα πρέπει να επιλυθούν - απαντηθούν. Μέχρι τώρα η διαδικασία της προ-επεξεργασίας εκτελείται με ημίαυτόματο τρόπο. Πριν την έναρξη της ανάλυσης τα υπάρχοντας scripts των SQL ερωτημάτων παραμετροποιούνται βάση των αναγκών της τρέχουσας έρευνας και μετά εφαρμόζονται από το στοιχείο Analyzer στην ροή των δεδομένων. Αυτό το στοιχείο δείχνει την μελλοντική ανάγκη για αυτοματοποίηση. Πρέπει να βρεθεί ποια πλευρά χρήσης είναι γενικά σχετική στην διαδικασία ανάλυσης, ανεξάρτητα από συγκεκριμένες ανάγκες κάθε μεμονωμένου ερευνητή. Για παράδειγμα, το ποσοστό επιτυχίας του μαθητή, ο αριθμός των σελίδων που έχουν διαβαστεί ή ο συνολικός χρόνος που βρίσκεται σε σύνδεση θα πρέπει να έχουν πρωταγωνιστικό ρόλο στις περισσότερες έρευνες. Μια επιπλέον παράμετρος που χρειάζεται αυτοματοποίηση είναι η συμμετοχή των εξωτερικών, μη-συμπεριφοριστικών δεδομένων τα οποία δεν περιλαμβάνονται στις καταγραφές των συμβάντων δραστηριότητας (π.χ φύλλο, δεδομένα ερωτηματολογίων προ ή μετά αποτελεσμάτων εξέτασης). Τώρα, αυτά η βασική πληροφορία προστίθενται χειροκίνητα στην βάση δεδομένων από τα φύλλα που δίνει ο καθηγητής. Πρέπει να μελετηθεί το περιβάλλον που θα πρέπει να δοθεί στον καθηγητή για την αυτόματη τροφοδότηση των δεδομένων στην βάση. Φίλιππος Δ. Γιαννακάς 121

122 3.3. Σύστημα Synergo ModellingSpace Και τα δυο παρακάτω συστήματα εντάσσονται στα συνεργατικά συστήματα μάθησης. Όπως γνωρίζουμε τα δεδομένα που μπορούν να συλλεχθούν κατά τη διάρκεια μιας συνεργατικής δραστηριότητας μπορεί να είναι ποικίλα, ανάλογα με τις ανάγκες της μεθοδολογίας της ανάλυσης που έχει καθοριστεί ότι θα χρησιμοποιηθεί. Επειδή η ανάλυση συνεργατικών δραστηριοτήτων υποστηριζόμενων από υπολογιστικά εργαλεία έχει το πρακτικό προτέρημα ότι μπορεί να υποβοηθηθεί από τα ίδια τα εργαλεία για την αυτοματοποίηση της ανάλυσης ή έστω μέρους αυτής, μπορούν να ξεχωρίσουν δύο κατηγορίες δεδομένων προς συλλογή. Η μία είναι τα δεδομένα που συλλέγονται αυτόματα από τα ίδια τα εργαλεία της συνεργασίας, ενώ η τα δεδομένα που συλλέγονται από τους αναλυτές ή άλλους παρατηρητές της δραστηριότητας. Η κατηγορία αυτή περιλαμβάνει α) τα τεστ πριν και μετά (pre & post tests), β) τις παρατηρήσεις (observations), γ) τις συνεντεύξεις και δ) τις ομάδες εστίασης. Και σε αυτά τα συστήματα τοποθετείται σε μελλοντική έρευνα η ανατροφοδότηση της δραστηριότητας σε πραγματικό χρόνο, με τα δεδομένα αλληλεπίδρασης των χρηστών με το σύστημα, διότι είναι τα μόνα που μπορούν πρακτικά να αξιοποιηθούν σε Ανάλυση της αλληλεπίδρασης και της συνεργασίας σε πραγματικό χρόνο, καθώς αυτομάτως καταγράφονται και αποθηκεύονται από το συνεργατικό περιβάλλον Synergo Στην εικόνα 73, φαίνεται η βασική οθόνη του Synergo μαζί με τις διεπιφάνειες που αντιστοιχούν στα διάφορες πρωτόκολλα του ACABF. Εύκολα κάποιος παρατηρεί ότι ο χρήστης του συστήματος έχει πρόσβαση στην επίγνωση των χρηστών (5a) αλλά και στην επίγνωση της ομάδας (5b). Αυτό η δυνατότητα της συγκριτικής άποψης των χρηστών του συστήματος επιτρέπει την αυτό-αξιολόγηση των χρηστών πράγμα που του οδηγεί στο να καλυτερεύσουν της προσπάθειά τους για μάθηση. Φίλιππος Δ. Γιαννακάς 122

123 Εικόνα 73 : Ένα στιγμιότυπο της βασικής οθόνης του Synergo [90] Ένα σημαντικό κομμάτι του Synergo είναι και το περιβάλλον ανάλυσης της συνεργατικής αλληλεπίδρασης. Εννοιολογικά τέσσερις οπτικοποιήσεις υποστηρίζονται. Η Ποσοτική απεικόνιση της διαδικασίας της συνεργασίας, η απεικόνιση της διαδικασία της συνεργασίας με την μορφή playback, η ποσοτική απεικόνιση διαφόρων επιπέδων ανάλυσης (μαθητή, ομάδας, σετ ομάδων και τάξεων), απεικόνιση πρωτογενών δεδομένων από τα αρχεία καταγραφής της δραστηριότητας. Παράδειγμα απεικόνισης της τάξεως παρουσιάζεται στην εικόνα 73α. [90] Εικόνα 73α: Απεικόνιση τάξεως [90] Φίλιππος Δ. Γιαννακάς 123

124 Αντίστοιχο παράδειγμα παρουσιάζεται στην εικόνα 73β. Σε αυτή την εικόνα απεικονίζεται σε επίπεδο ομάδας κάποιοι δείκτες της πυκνότητας της συχνότητας του τύπου των συμβάντων ανά χρονικό διάστημα tq, όπως ο αριθμός των ανταλλασσόμενων μηνυμάτων ανά tq, όπου ο χρήστης ορίζει το χρονικό διάστημα π.χ. ο βαθμός συμμετρίας της δραστηριότητας από τα μέλη της ομάδας. Οι δείκτες εμφανίζονται σε μορφή πίνακα ή γραφήματος σε συνδυασμό της χρονικής διάστασης ή ανά συμμετέχοντα. [90] Εικόνα 73β : Απεικόνιση επιπέδου ομάδας με παραδείγματα γραφημάτων από τις επιλογές των δεικτών [90] Ανάλογο παράδειγμα ποσοτικής απεικόνισης αποτελεί και η οπτικοποίηση στην εικόνα 73γ. Εδώ αναλύεται η δραστηριότητα των επιλεγμένων χρηστών σε συνδυασμό με τον χρόνο. [90] Εικόνα 73γ : Γράφημα συμπεριφοράς ομάδας [90] Φίλιππος Δ. Γιαννακάς 124

125 ModellingSpace Η χρήση του ModellingSpace εστιάζεται κυρίως στην κατασκευή μαθηματικών μοντέλων, που σε αντίθεση με το Synergo, έχουν δυναμική συμπεριφορά. Αυτό σημαίνει ότι υπάρχει η δυνατότητα σύνδεσης των αντικειμένων με σχέσεις, η συμπεριφορά των οποίων μπορεί να γίνει αντιληπτή από τον χρήστη. Η συμπεριφορά των αντικειμένων, αναφορικά με τρέχουσα κατάστασή τους εξαιτίας της σχέσης τους με κάποιο άλλο αντικείμενο, αποτυπώνεται πάνω σε αυτά με τη χρήση γραφικών αναπαραστάσεων. Η δραστηριότητα μοντελοποίησης περιλαμβάνει τη δοκιμή της συμπεριφοράς των μεμονωμένων οντοτήτων στο πλαίσιο του κατασκευασμένου μοντέλου, καθώς επίσης και τη χρησιμοποίηση εναλλακτικών αναπαραστάσεων, όπως γραφικές παραστάσεις, απεικονίζοντας τη σχέση των πρότυπων οντοτήτων. [10] Η τυπική χρήση αυτού του περιβάλλοντος είναι στο πλαίσιο ενός σχολικού εργαστηρίου, όπου οι σπουδαστές συγκροτούν ομάδες και συνεργάζονται χρησιμοποιώντας το ModellingSpace, σε θέματα όπως η Φυσική, τα Μαθηματικά, η Βιολογία, η Τεχνολογία των Υπολογιστών ή σε Περιβαλλοντικά θέματα μελέτης. Σπουδαστές τόσο της δευτεροβάθμιας όσο και της τριτοβάθμιας εκπαίδευσης έχουν χρησιμοποιήσει αυτό το περιβάλλον λογισμικού σε πειραματική βάση. Τα διαθέσιμα αντικείμενα στο ModellingSpace ονομάζονται πρωτογενείς οντότητες. Οι οντότητες έχουν έναν πεπερασμένο αριθμό ιδιοτήτων. Κάθε ιδιότητα ορίζεται σε ένα συγκεκριμένο πεδίο ορισμού. Το σύνολο των τρεχουσών τιμών των ιδιοτήτων σε μία οντότητα προσδιορίζει την τρέχουσα κατάστασή της. Το ModellingSpace είναι ένα ανοικτού τύπου συνεργατικό περιβάλλον, δηλαδή επιτρέπει τη δημιουργία νέων πρωτογενών οντοτήτων, οι οποίες αποτελούν τις δομικές μονάδες των μοντέλων, από εκπαιδευτικούς ή σπουδαστές. Ο ορισμός των ιδιοτήτων των οντοτήτων και των πεδίων ορισμών τους γίνεται από τους ίδιους. Σε αυτές τις οντότητες ορίζεται επίσης και η οπτική τους συμπεριφορά, βασιζόμενη σε υλικό πολυμέσων (εικόνες ή βίντεο). Στη συνέχεια, οι χρήστες του ModellingSpace μπορούν να χτίσουν και να ερευνήσουν μοντέλα, που βασίζονται στις πρωτόγονες οντότητες που οι ίδιοι έχουν κατασκευάσει. Φίλιππος Δ. Γιαννακάς 125

126 Στην εικόνα 74 φαίνεται ένα στιγμιότυπο του ModellingSpace, στο οποίο αναπαρίσταται ένα μοντέλο για την μελέτη του κόστους καλοκαιρινών διακοπών. Εικόνα 74 : Ένα στιγμιότυπο της βασικής οθόνης του ModellingSpace Ο ανοικτός χαρακτήρας του περιβάλλοντος οδηγεί πολλές φορές στην ετερογένεια των βιβλιοθηκών των πρωτογενών οντοτήτων. Κατά συνέπεια, σε μια συνεργατική δραστηριότητα μιας μικρής ομάδας, τα μέλη της οποίας διαθέτουν ετερογενείς βιβλιοθήκες οντοτήτων, το ModellingSpace χρησιμοποιεί έναν κατάλληλο μηχανισμό μεταφοράς των διαφορετικών οντοτήτων από σταθμό σε σταθμό με τέτοιο τρόπο ώστε να μην διαταράσσεται η αλληλεπίδραση των μελών της ομάδας με το αναπτυσσόμενο μοντέλο. Φίλιππος Δ. Γιαννακάς 126

127 Η καινοτόμος ιδέα στο ModellingSpace, έγκειται κυρίως στους πολλούς εναλλακτικούς τρόπους με τους οποίους μπορεί να οριστεί μία σχέση μεταξύ δύο οντοτήτων. Διακρίνονται τρεις (3) βασικές κατηγορίες σχέσεων (εικόνα 75). (Α) (Β) (Γ) Εικόνα 75 : Οι τρεις κατηγορίες σχέσεων του ModellingSpace 1. Ποιοτικές σχέσεις (Qualitative relationships). Οι ποιοτικές σχέσεις συνδέουν τις οντότητες, προσδίδοντας μόνο σημασιολογική σχέση και όχι ποσοτική και αντιπροσωπεύονται από ασαφείς λεκτικές εκφράσεις (π.χ. Το Α επηρεάζει το Β). Για το λόγο αυτό δεν συνδέονται πάνω στις ιδιότητες των οντοτήτων αλλά στις ίδιες τις οντότητες. Οι σχέσεις αυτές είναι αντίστοιχες με τις σχέσεις που χρησιμοποιούνται στο Synergo και δεν προσδίδουν κάποια δυναμική συμπεριφορά στις οντότητες (εικόνα 75 Α). 2. Ημι-Ποσοτικές σχέσεις (Semiquantitative relationships). Σε ένα επόμενο επίπεδο, μπορούν να οριστούν σχέσεις μεταξύ των ιδιοτήτων των οντοτήτων που προσδίδουν νε μεν μια δυναμική συμπεριφορά στις οντότητες αλλά ταυτόχρονα δεν αποκαλύπτουν τη μαθηματική συσχέτιση που κρύβεται κάτω από αυτές (εικόνα 75 Β). Για παράδειγμα η αναλογική σχέση υποδηλώνει ότι η ιδιότητα μιας οντότητας είναι ανάλογη με κάποια άλλη ιδιότητα, αλλά δεν Φίλιππος Δ. Γιαννακάς 127

128 αποκαλύπτει τη σχέση αναλογίας, επιτρέπει όμως τη μεταβολή της μέσα από τρεις επιλογές που περιγράφονται από τις λεκτικές μεταβλητές «λίγο», «πολύ» και «περισσότερο». 3. Ποσοτικές σχέσεις (Quantitative relationships). Σε ένα τρίτο επίπεδο, μια σχέση μπορεί να οριστεί με πιο αυστηρό τρόπο, μέσα από τρεις ποσοτικές σχέσεις (εικόνα 75 Γ).. Η πρώτη περιγράφεται από μία εξίσωση του τύπου F(x)=y και για τον ορισμό της υπάρχει κατάλληλος συντάκτης εξισώσεων, που επιτρέπει τη χρήση βασικών συναρτήσεων και σταθερών [50] [51] [52] [87] Μοντελοποίηση της αλληλεπίδρασης Το προτεινόμενο μοντέλο, στηρίζεται σε μεγάλο βαθμό στην Θεωρία της Δραστηριότητας (Activity Theory) (Nardi, 1995) και στο μοντέλο ανάλυσης συνεργατικής συμπεριφοράς OCAF (Avouris 2003a) το οποίο προβλέπει την αποτύπωση της διαδικασίας συνεργατικής επίλυσης ενός προβλήματος στην παραγόμενη λύση, ενώ παράλληλα στηρίζεται στην παραδοχή ότι μπορούν να αναλυθούν με ενοποιημένο τρόπο ο διάλογος και οι δράσεις των συνεργατών. Το OCAF έχει χρησιμοποιηθεί επιτυχώς στην ανάλυση της συνεργατικής συμπεριφοράς. [1] [29] Προηγούμενη έρευνα έχει δείξει ότι η αμοιβαία κατανόηση μεταξύ συνεργαζόμενων ατόμων πραγματοποιείται μέσω του συνδυασμού της αντίληψης για την δράση και την επικοινωνία. Επιπλέον, ανάλογα με τα παρεχόμενα εργαλεία που διευκολύνουν το διάλογο, ο τρόπος συνεργασίας μπορεί να ποικίλει από έναν πιο δραστικό-κεντρικό (action-dominant) τρόπο σε έναν πιο διαλογο-κεντρικό (discussion-based). Λόγω αυτών υποστηρίζεται ότι υπάρχει η ανάγκη να εφαρμοστεί μια ενοποιημένη ανάλυση και ερμηνεία για το διαλόγου και τις ενέργειες χειρισμού των αντικειμένων της λύσης, προκειμένου να αναλυθούν και να αξιολογηθούν οι συνεργατικές δραστηριότητες, που αφορούν στην περίπτωση της διαγραμματικής επίλυσης προβλήματος. [2] [9] [14] Φίλιππος Δ. Γιαννακάς 128

129 Υποτίθεται ότι η δραστηριότητα αυτή εμπλέκει ένα αριθμό συνεργατών (μαθητών ή εκπαιδευτικών), οι οποίοι χειρίζονται ένα σύνολο από αντικείμενα, ενώ αλληλεπιδρούν είτε μέσω των αντικειμένων αυτών, είτε απευθείας μέσω της συνομιλίας. Για παράδειγμα, η αλληλεπίδραση των συνεργατών μπορεί να γίνει είτε σε ένα υπολογιστικό περιβάλλον με απευθείας χειρισμό (direct manipulation) των αντικειμένων στην επιφάνεια εργασίας, είτε έμμεσα, με λεκτικό τρόπο, μέσα από τον γραπτό ή προφορικό διάλογο που πραγματοποιείται ανάμεσα στους συνεργάτες κατά τη διάρκεια της συνεργασίας, κάποια τμήματα του οποίου μπορούν να συσχετισθούν με τα χειριζόμενα αντικείμενα. Η άμεση ή έμμεση δράση, ενός συνεργάτη σε κάποιο αντικείμενο χαρακτηρίζεται ως συμβάν (event), διότι είναι ένα γεγονός που έχει σκοπό σύμφωνα με τα παραπάνω, είτε να αλλάξει την κατάσταση του αντικειμένου, είτε να προσδώσει έναν χαρακτηρισμό σε αυτό. Σύμφωνα με το προτεινόμενο μοντέλο, η δραστηριότητα αυτή μπορεί να περιγραφεί μέσω ενός τετραδιάστατου χώρου, του οποίου οι τέσσερις άξονες ορίζονται ως εξής: Ο άξονας του χρόνου (Time axis): Η συνεργατική δραστηριότητα λαμβάνει χώρα στη διάσταση του χρόνου και η φύση του προβλήματος υπαγορεύει την εξέταση της εξέλιξης των δεικτών της συνεργασίας στο χρόνο. Ο χρόνος στην περίπτωσή μας είναι διακριτός, όπως εξηγείται στην συνέχεια της ενότητας αυτής. Ο άξονας των συνεργατών (Actor axis): Είναι ο άξονας πάνω στον οποίο βρίσκεται το σύνολο των συνεργατών, πεπερασμένου πλήθους k. Ο άξονας των αντικειμένων της διαμοιρασμένης αναπαράστασης (Object axis): Είναι ο άξονας πάνω στον οποίο βρίσκεται το σύνολο των αντικειμένων, πεπερασμένου πλήθους l,. Τα αντικείμενα αυτά είτε προϋπάρχουν είτε δημιουργούνται από τους συνεργάτες στον κοινόχρηστο χώρο με τη χρήση των διαθέσιμων εργαλείων και συνθέτουν την λύση σε ένα δοθέν πρόβλημα διερευνητικού ή σχεδιαστικού χαρακτήρα. Εν γένει τα Φίλιππος Δ. Γιαννακάς 129

130 αντικείμενα που απαρτίζουν το σύνολο Ο, ανήκουν σε τρεις επί μέρους κατηγορίες: 1. Αντικείμενα που συνθέτουν την τελική λύση στο πρόβλημα, 2. Αντικείμενα που χρησιμοποιήθηκαν κατά την διαδικασία επίλυσης του προβλήματος αλλά δεν περιλαμβάνονται στην τελική λύση 3. Αφηρημένα αντικείμενα που αποτέλεσαν αντικείμενα συνεργασίας και διαπραγμάτευσης και που χρησιμοποιήθηκαν κατά τη διάρκεια της λύσης, αντιπροσωπεύοντας το πρόβλημα και άλλες σχετικές έννοιες που το αφορούν, όπως η στρατηγική επίλυσης του ή επί μέρους τμήματα της λύσης του. Ο άξονας των τυπολογιών των ενεργειών-συμβάντων (Typology axis): Είναι ο άξονας πάνω στον οποίο βρίσκεται το σύνολο των τύπων των συμβάντων, πεπερασμένου πλήθους r. Δηλαδή, κάθε στοιχείο του συνόλου αυτού υποδηλώνει το είδος της ενέργειας και όχι την ίδια την ενέργεια. Η κατηγοριοποίηση των ενεργειών χειρισμού ή διαλόγου γίνεται με βάση κάποιο θεωρητικό σύστημα και είναι ανεξάρτητη από το προτεινόμενο μοντέλο. Το OCAF προτείνει ένα τέτοιο σύνολο κατηγοριών, αλλά πως όπως θα δούμε μέσα από την περιγραφή των εργαλείων, το σύνολο αυτό μπορεί να επεκταθεί κατά περίπτωση, ανάλογα με τις ανάγκες της ανάλυσης. Με βάση τους παραπάνω άξονες κατά την παρατήρηση της συνεργατικής δραστηριότητας έστω ότι καταγράφονται m το πλήθος διακριτά συμβάντα, τα οποία περιγράφονται από το διαταγμένο σύνολο E = {E 1, E 2,..., E m }. Τα συμβάντα αυτά παράγονται διαδοχικά από τους συνεργάτες, αφορούν δε νοηματοδοτημένες ενέργειες χειρισμού των αντικειμένων ή συμβάντων διαλόγου Το προτεινόμενο μοντέλο περιγραφής της δραστηριότητας είναι κατάλληλο για αποτύπωση παρατηρούμενων δραστηριοτήτων στα πλαίσια εθνογραφικών μελετών. Για το σκοπό αυτό δεν περιλαμβάνει τελεστές ή Φίλιππος Δ. Γιαννακάς 130

131 δείκτες που αφορούν γνωστικές ή νοητικές παραμέτρους των υποκειμένων. Τυπική χρήση του μοντέλου είναι η αποτύπωση και καταγραφή παραμέτρων και συμβάντων κατά την ανάλυση ενός βίντεο ή ενός ιστορικού αρχείου συμβάντων που παράγεται κατά την διάρκεια συνεργατικών δραστηριοτήτων με χρήση υπολογιστή. Η σημασία του μοντέλου αυτού έγκειται στην δυνατότητα του να παράγει ένα σύνολο από δευτερογενείς δείκτες, οι οποίοι περιγράφουν ποσοτικά ή εικονικά τη δραστηριότητα. Μάλιστα αν το μοντέλο συνδυαστεί με ένα σχετικό εργαλείο το οποίο αυτοματοποιεί την καταγραφή και κατηγοριοποίηση των συμβάντων όπως αυτό που περιγράφεται στην επόμενη ενότητα η παραγωγή των δεικτών και των εικονικών αναπαραστάσεων γίνεται με εύκολο και γρήγορο τρόπο, συμβάλει δε στην αποτελεσματική και έγκαιρη αποτύπωση της δραστηριότητας ώστε να καταστεί δυνατή η διάγνωση του μαθησιακού αποτελέσματος σε συνθήκες πραγματικού χρόνου ή η συναγωγή συγκριτικών συμπερασμάτων σε συνθήκες εμπειρικών μελετών. [50] [51] [52] [87] Η μεθοδολογία ανάλυσης Θεωρώντας, λοιπόν, ότι τα μόνα δεδομένα που είναι διαθέσιμα προς ανάλυση είναι αυτά που αυτόματα έχει καταγράψει το σύστημα που διαμεσολαβεί τη συνεργασία και τα οποία έχουν μοντελοποιηθεί σύμφωνα με το προηγούμενο μοντέλο, θα περιγραφεί στη συνέχεια η μεθοδολογία ανάλυσης που προτείνεται. Η μεθοδολογία ανάλυσης που προτείνεται αποτελείται στην ουσία από τρία βασικά μέρη: 1. Τη μονάδα ανάλυσης (unit of analysis). 2. Έναν εκτεταμένο αριθμό δεικτών και αναπαραστάσεων. Το σύνολο των δεικτών αυτών απαρτίζουν το αυτοματοποιημένο μέρος της ανάλυσης και εκφράζουν μεταβλητές της συνεργασίας ενός υψηλότερου επιπέδου από αυτό των απλών χειρισμών (operations), δίνοντας στον αναλυτή τη δυνατότητα να αξιολογήσει γρήγορα την δραστηριότητα, προτού εμβαθύνει στην κυρίως ανάλυση, χρησιμοποιώντας ποιοτικούς χαρακτηρισμούς, όπως «χαλαρή συνεργασία», «υψηλός βαθμός αλληλεπίδρασης», γρήγορη εκτίμηση των «αδρανών» μελών, κ.α [3] [9] Φίλιππος Δ. Γιαννακάς 131

132 3. Τη δυνατότητα ανάλυσης περιεχομένου (content analysis). H κωδικοποίηση (coding) του διαλόγου γίνεται βάση ενός ευέλικτου σχήματος τοπολογιών. Ο αρχικός κατακερματισμός (segmentation) του διαλόγου έχει γίνει ήδη αυτόματα από το σύστημα καταγραφής των ενεργειών, εφόσον κάθε μήνυμα διαλόγου θεωρείται μία αυτόνομη ενέργεια. Επιπλέον κατακερματισμός είναι δυνατός, μέσω της υλοποίησης που θα περιγραφεί, με τη βοήθεια κατάλληλων εργαλείων ανάλυσης, σε περίπτωση που ο αναλυτής επιθυμεί να διεξάγει μια ανάλυση περιεχομένου (content analysis) με μονάδα ανάλυσης μικρότερη από το μήνυμα, όπως για παράδειγμα η απλή πρόταση (sentence) ή το νόημα (meaning). Στη συνέχεια θα περιγραφούν λεπτομερέστερα τα μέρη αυτά της μεθοδολογίας ενώ θα παρουσιαστεί επίσης και η υλοποίηση του μοντέλου και της μεθοδολογίας υπό την μορφή εργαλείων ανάλυσης, αναπαράστασης και οπτικοποίησης της συνεργασίας. [50] [51] [52] [86] Οι ποσοτικοί δείκτες καταγραφής της αλληλεπίδρασης (α) Δείκτες πυκνότητας δραστηριότητας (Indices of density of the activity) Αν ορισθεί ένα κατάλληλο κβάντο χρόνου διάρκειας tq, δείκτες της πυκνότητας της δραστηριότητας μπορεί να παραχθούν καθώς η δραστηριότητα εξελίσσεται. Αυτοί οι δείκτες αποδίδουν ποσοτικά την εξέλιξη του πλήθους των συμβάντων ορισμένου τύπου ανά κβάντο χρόνου, κατά τη διάρκεια της συνεργατικής δραστηριότητας. Δείκτες αυτής της μορφής είναι ιδιαίτερα εύκολο να υπολογιστούν και μπορούν επίσης να χρησιμοποιηθούν σε επίπεδο ενός συνόλου ομάδων, όπως έχει ήδη προταθεί. Παραδείγματα τέτοιων δεικτών για κάθε χρονική περίοδο της δραστηριότητας [ti, ti + tq] είναι: DA = το πλήθος συμβάντων Ei ανά συνεργάτη Αi, και DT = το πλήθος συμβάντων Ei ανά χρονική περίοδο tq. [3] (β) Δείκτες της συμμετρίας της δραστηριότητας (Indices of symmetry of the activity) Φίλιππος Δ. Γιαννακάς 132

133 Μια σημαντική παράμετρος η οποία συχνά απαιτείται να καταγραφεί είναι αυτή που αποδίδει το βαθμό ισορροπίας της δραστηριότητας της ομάδας. Μία τέτοια καταγραφή μέσα από έναν δείκτη (metric) μπορεί να αποτυπώσει τη σχετική συμμετοχή των μελών της ομάδας στη δραστηριότητα και συνεπώς έμμεσα τον βαθμό συνεργατικότητας της ομάδας. Στο σημείο αυτό παρουσιάζονται διάφοροι εμπειρικοί ή αναλυτικοί δείκτες ισορροπίας της αλληλεπίδραση. (β1) Ο δείκτης ισορροπίας (Balance) της ομαδικής δραστηριότητας. Ο Δείκτης Ισορροπίας (Balance Factor, ΒF) της δραστηριότητας ορίζεται έτσι ώστε να παίρνει τιμές από 0 έως 1, με την ανώτατη τιμή της (1) να αντιστοιχεί στις πλήρως ισορροπημένες ομάδες και την κατώτατη (0) στις πλήρως μη ισορροπημένες. Μία πλήρως μη ισορροπημένη ομάδα είναι αυτή στην οποία όλη η δραστηριότητα εκτελείται από έναν και μόνο συνεργάτη και σε αυτήν την περίπτωση το ΒF είναι 0. (β2) Ο δείκτης συμμετρίας (Symmetry) της δραστηριότητας Στη συνέχεια παρατίθεται ένας δεύτερος δείκτης ισορροπίας της δραστηριότητας, η οποία αφορά στην κατασκευή μιας διαγραμματικής αναπαράστασης μιας λύσης η οποία συντίθεται από ένα σύνολο συσχετιζόμενων αντικείμενων. Για το συγκεκριμένο δείκτη χρησιμοποιείται ο όρος συμμετρία, διότι ο δείκτης αυτός ανάγει τη συνολική αλληλεπίδραση σε κάθε ένα αντικείμενο ξεχωριστά, σε αντιδιαστολή με τον δείκτη ισορροπίας Β, ο οποίος χρησιμοποιεί τη δραστηριότητα συνολικά. Για το λόγο αυτό ο δείκτης συμμετρίας χαρακτηρίζεται και ως αντικειμενοστραφής. (c) Χωρική περιγραφή της δραστηριότητας (Spatial representation of the activity) Επιπροσθέτως, εναλλακτικές εικονικές αναπαραστάσεις της δραστηριότητας αφορούν στην αντιστοίχιση των υποσυνόλων συμβάντων σε γραφική ή διαγραμματική αναπαράσταση των συνιστωσών της δραστηριότητας, όπως τα συνεργαζόμενα υποκείμενα και τα συστατικά μέρη της παραγόμενης λύσης. Φίλιππος Δ. Γιαννακάς 133

134 Η διαδικασία ανάλυσης περιεχομένου Η φύση των εργαλείων Synergo και ModellingSpace είναι τέτοια, ώστε η άμεση επικοινωνία μέσω γραπτών μηνυμάτων να μην προϋποθέτει την κωδικοποίηση των μηνυμάτων από τους ίδιους τους συνεργαζόμενους, με αποτέλεσμα ο διάλογος να ακολουθεί μία ελεύθερη ροή χωρίς περιορισμούς, παρόλο που και τα δύο εργαλεία είναι εξοπλισμένα με αρχικές φράσεις (sentence openers), δηλαδή φράσεις όπως "Συμφωνώ με...", "Δε συμφωνώ με...", "Σκέφτομαι ότι...", που μπορούν να χρησιμοποιηθούν για να ξεκινήσει ένα μήνυμα συνομιλίας. Με αυτόν τον τρόπο ο χρήστης μπορεί να επιλέξει την αρχική φράση του μηνύματος και να ταξινομήσει έτσι έμμεσα τη λεκτική πράξη (speech act). Στη περιοχή της Συνεργατικής Μάθησης παρατηρείται μια διαφοροποίηση των ερευνών σχετικά με τους δομημένους μηχανισμούς διαλόγου, καθώς μερικοί ερευνητές θεωρούν ότι οι εν λόγω μηχανισμοί παρεμποδίζουν την αλληλεπίδραση και καλό είναι να αποφεύγονται, ενώ άλλοι θεωρούν ότι υποστηρίζουν την ανάπτυξη μετα-γνωστικών δεξιοτήτων και επιπλέον διευκολύνουν την ανάλυση της επικοινωνίας και της συνεργασίας. Η μελέτη της βιβλιογραφίας και η άποψη τυπικών χρηστών μας οδήγησε στην αποδοχή της πρώτης άποψης. Τελικά, η επιδίωξη της ελεύθερης έκφρασης των χρηστών μέσα από τα δύο εργαλεία είχε ως συνέπεια ο διάλογος να μην περιέχει κανενός είδους κωδικοποίηση και όλο το βάρος της ανάλυσης του περιεχομένου να μετατίθεται στον αναλυτή. [77] [78] Για την ανάλυση περιεχομένου από τον αναλυτή, υπάρχει διαθέσιμη μια αρχική τυπολογία κωδικοποιήσεων, η οποία μπορεί όμως να τροποποιηθεί ή να επεκταθεί από τον αναλυτή ανάλογα με τα ερωτήματα που προσεγγίζουν το δικό του ερευνητικό ενδιαφέρον. Τα αποτελέσματα της ανάλυσης του περιεχομένου μπορούν να τροφοδοτήσουν τους ποσοτικούς δείκτες που ορίστηκαν νωρίτερα, και με τον τρόπο αυτό να προκύψουν νέα ποσοτικά αποτελέσματα. [50] [51] [52] [87] Φίλιππος Δ. Γιαννακάς 134

135 Τα εργαλεία ανάλυσης Η προτεινόμενη μεθοδολογία ανάλυσης της συνεργασίας υποστηρίζεται από κατάλληλα εργαλεία. Τα συγκεκριμένα εργαλεία που θα περιγράψουμε, δέχονται ως είσοδο μόνο τα αρχεία καταγραφής ενεργειών που προέρχονται από τη υπηρεσία καταγραφής των συμβάντων (Logging Service) του ACABF. Για το λόγο αυτό θα περιγραφούν τόσο τα εργαλεία όσο και ο τρόπος με τον οποίο υποστηρίζουν τη μεθοδολογία, μέσα από το πρίσμα των περιπτώσεων συνεργατικών δραστηριοτήτων που έχουν διεξαχθεί με τις εφαρμογές Synergo ή ModellingSpace. Καταρχήν, θα αναδειχθούν οι δυνατότητες ανάλυσης των εργαλείων, λαμβάνοντας ως μονάδα ανάλυσης ολόκληρη την τάξη, δηλαδή το σύνολο των ομάδων που έχουν συνεργαστεί με σύγχρονο τρόπο. Στη συνέχεια θα δοθεί έμφαση στην ανάλυση, χρησιμοποιώντας ως βασική μονάδα την ίδια την ομάδα και παράλληλα θα δειχθούν οι δυνατότητες που παρέχονται για την ανάλυση σε επίπεδο μέλους της ομάδας Ανάλυση με μονάδα ανάλυσης ολόκληρη την τάξη Μέχρι τώρα, όταν αναφερόταν ο όρος «ομάδα», εθεωρείτο το μικρό εκείνο σύνολο ατόμων (2 έως 6 άτομα) τα οποία συνεργάζονται από κοινού μέσω του υπολογιστή. Στην παρούσα ενότητα, όταν αναφέρεται η «τάξη» ως μονάδα ανάλυσης, στην ουσία εννοείται μια υπέρ-ομάδα, δηλαδή μια ομάδα από ομάδες. Από δω και στο εξής θα χρησιμοποιείται ο όρος «τάξη» αντί της υπέρ-ομάδας, χάριν ευκολίας, αλλά και γιατί η ανάλυση με τη συγκεκριμένη μονάδα ανάλυσης πραγματοποιείται ήδη κατά κόρον στα εκπαιδευτικά περιβάλλοντα. Η αλληλεπίδραση μιας ολόκληρης τάξης μέσω του υπολογιστή κατά τη διάρκεια της συνεργατικής δραστηριότητας πιθανότατα αναδεικνύει διαφορετικές συμπεριφορές, όταν αυτή λάβει χώρα σε διαφορετικές χρονικές στιγμές και ειδικότερα όταν οι παράμετροι της δραστηριότητας διαφέρουν κάθε φορά. Συνεπώς, θα ήταν πολύ χρήσιμο για έναν αναλυτή να μπορεί να διαπιστώσει και να εντοπίσει τις διαφορετικές αυτές συμπεριφορές όταν τα δεδομένα του προέρχονται από τέτοιου είδους συνεργασίες. Τα δεδομένα Φίλιππος Δ. Γιαννακάς 135

136 αυτά μπορεί να αφορούν τη δραστηριότητα μίας και μόνο τάξης σε διαφορετικές χρονικές περιόδους, ή τις δραστηριότητες διαφορετικών ομάδων την ίδια χρονική περίοδο. Θα πρέπει να σημειωθεί ότι με τον όρο «συμπεριφορά» υποδηλώνεται ο τρόπος με τον οποίο ένα μέλος της ομάδας αλληλεπιδρά και επικοινωνεί με τα υπόλοιπα μέλη μέσω του υπολογιστή, είτε ο τρόπος αυτός είναι λεκτικός είτε διαδραστικός, μέσω ενός κοινόχρηστου χώρου εργασίας. Ένας τρόπος να αναγνωρίσει κανείς τις διαφορετικές αυτές συμπεριφορές είναι να παραθέσει τα δεδομένα και να παρατηρήσει τις διαφορές. Προκειμένου να υποβοηθηθεί η διεργασία αυτή, δεδομένου ότι η παρατήρηση δεδομένων καταγραφής ενεργειών και ιδιαιτέρως αυτών που προέρχονται από συνεργατική δραστηριότητα, είναι μια σύνθετη εργασία, ορίζονται ορισμένες μετρήσιμες παράμετροι, οι οποίες αποτελούν δείκτες ενεργειών και μπορούν να δώσουν πολύ πιο γρήγορα μια πρώτη άποψη για τις συμπεριφορές που αναδεικνύονται μέσα από τα δεδομένα. Στη περίπτωση του προτεινόμενου συνεργατικού περιβάλλοντος, όπως έχει ήδη σημειωθεί, η συμπεριφορά των ατόμων διαμεσολαβείτε από δύο και μόνο κανάλια, αυτό της λεκτικής (γραπτής) επικοινωνίας και αυτό της αλληλεπίδρασης με έναν διαμοιρασμένο χώρο εργασίας, οι μεταβλητές δείκτες που έχουν οριστεί είναι οι εξής : Όσον αφορά στην λεκτική επικοινωνία: 1. Ο συνολικός αριθμός των μηνυμάτων 2. Ο μέσος αριθμός λέξεων ανά μήνυμα. 3. Ο αριθμός των εναλλαγών των συνεργατών στο διάλογο. 4. Η συμμετρία του διαλόγου (ο βαθμός δηλαδή της ίσης συμμετοχής στο διάλογο μετρούμενος με τιμές από 0 έως 1). 5. Ο συνολικός αριθμός των ερωτήσεων, όπως αυτές προκύπτουν από τη χρήση του ερωτηματικού Φίλιππος Δ. Γιαννακάς 136

137 6. Ο συνολικός αριθμός παύσεων του διαλόγου, δηλαδή πόσες φορές υπήρξε ανάμεσα σε δύο διαδοχικά μηνύματα ένα χρονικό κενό συγκεκριμένης διάρκειας. Όσον αφορά στην αλληλεπίδραση στον κοινόχρηστο χώρο: 1. Η συνολική διάρκεια της δραστηριότητας 2. Το πλήθος των συνεργατών 3. Ο συνολικός αριθμός ενεργειών 4. Η αντικειμενοστραφής συμμετρία όλων των ενεργειών 5. Ο αριθμός των εναλλαγών των συνεργατών στις ενέργειες. 6. Η αντικειμενοστραφής συμμετρία των ενεργειών αλλαγής κειμένου στα αντικείμενα. 7. Ο αριθμός των αντικειμένων κατά την εκκίνηση της συνεργασίας. 8. Ο αριθμός των αντικειμένων στο τέλος της συνεργασίας. Η χρησιμότητα των μεταβλητών αυτών μπορεί να είναι ποικίλη. Η στατιστική τους ανάλυση επιτρέπει την εύρεση συσχετίσεων ή αποκλίσεων μεταξύ των δεδομένων, η σημασία των οποίων μπορεί να έχει φυσικό νόημα για κάποια από αυτά. Επιπλέον τα δεδομένα αυτά μπορούν να τροφοδοτήσουν αλγορίθμους μηχανικής μάθησης για ταξινόμηση τους (classification), ομαδοποίηση τους (clustering) και συσχέτιση τους (association). Επίσης με την κατάλληλη περαιτέρω μοντελοποίηση τους μπορούν να εκπαιδεύσουν νευρωνικά δίκτυα, μοντέλα Markov ή γενετικούς αλγορίθμους. Στην εικόνα 76 φαίνεται ένα στιγμιότυπο από την αποτύπωση μιας δραστηριότητας μιας τάξης, μέσω των μεταβλητών αυτών. Ο υπολογισμός μπορεί να γίνει είτε συνολικά για κάθε αρχείο δεδομένων, είτε κατακερματίζοντας τα δεδομένα ανά συνεδρία ή ανά συγκεκριμένο αριθμό συμβάντων. [87] Φίλιππος Δ. Γιαννακάς 137

138 Εικόνα 76 : Ο υπολογισμός των δεικτών - μεταβλητών για τη δραστηριότητα μίας τάξης [87] Ανάλυση με μονάδα ανάλυσης την ομάδα Ένα επίπεδο πιο κάτω, εστιάζοντας στην ομάδα ως μονάδα ανάλυσης, μπορεί να εξαχθεί πολύ περισσότερη λεπτομέρεια για κάθε μία ομάδα και να συγκριθεί αυτή με τις άλλες ομάδες τις ίδιας τάξης. Το επίπεδο αυτό ανάλυσης προσφέρει πολύ περισσότερες πληροφορίες καθώς χρησιμοποιεί πολλές διαφορετικές αναπαραστάσεις της συνεργατικής δραστηριότητας. Η ανάλυση κάτω από αυτό το πρίσμα περιλαμβάνει κατά σειρά τη δημιουργία του πλαισίου ανάλυσης της δραστηριότητας, τη παραγωγή πρωτογενών στατιστικών και αναπαραστάσεων αυτών, την αναπαραγωγή της συνεργατικής δραστηριότητας και την τελική φάση, αυτή της ποιοτικής Φίλιππος Δ. Γιαννακάς 138

139 ανάλυσης, η οποία πραγματοποιείται με τον χαρακτηρισμό του περιεχομένου του γραπτού διαλόγου Δημιουργία του πλαισίου ανάλυσης Το πρώτο μέλημα του ερευνητή πριν αρχίσει την επεξεργασία των δεδομένων είναι ο καθορισμός του πλαισίου ανάλυσης. Ως πλαίσιο ανάλυσης ορίζεται η τυπολογία του συνόλου των ενεργειών (typology scheme of functional roles) εκείνων που ενδιαφέρει τον ερευνητή να αναζητήσει μέσα στα δεδομένα. Στην ουσία, στο σημείο αυτό γίνεται μια επέκταση του μοντέλου OCAF, το οποίο ορίζει συγκεκριμένη τυπολογία ενεργειών. Ο αναλυτής μπορεί να ορίσει τις δικές του δράσεις διαλόγου (εικόνα 77). Με την νέα τυπολογία δράσεων διαλόγου θα είναι σε θέση στη συνέχεια να χαρακτηρίσει ανάλογα τα αντίστοιχα τμήματα διαλόγου. Όπως θα περιγραφεί και στη συνέχεια, ο χαρακτηρισμός του διαλόγου μπορεί να δημιουργήσει νέα στατιστικά αποτελέσματα και αντίστοιχες οπτικοποιήσεις, οι οποίες θα αφορούν αποκλειστικά στο διάλογο και μπορεί να αποδειχτούν ιδιαίτερα χρήσιμες στον ερευνητή. [1] [9] Εναλλακτικά, μπορούν να δημιουργηθούν τυπολογίες συμβάντων, οι οποίες δεν αφορούν στο διάλογο, αλλά τις δράσεις στον κοινόχρηστο χώρο. Συσχετίζοντας μια τυπολογία με ένα ή περισσότερα συμβάντα χαμηλού επιπέδου, η τυπολογία που θα δημιουργηθεί θα είναι αυτόματα ανιχνεύσιμη από το σύστημα και θα μπορούν να παραχθούν πρωτογενή στατιστικά στοιχεία για αυτή. Η κάθε τυπολογία συμβάντων, είτε διαλόγου είτε δράσης, συνοδεύεται και από ένα παραμετροποιήσιμο «βάρος», το οποίο χρησιμοποιείται για τον υπολογισμό των μεταβλητών εκείνων που σχετίζονται με τη συμμετρία της συνεργατικής δραστηριότητας. Το τελικό πλαίσιο ανάλυσης αποθηκεύεται αυτόματα με ένα όνομα που δίδεται από τον ερευνητή μαζί με όλα τα πλαίσια ανάλυσης που πιθανόν να έχουν δημιουργηθεί στο παρελθόν. Με τον τρόπο αυτό δίδεται η δυνατότητα να αναλυθεί η συνεργατική δραστηριότητα μίας συγκεκριμένης ομάδας κάτω από το πρίσμα διαφορετικών πλαισίων ανάλυσης, συνεπώς και διαφορετικών απαιτήσεων ανάλυσης και κατ επέκταση ερευνητών. Το αρχείο, στο οποίο Φίλιππος Δ. Γιαννακάς 139

140 αποθηκεύονται τα πλαίσια ανάλυσης, μπορεί να μεταφερθεί ανεξαρτήτως των εργαλείων ανάλυσης, δίδοντας τη δυνατότητα σε διαφορετικούς ερευνητές να συνεργάζονται κοινοποιώντας ο ένας στον άλλον τον τρόπο ανάλυσης του καθενός, ανεξάρτητα από τα δεδομένα ανάλυσης, που πιθανόν να προέρχονται από τελείως διαφορετικές συνεργατικές εφαρμογές, αλλά πιθανώς να μπορούν να αναλυθούν κάτω από το ίδιο πλαίσιο ανάλυσης. [50] [51] [52] [87] Εικόνα 77: Ορισμός του πλαισίου ανάλυσης μέσα από τον ορισμό των τυπολογιών των ενεργειών [87] Παραγωγή πρωτογενών στατιστικών και αναπαραστάσεων Λόγω της μορφής των δεδομένων και της μοντελοποίησης, είναι πολύ απλό για το σύστημα να δημιουργήσει πρωτογενείς στατιστικούς δείκτες και να τους παρουσιάσει κατάλληλα. Οι δείκτες αυτοί ονομάζονται πρωτογενείς για το λόγο ότι στον υπολογισμό τους δεν έχει αναμειχθεί καθόλου ο ερευνητής. Παρόλα αυτά όμως είναι σε θέση να δώσουν μια πρώτη γενική εικόνα για τη συνεργασία (εικόνα 78). Στη συνέχεια περιγράφονται με τη σειρά που εμφανίζονται τα ξεχωριστά τμήματα των δεικτών αυτών. [50] [51] [52] [87] Φίλιππος Δ. Γιαννακάς 140

141 Εικόνα 78 : Δημιουργία πρωτογενών στατιστικών δεικτών. 1. Οι συνεδρίες της ομάδας, 2. η πολυπλοκότητα της τελικής λύσης, 3. η συμμετοχή των μελών της ομάδας, 4. είδη συμβάντων ανά χρήστη, 5. είδη συμβάντων ανά χρονική περίοδο και 6. ο δείκτης συμμετρίας της δραστηριότητας [87] 1. Οι συνεδρίες της ομάδας. Κάθε πηγαίο αρχείο συνεργασίας περιέχει την ιστορία εξέλιξης ενός (ή περισσοτέρων) δραστηριοτήτων μοντελοποίησης και όχι μίας και μόνο συνεδρίας των συνεργατών. Έτσι, κάθε πηγαίο αρχείο συνεργασίας μπορεί να εμπεριέχει περισσότερες από μία συνεδρίες και η πληροφορία αυτή μπορεί να είναι πολύτιμη για τον ερευνητή καθώς δίνει ένα πρώτο μέτρο του συνολικού χρόνου της δραστηριότητας (εικόνα 78, πλαίσιο 1). Επίσης, όπως φαίνεται και στην εικόνα 78, υπάρχει η δυνατότητα οπτικοποίησης αυτής της πληροφορίας, πράγμα που δίνει στον ερευνητή τη δυνατότητα να εντοπίσει άμεσα (α) ποιος συνεργάτης πήρε την πρωτοβουλία της εκκίνησης κάθε συνεδρίας, (β) τις ημερομηνίες που έλαβαν χώρα οι περισσότερες συνεδρίες και (γ) ποιες είναι οι πιο δημοφιλείς ώρες της ημέρας Φίλιππος Δ. Γιαννακάς 141

142 για την διεξαγωγή μιας συνεδρίας (Το παράδειγμα στην εικόνα 78β αποτυπώνει τη δραστηριότητα μιας ομάδας με πολλές συνεδρίες μέσα σε διάστημα 13 ημερών και δεν αποτελεί την οπτικοποίηση του παραδείγματος που φαίνεται στο Εικόνα 45, στο οποίο η ομάδα δραστηριοποιήθηκε σε μόνο μία συνεδρία). [50] [51] [52] [87] Εικόνα 78β :Γραφική αναπαράσταση των συνεδριών της ομάδας [87] Η χρωματική κωδικοποίηση ανά μέλος της ομάδας χρησιμοποιείται για να αναδείξει την πρωτοβουλία εκκίνησης κάθε συνεδρίας. Οι ημερομηνίες κάθε συνεδρίας είναι επιλέξιμες για την καλύτερη εστίαση του ερευνητή σε συγκεκριμένη χρονική περίοδο. Η πολυπλοκότητα της τελικής λύσης. Στο σημείο αυτό αποτυπώνεται το είδος και το πλήθος των αντικειμένων που συνιστούν την τελική μορφή του διαγράμματος, ή οποιασδήποτε αναπαράστασης που χρησιμοποιεί το εκάστοτε συνεργατικό περιβάλλον (εικόνα 78, πλαίσιο 2). Με μια πρώτη ματιά ο ερευνητής είναι σε θέσει να εκτιμήσει την πολυπλοκότητα του τελικού αποτελέσματος και κατ επέκταση να αποτιμήσει την ποιότητά του. Στο παράδειγμα της εικόνας 78 φαίνεται ότι έχουν χρησιμοποιηθεί 6 αντικείμενα τύπου Connector, 1 τύπου Start-End, 6 συνδέσεις αντικειμένων και 6 αντικείμενα τύπου Sticky note. Η πολυπλοκότητα δηλαδή είναι =19. Φίλιππος Δ. Γιαννακάς 142

143 3. Η συμμετοχή των μελών της ομάδας. Η συμμετοχή των συνεργατών καταγράφεται ως προς τη συμμετοχή τους στον διαμοιρασμένο χώρο εργασίας και ως προς το διάλογο (εικόνα 78, πλαίσιο 3). Τα αποτελέσματα αποτυπώνονται με απόλυτο αλλά και με ποσοστιαίο τρόπο για τη συμμετοχή του κάθε μέλους της ομάδας και με τον τρόπο αυτό ο ερευνητής μπορεί να διαπιστώσει το βαθμό συμμετρίας στη συμμετοχή. Αυτή και μόνο η πληροφορία μπορεί να αποτελέσει την εξαρτημένη μεταβλητή σε κάποια έρευνα, όπου για παράδειγμα οι συνεργάτες παραμένουν οι ίδιοι ενώ μεταβάλλεται ανά μελέτη περίπτωσης το είδος (αντικείμενο) της συνεργασίας ή ο μηχανισμός συντονισμού. Η όλη πληροφορία συνοδεύεται από ένα «βάρος» για κάθε συνεργάτη, το οποίο, συν-υπολογίζεται στους δείκτες συμμετρίας της δραστηριότητας. 4. Τα είδη συμβάντων ανά χρήστη. Η πληροφορία που παρέχεται στην Εικόνα 45 (πλαίσιο 4) αποτυπώνει το είδος και το πλήθος των ενεργειών ανά συνεργάτη. Η πληροφορία αυτή μπορεί να οπτικοποιηθεί στη διάσταση του χρόνου, έτσι ώστε να είναι εύκολα αναγνωρίσιμες οι περίοδοι με υψηλή ή χαμηλή πυκνότητα δραστηριότητας και οι δρώντες στις περιόδους αυτές. Όπως φαίνεται και στην εικόνα 79, το μέλος της ομάδας με το ψευδώνυμο «user45» είναι πολύ πιο δραστήριο σε ενέργειες που αφορούν στη δημιουργία και επεξεργασία αντικείμενων, γεγονός που ήδη έχει εν μέρει αποτυπωθεί από τη συνολική συμμετοχή του στην εικόνα 78 (πλαίσιο 3), όπου κατείχε το 63% της δραστηριότητας στον κοινόχρηστο χώρο, έναντι του 24% και 11% των άλλων δύο μελών της ομάδας. [50] [51] [52] [87] Φίλιππος Δ. Γιαννακάς 143

144 Εικόνα 79 : Οπτικοποίηση των ενεργειών ανά συνεργάτη [87] Τα είδη συμβάντων ανά χρονική περίοδο. Επίσης είναι δυνατόν να χωριστεί η συνολική διάρκεια της δραστηριότητας σε ίσα χρονικά διαστήματα και να παρατηρηθεί οπτικά το πλήθος και το είδος των ενεργειών σε κάθε χρονική περίοδο συνολικά για όλα τα μέλη της ομάδας (εικόνα 78, πλαίσιο 5). Η οπτικοποίηση των μετρήσεων αυτών βοηθάει τον ερευνητή να παρατηρήσει ποιες ήταν οι χρονικές περίοδο κατά τις οποίες παρατηρήθηκε συγκεκριμένη δραστηριότητα. Στο παράδειγμα που αποτυπώνεται στην εικόνα 80 φαίνεται λόγου χάρη ότι ο διάλογος ήταν πολύ έντονος στο πρώτο μισό της δραστηριότητας, ενώ η επεξεργασία της των αντικειμένων του διαγράμματος κορυφώθηκε προς το τέλος. Αυτό ίσως μπορεί να δώσει ένα πρώτο συμπέρασμα στον ερευνητή ότι πιθανόν να υπήρξε μεγάλη διαπραγμάτευση και ίσως καθορισμός της στρατηγικής επίλυσης του προβλήματος στην αρχή, και περισσότερη δραστηριότητα στον κοινόχρηστο χώρο στο τέλος, κάτι που όπως θα περιγραφεί στη συνέχεια μπορεί να αποδειχθεί από την αναπαραγωγή της συνολικής δραστηριότητας. Φίλιππος Δ. Γιαννακάς 144

145 Εικόνα 80: Οπτικοποίηση των ενεργειών ανά χρονική περίοδο με μορφή ραβδογράμματος [87] 6. Δείκτης συμμετρίας της δραστηριότητας. Με την επιλογή 6 στην εικόνα 78 ο ερευνητής έχει τη δυνατότητα να δει μια πρώτη εικόνα της συμμετρίας της δραστηριότητας στη διάσταση του χρόνου (εικόνα 81). Ο υπολογισμός του δείκτη αυτού μπορεί να πραγματοποιηθεί χρησιμοποιώντας μεταβλητά χρονικά διαστήματα. Επίσης, στο ίδιο σχήμα αποτυπώνεται και η τελική τιμή του δείκτη συμμετρίας, πληροφορία που αποτελεί την εξαρτημένη μεταβλητή για κάποια μελέτη περίπτωσης. [50] [51] [52] [87] Φίλιππος Δ. Γιαννακάς 145

146 Εικόνα 81: Ο δείκτης συμμετρίας της δραστηριότητας στη διάσταση του χρόνου και η τελική τιμή του δείκτη [87] Αναπαραγωγή της δραστηριότητας Η ανάλυση της αλληλεπίδρασης κατά τη διάρκεια της συνεργατικής δραστηριότητας δεν θα μπορούσε να μην εμπεριέχει την ανάλυση της πορείας (process view). Η αναπαραγωγή όλης της διαδικασίας και μάλιστα η δυνατότητα περιήγησης σε οποιαδήποτε χρονική στιγμή αυτής παρέχει στον ερευνητή ένα πολύ ισχυρό εργαλείο για την εκτίμηση της ποιότητας της συνεργασίας (εικόνα 82). Φίλιππος Δ. Γιαννακάς 146

147 Εικόνα 82 : Η αναπαραγωγή της συνεργατικής δραστηριότητας και του διαλόγου. Διακρίνονται 1. ο κοινόχρηστος χώρος, 2. τα διαγραμμένα αντικείμενα, 3. ο διάλογος, 4. η πρόοδος της αναπαραγωγής και 5. τα εργαλεία εκκίνησης και παύσης της αναπαραγωγής και η ταχύτητα αναπαραγωγής [87] Στο κεντρικό πλαίσιο της αναπαραγωγής αποτυπώνεται η χωρική πυκνότητα της δραστηριότητας. Έχοντας προσδώσει έναν διαφορετικό χρωματικό συνδυασμό σε κάθε μέλος της ομάδας, ο ερευνητής είναι εύκολο να αντιληφθεί σε ποιο τμήμα του χώρου εστιάζονται οι ενέργειες καθενός συνεργάτη και ποια τμήματα του μοντέλου έχουν κατασκευαστεί από περισσότερους από έναν. Σε μια κλασική εκπαιδευτική δραστηριότητα, αυτό που θα έκανε ένας δάσκαλος προκειμένου να έχει εικόνα από την πορεία της συνεργασίας σε όλες τις συνεργαζόμενες ομάδες, θα ήταν να περιηγείται σε όλη την φυσική έκταση της αίθουσας, από οθόνη σε οθόνη και να παρατηρεί. Είναι σαφές ότι πέραν της δεδομένης και πεπερασμένης μνήμης του, μια τέτοια προσπάθεια δεν μπορεί να δώσει στο δάσκαλο την πλήρη εικόνα και μάλιστα όταν οι ομάδες είναι περισσότερες από δύο. Η αναπαραγωγή της Φίλιππος Δ. Γιαννακάς 147

148 πορείας της συνεργασίας με την βοήθεια των πηγαίων αρχείων καταγραφής και με τον τρόπο που έχουν μοντελοποιηθεί υπερβαίνει τη παραπάνω δυσκολία και παρέχει στον δάσκαλο (ερευνητή) τη δυνατότητα να παρατηρήσει την όλη διαδικασία για όσο χρόνο επιθυμεί και να κρατήσει σημειώσεις αποτελεσματικά. [50] [51] [52] [87] Ποιοτική ανάλυση - χαρακτηρισμός του διαλόγου Ένα σημαντικό στάδιο της ανάλυσης είναι ο χαρακτηρισμός του διαλόγου (dialogue annotation), καθώς δεν έχουν χρησιμοποιηθεί αυτόματες τεχνικές ανάλυσης περιεχομένου. Βάση του σχήματος της τυπολογίας που έχει ορίσει, ο ερευνητής είναι σε θέση να χαρακτηρίσει ένα-ένα τα μηνύματα του διαλόγου, και να αποδώσει με αυτόν τον τρόπο δράση στο διάλογο (Speech Acts Theory) (εικόνα 83). Εικόνα 83: Ο χαρακτηρισμός του διαλόγου. Διακρίνονται 1. ο κοινόχρηστος χώρος, 2. τα διαγραμμένα αντικείμενα, 3. ο διάλογος και 4. τα αντικείμενα συζήτησης του διαλόγου [87] Φίλιππος Δ. Γιαννακάς 148

149 Βάση της μοντελοποίησης που έχει γίνει για την συνεργατική δραστηριότητα, κάθε ενέργεια (ακόμα και ένα γραπτό μήνυμα) αποτυπώνεται σαν ένα σετ σημείων στον τετραδιάστατο άξονα χρόνου-συνεργατώναντικειμένων-τυπολογιών. Όπως είναι φυσικό, η αυτόματη μοντελοποίηση των ενεργειών που αποτελούν γραπτά μηνύματα έχει ως αποτέλεσμα να υπάρχει σε αυτά διπλή απροσδιοριστία στην τυπολογία της ενέργειαςμηνύματος, αφού το σύστημα δεν μπορεί να αντιστοιχίσει αυτόματα ένα σημασιολογικό νόημα σε κάθε γραπτό μήνυμα, καθώς επίσης και στον άξονα των αντικειμένων, αφού δεν πρόκειται για δράση στον κοινόχρηστο χώρο. Η απροσδιοριστία της τυπολογίας ικανοποιείται καταρχήν με τον χαρακτηρισμό του διαλόγου από τον ερευνητή. Προαιρετικά, η δεύτερη απροσδιοριστία ικανοποιείται αντιστοιχίζοντας το μήνυμα με ένα από τα αντικείμενα της συνεργασίας. Η αντιστοίχιση ενός μηνύματος μπορεί να γίνει σε τρεις κατηγορίες αντικειμένων. Κατά πρώτον, στα αντικείμενα του διαγράμματος της λύσης (εικόνα 83, περιοχή 1), κατά δεύτερον στα διαγραμμένα αντικείμενα (εικόνα 83, περιοχή 2) και κατά τρίτον στα αφηρημένα αντικείμενα (εικόνα 83, περιοχή 4). Τα αφηρημένα αντικείμενα ορίζονται από τον ερευνητή με κριτήριο οτιδήποτε έχει συζητηθεί στο διάλογο, αλλά δεν έχει αποτυπωθεί στην τελική λύση σαν αντικείμενο. Παραδείγματα τέτοιων αντικειμένων μπορεί να είναι η στρατηγική επίλυσης του προβλήματος ή η κοινωνική συζήτηση. Η ανάλυση του περιεχομένου του διαλόγου έχει επιπρόσθετα οφέλη λόγω της αντικειμενοστραφούς μοντελοποίησης της συνεργασίας. Ας υποθέσουμε το εξής παράδειγμα. Σε έναν εννοιολογικό χάρτη με θέμα τα μέρη ενός προσωπικού υπολογιστή, ένα μήνυμα του Νίκου με περιεχόμενο «Γιώργο, βάλε σε παρακαλώ κάπου και την οθόνη» θα μπορούσε να αντιστοιχηθεί με το αντικείμενο εκείνο στον κοινόχρηστο χώρο που υποδηλώνει την οθόνη. Επίσης θα μπορούσε να χαρακτηριστεί ως «Υπόδειξη» και να χρεωθεί φυσικά στο Νίκο. Αν υποτεθεί ότι τελικά ο Γιώργος τοποθέτησε ένα νέο αντικείμενο με το όνομα «οθόνη» στον κοινόχρηστο χώρο, τότε αυτό που βλέπει ο ερευνητής πριν από τον χαρακτηρισμό του διαλόγου φαίνεται στην εικόνα 84α. Στην ουσία βλέπει την ενέργεια δημιουργίας (create) του αντικειμένου και την ενέργεια αλλαγής (modify) του Φίλιππος Δ. Γιαννακάς 149

150 κειμένου σε «οθόνη». Μετά όμως από τον χαρακτηρισμό του διαλόγου και της σύνδεσης της μηνύματος-«υπόδειξης» (propose) με το αντικείμενο της «οθόνης», αυτό που βλέπει ο ερευνητής είναι στην εικόνα 84β. (α) (β) Εικόνα 84: Αντικείμενο α) πριν και β) μετά από το χαρακτηρισμό του διαλόγου Αυτή η αλλαγή στην οπτικοποίηση έχει δύο θετικές συνέπειες: 1. Η χωρική πυκνότητα της δραστηριότητας η οποία αποτυπώνεται στην αναπαραγωγή της διαδικασίας, έχει αλλάξει. Αυτό σημαίνει ότι εκεί που μερικά κομμάτια του μοντέλου φαίνονταν εξ αρχής ότι έχουν κατασκευαστεί από ενδεχομένως ένα άτομο, προκύπτει εν τέλει ότι και άλλα μέλη έχουν ενδεχομένως συνεισφέρει στην κατασκευή τους, όχι με απευθείας χειρισμό των αντικειμένων, αλλά μέσα από το διάλογο. 2. Ο δείκτης συμμετρίας της συνεργασίας που φαίνεται στο στην εικόνα 81 έχει επίσης τροποποιηθεί, για το λόγο ότι υπολογίζεται με αντικειμενοστραφή τρόπο. Στο παράδειγμα, στην εικόνα 83, ο συντελεστής ιστορίας HF του αντικειμένου είναι 0% στη μορφή (α) και 67% στη μορφή (β), συνεπώς μπορεί να επηρεάσει συνολικά την τελική τιμή του δείκτη συμμετρίας της συνεργασίας. [50] [51] [52] [87] Φίλιππος Δ. Γιαννακάς 150

151 3.4. Σύστημα VisNet VisMod Τα Bayesian δίκτυα (Bayesian Belief Networks BBNs) έχουν γίνει αποδεκτά και χρησιμοποιούνται ευρέως για να μοντελοποιήσουν αβέβαια αποτελέσματα και αιτιολογικές συσχετίσεις. Για τον λόγο αυτό έχει αναπτυχθεί ένα εργαλείο οπτικοποίησης που ονομάζεται VisNet, το οποίο επιτρέπει στους μαθητές αλλά και στους καθηγητές να εποπτεύουν τα BBNs. Χρησιμοποιώντας το VisNet είναι πιθανόν να πειραματιστούμε με έννοιες όπως πιθανότητα περιθωρίου, μεταβολές της πιθανότητας, καθυστέρηση πιθανότητας και συσχετίσεις που προκαλούν κάποια επιρροή στα BBNs χρησιμοποιώντας τεχνικές οπτικοποίησης. Το VisMod (Visualization of Bayesian Student Models), είναι μια επέκταση του VisNet, το οποίο παρουσιάζει την εσωτερική αναπαράσταση της γνώσης των μαθητών στους καθηγητές αλλά και/ή τα ενδιαφέροντα των μαθητών στο να μάθουν περισσότερα από αυτά που εμφανίζονται στο σύστημα. Και το VisNet αλλά και το VisMod στοχεύουν στο να υποστηρίξουν την επεξεργασία των αντιδράσεων στα περιβάλλοντα μάθησης με την χρήση των Bayesian μοντέλων. Τo VisNet επιτρέπει στους καθηγητές αλλά και στους μαθητές να διαλέξουν την οπτικοποίησης των BBNs μέσα από μια σειρά τεχνικών όπως προσωρινή σειρά, χρώμα, μέγεθος, εγγύτητα (κοντινότερη προσέγγιση), σύνδεση αδυναμίας και κίνηση (animation) (εικόνα 85). Με την χρήση του VisNet είναι δυνατόν η εποπτεία απλών ή σύνθετων BBNs. Για παράδειγμα, ενδιαφέρουσες παρατηρήσεις μπορούν να γίνουν με την χρήση της κίνησης ενός δικτύου. Χρησιμοποιώντας οποιαδήποτε από τις διαθέσιμες τεχνικές οπτικοποίησης, κάποια μπορεί να χρησιμοποιηθεί να για να παρουσιάσει πως η πιθανότητας καθυστέρησης παρουσιάζεται σε ένα απλό δίκτυο και σε ποιες συγκεκριμένες καταστάσεις μπορεί να επηρεάζει έναν κόμβο. Η αντίδραση των μαθητών στις αλλαγές του μεγέθους, χρώματος και τοποθεσίας των κόμβων ενός συγκεκριμένου δικτύου μπορεί να συντονιστεί ώστε να έχει πλήρη επιρροή στην κατανόηση των βασικών εννοιών των BBNs. Με αρκετό ενδιαφέρων, αναρωτηθήκαμε τι τύπου αντιδράσεων αυτά τα Φίλιππος Δ. Γιαννακάς 151

152 εργαλεία μπορούν να παράγουν στους μαθητές, εάν το Bayesian μοντέλο χρησιμοποιηθεί για αναπαράσταση του γνωστικού στυλ του μαθητή από το σύστημα. Για να δώσουμε μια απάντηση σε αυτή την ερώτηση τα Bayesian μαθησιακά μοντέλα έγινα διαθέσιμα στους μαθητές και στους καθηγητές μέσα από την χρήση του VisMod (Visualization of Bayesian Student Models). Τo VisMod επιτρέπει στους καθηγητές και στους μαθητές να εμπλακούν σε μια διαπραγματευόμενη αποτίμηση της γνώσης των μαθητών, όπου το Bayesian μοντέλο μάθησης εκτελεί χρέη βασικού βοηθού στις συζητήσεις. Έτσι, η μοντελοποίηση του μαθητή παρουσιάζεται ως αποτέλεσμα της διαδικασίας από την επικοινωνία και λαμβάνει υπόψη την γνώμη του συστήματος, του καθηγητή αλλά και του μαθητή σχετικά με τις διαφορετικές όψεις της διαδικασίας μάθησης. [34] [84] [85] VisNet Μια αρχική έρευνα ξεκίνησε στο Πανεπιστήμιο Saskatchewan. Μετά την μικρή επεξήγηση των συσχετίσεων που προκαλούν κάποια επίπτωση - επιρροή και των κατευθυνόμενων ακυκλικών γράφων (DAG), ερωτήθηκαν δέκα προπτυχιακοί μαθητές να εκτελέσουν μια σειρά από ενέργειες για να καθοριστεί η δύναμη της κάθε τεχνικής οπτικοποίησης. Κάποια αποτελέσματα της μελέτης παρουσιάζονται παρακάτω. Η προσωρινή σειρά επιλέχθηκε ως ο κατάλληλος τρόπος για την εμφάνιση των συσχετίσεων επίπτωσης επιρροών. Οι συμμετέχοντες προτίμησαν το μέγεθος έναντι του χρώματος για να αναπαραστήσουν την πιθανότητα εύρους - περιθωρίου. Συνδυασμοί των τεχνικών εμφανίζονται να είναι καλύτεροι από την χρήση ατομικών. Οι συμμετέχοντες επέλεξαν το μέγεθος αλλά και το χρώμα ως ένα καλό συνδυασμό για να αναπαραστήσουν την πιθανότητα περιθωρίου (το μέγεθος) και την ισχύ της εξάρτησης (το χρώμα). Για μεγάλα δίκτυα, τα οποία είναι πολύ ευαίσθητα σε αλλαγές του μεγέθους και της θέσης των κόμβων, το χρώμα επιλέχθηκε ως η Φίλιππος Δ. Γιαννακάς 152

153 καλύτερη εναλλακτική λύση για την αναπαράσταση της πιθανότητας περιθωρίου Η εγγύτητα των κόμβων αποδείχτηκε ως ενδιαφέρουσα και αρκετά δυναμική αναπαράσταση για την εμφάνιση της πιθανότητας καθυστέρησης και των αλλαγών των πιθανοτήτων Τελικά, η κίνηση ήταν χρήσιμη για την αναπαράσταση της καθυστέρησης της πιθανότητα και ιδικά κίνηση από κόμβο σε κόμβο ο οποίος προτιμήθηκε επειδή εμφανίζει μαζί την πιθανή σειρά της ενημέρωσης της Bayesian εκτίμησης και την πιθανότητα καθυστέρησης. Εικόνα 85: Μια εκτύπωση οθόνης του VisNet που εμφανίζει ένα δημοφιλές Bayesian δίκτυο εκτίμησης. Σε αυτή την εικόνα το μέγεθος και το χρώμα χρησιμοποιήθηκαν για την οπτικοποίηση του δικτύου μετά την παρακολούθησή του [85] Φίλιππος Δ. Γιαννακάς 153

154 ViSMod (Visualizing and Inspecting Bayesian Student Models) Το ViSMod αποτελεί την επέκταση του VisNet και παρέχει μια ευέλικτη αρχιτεκτονική στην οποία οι μαθητές αλλά και οι καθηγητές μπορούν να δημιουργήσουν τις δικές τους όψεις για κάποιο μοντέλο μάθησης επιλέγοντας κόμβους που θέλουν να εποπτεύσουν σε ένα Bayesian δίκτυο που αναπαριστά το μαθησιακό μοντέλο. Το σύστημα αυτό χρησιμοποιεί την βασική δομή του δικτύου εκτίμησης για μαθησιακά μοντέλα που έχει προταθεί από τον Reye που καλύπτει περιεχόμενα και κοινωνικά χαρακτηριστικά σε δομή τριών επιπέδων (Reye, ). Το πρώτο επίπεδο (εννοιολογικό επίπεδο) καλύπτει μια προαπαιτούμενη δομή εννοιών. Αυτό το επίπεδο αντιστοιχεί στην πληροφορία σχετικά με την γνώση του μαθητή για κάθε έννοια ενός δίκτυο ή ιεραρχία εννοιών ενός πεδίου. Το δεύτερο επίπεδο αποτελείται από ένα σετ δέσμης θεμάτων που είναι άμεσα συσχετιζόμενα με κάθε κόμβο από το πρώτο επίπεδο. Αυτοί οι κόμβοι είναι κομμάτια από στοιχεία που επηρεάζουν τα επίπεδα της γνώσης των εννοιών του πρώτου επιπέδου. Το τρίτο επίπεδο κρατεί τους γενικούς κόμβους που αναπαριστούν τα γενικά χαρακτηριστικά του μαθητή τα οποία επηρεάζουν την διαδικασία μάθησης. Η εικόνα 54 δίνει μια γενική ιδέα του πως αυτά τα τρία επίπεδα μπορούν να αναπαρασταθούν χρησιμοποιώντας το Bayesian μοντέλο μάθησης στην περιοχή της κυτταρικής βιολογίας. Παρόλο που η εικόνα 86 δείχνει μόνο μια δέσμη από κόμβους (κόμβους κατάταξης) συσχετισμένους με τους κόμβους TheCell(το κύτταρο), κάθε τέτοιος κόμβος της ιεραρχίας του θέματος (πρώτο επίπεδο) έχει μια όμοια δέσμη κόμβων κατάταξης με την οποία είναι συνδεδεμένη. Το τρίτο επίπεδο (κοινωνικές θέσεις μάθησης) περιλαμβάνει γενικές μεταβλητές οι οποίες είναι σχετικές με κάθε κόμβο στην ιεραρχία του θέματος. Παρόλο που η εικόνα 86 δείχνει ότι ο κόμβος General_Aspect (γενική άποψη) είναι συνδεδεμένο με τον κόμβο Student_Assessment (κατάταξη μαθητή) από το δεύτερο επίπεδο, αυτός πραγματικά είναι συνδεδεμένο απευθείας με κάθε κόμβο από το πρώτο επίπεδο (εικόνα 90). Οι εικόνες 87 και 88 παρουσιάζουν δυο διαφορετικές πιθανές αναπαραστάσεις μοντέλων βάση των διαφορετικών τύπων ενδιαφέροντος των Φίλιππος Δ. Γιαννακάς 154

155 χρηστών. Μια πολλαπλή πλατφόρμα αναπαράστασης είναι ενδιαφέρουσα για τον καθορισμό των στοιχείων εκείνων του μοντέλου που έχουν ενδιαφέρων για τους μαθητές και τους καθηγητές και ποια στοιχεία θα είναι διαθέσιμα στους μαθητές για περαιτέρω οπτικοποίηση ή εποπτεία. Χρησιμοποιώντας τις δικές τους όψεις, μαθητές και καθηγητές μπορούν να επιλέξουν και να οπτικοποιήσουν ομάδες κόμβων που είναι σημαντικές για αυτούς σε συγκεκριμένες καταστάσεις. Για παράδειγμα, οι καθηγητές μπορούν να ενδιαφέρονται να γνωρίζουν πόσο χρήσιμος μπορεί να είναι ένας μαθητής ή πόσο σίγουρη συμπεριφορά αντιστοιχεί στην γνώση ενός μαθητή πάνω σε ένα συγκεκριμένο θέμα. Από την άλλη πλευρά, οι μαθητές μπορεί να οπτικοποιούν το πως τα ενδιαφέροντά τους και οι στόχοι τους λαμβάνονται υπόψη στο να προσπελάσουν την γνώση τους σε ένα συγκεκριμένο θέμα. [46] Εικόνα 86: ViSMod. Ένα παράδειγμα τριών επιπέδων δομής κορμού. Το πρώτο επίπεδο δείχνει την ιεραρχία των εννοιών σε θέματα της κυτταρικής βιολογίας. Το δεύτερο και τρίτο επίπεδο έχει μια κοινή δομή κατά μήκος των διαφορετικών πεδίων [85] Φίλιππος Δ. Γιαννακάς 155

156 Εικόνα 87: Δείγμα όψης μαθητή [85] Εικόνα 88: Δείγμα όψης καθηγητή [85] Η γραφικά αναπαράσταση ενός μαθησιακού στυλ μπορεί να βοηθήσει τους καθηγητές να προσδιορίσουν μαθησιακές ανεπάρκειες πάνω σε ένα συγκεκριμένο θέμα για έναν μαθητή ή μια ομάδα μαθητών. Οι καθηγητές μπορεί αν βρουν αυτή την πληροφορία αρκετά χρήσιμη όταν σχεδιάζουν τις στρατηγικές διδασκαλίες τους ή τις διαφοροποιήσεις στα σχέδια μαθήματος. Η εικόνα 89 είναι μια εκτύπωση οθόνης του ViSMod στο δίκτυο της κυτταρικής βιολογίας για ένα δημοτικό σχολείο της Κολούμπιας. Τόσο οι εκτιμήσεις των μαθητών όσο και οι εκτιμήσεις του συστήματος έχουν συσχετιστεί σε κάθε θεώρηση του δικτύου. Επιπροσθέτως, είναι πιθανό να οπτικοποιήσουμε τις επιρροές των κοινωνικών πτυχών εκμάθησης για κάθε κόμβο. [34] Φίλιππος Δ. Γιαννακάς 156

157 Εικόνα 89: Μια εκτύπωση οθόνης του ViSMod που παρουσιάζει ένα κομμάτι ενός μαθησιακού Bayesian μοντέλου στην κυτταρική βιολογία. Παρουσιάζει πως η γνώμη των μαθητών, συστήματος και των καθηγητών λαμβάνονται υπόψη για την πρόσβαση και την συνολική εκτίμηση της εκμάθησης του μαθητή, για μια συγκεκριμένη έννοια [85] Εικόνα 90: Σε αυτή την εκτύπωση του ViSMod, είναι δυνατόν να οτπικοποιηθεί η επιρροή του "GeneralAspects" (γενικές θεωρήσεις κοινωνική διάσταση της μάθησης) σε κάθε και για κάθε κόμβο του μοντέλου. Για να εμφανίσουμε το μοντέλο, είναι απαραίτητο να τσεκάρουμε την επιλογή γενική θεώρηση (general aspects checkbox) στα δεξιό μέρος του πίνακα ελέγχου και περιστρέφουμε την οπτική αναπαράσταση του μοντέλου όπως επιθυμούμε [85] Φίλιππος Δ. Γιαννακάς 157

158 Κάποια γενικά χαρακτηριστικά του ViSMod είναι : Το ViSMod παρέχει μια γραφική αναπαράσταση του μοντέλου μάθησης το οποίο διευκολύνει του μαθητές να κατανοήσουν τα μαθησιακά Bayesian μοντέλα Το ViSMod υποστηρίζει πολλαπλές όψεις του μαθησιακού μοντέλου οι οποίες κάνουν δυνατή την εποπτεία, την τροποποιήσει και την δημιουργία ενδιαφερουσών αναπαραστάσεων της διαδικασίας εκμάθησης Με το να επιτρέπεται η εποπτεία του μαθησιακού μοντέλου χρησιμοποιώντας τα χαρακτηριστικά της κίνησης του VisNet και της δημιουργίας σεναρίων του τύπου «Τι θα συμβεί εάν?», το ViSMod στοχεύει στο να υποστηρίξει την αντίδραση των μαθητών, την ενημέρωση και την βελτίωση του μοντέλου μάθησης Τελικά, το ViSMod επιτρέπει την οπτικοποίηση του Bayesian μοντέλου μάθησης σε διαφορετικά επίπεδα γραμμικότητας και χρησιμοποιώντας πολλές πηγές στοιχείων Υποστηρίζοντας «συνεννοήσιμες» κατατάξεις και αντιδράσεις Ιδικές αλληλεπιδράσεις έχουν σχεδιαστεί για να επιτρέπουν στους μαθητές και στους καθηγητές να αλληλεπιδρούν με το Bayesian μαθησιακό μοντέλο. Οι μαθητές που αλληλεπιδρούν με το μοντέλο μπορούν να καταλάβουν και ίσως να χρησιμοποιήσουν την πληροφορία ώστε να εστιάσουν την προσοχή τους στην διαδικασία εκμάθησης. Οι μαθητές μπορούν να συμφωνήσουν ή να διαφωνήσουν με την πληροφορία που παρουσιάζεται από το μοντέλο. Το ViSMod στοχεύει στο να υποστηρίξει την διαδικασία διαλόγου μεταξύ μαθητή και καθηγητή βασιζόμενο πάνω στο μοντέλο το οποίο περιλαμβάνει πληροφορία για το τι ένας μαθητής πιστεύει για το επίπεδο της γνώσης του, την γνώμη του καθηγητή για τον μαθητή και την γνώμη του συστήματος για τον μαθητή. Επιπροσθέτως, κοινωνικές πτυχές μάθησης έχουν συμπεριληφθεί στο μοντέλο με σκοπό να Φίλιππος Δ. Γιαννακάς 158

159 διαφοροποιήσουν το μοντέλο όσο αφορά το μαθησιακό περιεχόμενο το οποίο μπορεί να επηρεάσει την διαδικασία μάθησης έμμεσα ή άμεσα. Οι εικόνες 91 και 92 παρουσιάζουν την οθόνη αλληλεπίδρασης που χρησιμοποιεί ο μαθητή ώστε να εποπτεύσει/τροποποιήσει την γνώμη του για το επίπεδο της γνώσης του πάνω σε ένα θέμα. Σε αυτή την περίπτωση, ο κόμβος που εποπτεύεται είναι ο «My Opinion Nucleous». Ο μαθητής πιστεύει ότι γνωρίζει το θέμα πολύ καλά. Ο μαθητής θα πρέπει να εξηγήσει γιατί το πιστεύει αυτό με το να γράψει τους λόγους σε ένα κουτί ελεύθερου κειμένου και τσεκάροντας όποια από τις επιλογές παρουσιάζονται στο κάτω μέρος του παραθύρου. Το πάνω μέρος του παραθύρου εμφανίζει την εκτιμώμενη τιμή του δείκτη κοινωνικής μάθησης και την άποψη του συστήματος/καθηγητή για την γνώση του μαθητή στο θέμα «πυρήνα». Η εικόνα 94 αποτυπώνει την εκτίμηση του συστήματος/καθηγητή σχετικά με την γνώση του μαθητή πάνω σε μια συγκεκριμένη έννοια και η εικόνα 93 εμφανίζει την κοινωνική άποψη του μαθητή. Οι καθηγητές μπορούν να μεταβάλουν τροποποιήσουν τις τιμές (εικόνα 93, 94), ενώ οι μαθητές μπορούν μόνο να δουν την γνώμη του καθηγητή/μαθητή (εικόνα 92). Η πρόσβαση του μαθητή στην κοινωνική άποψη της μάθησης (εικόνα 92) επαφίεται στην διακριτικότητα του καθηγητή. Εικόνα 91 : Οθόνη του ViSMod μέσω τις οποίας ο μαθητής αλληλεπιδρά με το μοντέλο μάθησης [85] Φίλιππος Δ. Γιαννακάς 159

160 Εικόνα 92 : Διαφορετικές εμφανίζεις της γνώσης του μαθητή πάνω στην έννοια «Nucleolus» [85] Εικόνα 93 : Η παρουσίαση του Εικόνα 94 : Η γενική άποψη του μαθητή συστήματος/καθηγητή για την (κοινωνική θεώρηση της μάθησης) [85] γνώση του μαθητή πάνω στο θέμα Κύτταρο [85] Φίλιππος Δ. Γιαννακάς 160

161 Η εικόνα 95 εμφανίζει το περιβάλλον που χρησιμοποιείται για να αλλάξει τις συνθήκες πιθανοτήτων σε ένα Bayesian μαθησιακό μοντέλο. Αυτό επιτυγχάνεται με την επιλογή του συνδέσμου και επιλέγοντας το επίπεδο της επιρροής ενός κόμβου σε έναν άλλον. Ο τύπος της επιρροής μπορεί να είναι θετικός ή αρνητικός με τρεις διαφορετικές διαβαθμίσεις (strong, medium, low). Κάθε φορά ένας σύνδεσμος εμφανίζεται με μπλε ή κόκκινο βέλος. Τα κόκκινα βέλη (βέλη στα αριστερά) αναπαριστούν μια θετική επιρροή και τα μπλε βέλη (βέλη στην δεξιά πλευρά) την αρνητική επιρροή. Τρία διαφορετικά βέλη αναπαριστούν τον βαθμό της επιρροής. Στην εικόνα 95, η έννοια «Nucleolus» και «Nucleus» συσχετίζονται από θετική δυνατή επιρροή. Αυτό σημαίνει ότι γνωρίζοντας την έννοια «Nucleous» υπάρχει δυνατή θετική επίδραση στο να γνωρίζει την έννοια «Nucleus». Η αρνητική επιρροή μπορεί να χρησιμοποιηθεί σε μια συγκεκριμένη κατάσταση (παρανόηση), αυτό μπορεί να επηρεάσει με αρνητικό τρόπο την εκτίμηση ότι αυτός ο μαθητής γνωρίζει την άμεσα συσχετιζόμενη έννοια με αυτού του είδους την παρανόηση. Χρησιμοποιώντας το γραφικό περιβάλλον που παρουσιάζεται στην εικόνα 95 είναι δυνατόν να καθορίσουμε τον βαθμό της επιρροής θεωρώντας ότι τα στοιχεία από μια γονική κατάσταση έχουν παρατηρηθεί (π.χ στοιχείο ότι ο μαθητής γνωρίζει την έννοια «Nucleous». Ωστόσο, πειραματιζόμαστε με το γραφικό περιβάλλον που επιτρέπει στους καθηγητές να επιλέγουν και να καθορίζουν τους βαθμούς των διαφορετικών γονικών καταστάσεων. Εικόνα 95: Σχέση επιρροής μεταξύ των κόμβων [85] Φίλιππος Δ. Γιαννακάς 161

162 Για να δημιουργήσουμε υπό συνθήκη πιθανότητες εκτός από ποσοτικές περιγραφές της δύναμης της σχέσης, η προσέγγισή μας προσθέτει βάρη βάση του αριθμού των γονέων και τον τύπο της έντασης της σχέσης. Ως ένα πολύ απλοϊκό παράδειγμα, ας υποθέσουμε ότι τα «Nucleolus», «Chromosomes» και «Nucleus» είναι οι τρείς δυαδικές μεταβλητές (κατάσταση 1 = γνωρίζει (knows) και κατάσταση 2 = δεν γνωρίζει (doesnotknow) ) όπου το «Nucleus» επηρεάζεται από το «Nucleolus» και από το «Chromosome» ( «Nucleolus» «Nucleus», «Chromosome» «Nucleus»). Θετικές και αρνητικές σχέσεις με διαφορετικούς βαθμούς έντασης-δύναμης μπορεί να οριστούν μεταξύ «Nucleolus» και «Nucleus» καθώς και μεταξύ «Chromosome» και «Nucleus». Ανάλογα με το είδος του στοιχείου που προέρχεται από τον γονέα (π.χ στοιχείο συγκεκριμένης γονικής κατάστασης) και πως επηρεάζει το παιδί, καθορίζονται οι θετικές και αρνητικές σχέσεις. Στην περίπτωση μας, για παράδειγμα μια θετική σχέση μεταξύ «Nucleolus» και «Nucleus» σημαίνει ότι στην παρουσία στοιχείου μαθητή ότι γνωρίζει την έννοια «Nucleolus», η πιθανότητα ο μαθητής να γνωρίζει την έννοια «Nucleus» αυξάνεται. Ομοίως, στοιχεία ότι ο μαθητής δεν γνωρίζει την έννοια «Nucleolus», αυξάνει την πιθανότητα του μαθητή να μην γνωρίζει την έννοια «Nucleus». Από την άλλη, μια αρνητική σχέση μεταξύ «Nucleolus» και «Nucleus» σημαίνει ότι υπάρχει μια αντιστροφή μεταξύ των μεταβλητών. [34] Φίλιππος Δ. Γιαννακάς 162

163 3.5. Σύστημα ColAT (Collaboration Analysis Toolkit) Το ColAT είναι ένα σύστημα σχεδιασμένο ειδικά για ερευνητές - αναλυτές, που έχουν ως αντικείμενο την ποιοτική έρευνα σε πολλαπλής μορφής δεδομένα παρατήρησης και έχει ως στόχο να τους βοηθήσει προς αυτόν το σκοπό. Στο ερευνητικό αυτό πλαίσιο εντάσσεται στη καταρχήν φάση της οργάνωσης δόμησης των δεδομένων, στη συνέχεια και κατά κύριο λόγο στη φάση της ποιοτικής τους ανάλυσης και, τέλος, στη φάση της παρουσίασης των αποτελεσμάτων. [43] [44] Κάνοντας εκτεταμένη χρήση πολυμέσων επιτρέπει στους ερευνητές να δουλέψουν με αρχεία κειμένου, γραφικών, ήχου, βίντεο καθώς και αρχεία καταγραφής συμβάντων (logfiles) που έχουν προκύψει από κατάλληλα πειράματα παρατήρησης συνεργατικής δραστηριότητας (εικόνα 94). Αυτά έχουν ως αποτέλεσμα το ColAT να αποτελεί ένα εργαλείο ποιοτικής ανάλυσης στο χώρο των επιστημών της εκπαίδευσης. Παράλληλα, το ColAT αποτελεί ένα περιβάλλον ανάλυσης συμπεριφοράς, εκμεταλλευόμενο την ανάγκη που υπάρχει για ευκολότερη κατανόηση των επιμέρους στόχων και διεργασιών που θέτει ένας χρήστης ή μία ομάδα χρηστών κατά την διάρκεια της αλληλεπίδρασής τους τόσο με την διεπιφάνεια ενός συστήματος όσο και μεταξύ τους, χρήσιμο συνεπώς στο χώρο ευχρηστίας λογισμικού. Η κύρια έμφαση του περιβάλλοντος ColAT αφορά στην ανάλυση προβλημάτων συνεργασίας που περιλαμβάνουν περισσότερα από ένα υποκείμενα. Ιδιαίτερη προσοχή έχει δοθεί στα σενάρια της σύγχρονης συνεργασίας, στην οποία τα υποκείμενα συνεργάζονται από απόσταση, ένας παράγοντας που επιβάλλει πρόσθετη πολυπλοκότητα στη διαδικασία της ανάλυσης. Το περιβάλλον ColAT αναπτύχθηκε αρχικά ως εργαλείο υποστήριξης του συνεργατικού περιβάλλοντος μάθησης ModellingSpace, Εντούτοις, έχει δοθεί ιδιαίτερη προσοχή στις σχεδιαστικές προδιαγραφές του ColAT έτσι ώστε να μπορεί να καλύπτει γενικότερες απαιτήσεις και για τον λόγο αυτό προτείνεται εδώ ως ένα εργαλείο γενικού σκοπού, ανεξάρτητο από το περιβάλλον ModellingSpace. [5] [6] [7] [8] [9] Το περιβάλλον ColAT εντάσσεται στα πλαίσια των εργαλείων ποιοτικής ανάλυσης δεδομένων. Η ποιοτική ανάλυση δεδομένων που υποστηρίζεται από τις ΤΠΕ (CAQDAS: Computer Assisted Qualitative Data Analysis Φίλιππος Δ. Γιαννακάς 163

164 software) συνιστά μια σχετικά νέα ερευνητική περιοχή με ενδιαφέροντα ερευνητικά (δεδομένου ότι επηρεάζει καταλυτικά τους τρόπους με τους οποίους διεξάγεται η επιστημονική έρευνα και συμβάλλει στην ανάπτυξη νέων μεθόδων και τεχνικών) και αναπτυξιακά αποτελέσματα (κυρίως με την ανάπτυξη λογισμικών που την υποστηρίζουν). Τα εργαλεία λογισμικού αυτής της περιοχής μπορεί να ταξινομηθούν σε τέσσερις μεγάλες κατηγορίες: λογισμικά ανάλυσης περιεχομένου (κυρίως κείμενα αλλά και εικόνες, κλπ.), λογισμικά ανάλυσης ήχου και βίντεο, λογισμικά για ανάλυση κειμένου (textual analysis) και ειδικές κατηγορίες λογισμικού, όπως τα συστήματα ανάλυσης κοινωνικών δικτύων (social network analysis) και συστήματα εξόρυξης δεδομένων (data mining). [4] [5] [42] [43] Εικόνα 94: Πηγές δεδομένων ενός ColAT project Φίλιππος Δ. Γιαννακάς 164

165 Δημιουργία πολυεπίπεδων όψεων (ιεραρχική δομή της δραστηριότητας) Μία σημαντική δυνατότητα που παρέχει το περιβάλλον ColAT σχετίζεται με το ότι υποστηρίζει τη δημιουργία πολυεπίπεδων όψεων που ανταποκρίνεται στην προσέγγιση της Θεωρίας της Δραστηριότητας σχετικά με την ιεραρχική δομή (σχήμα 1) κάθε ανθρώπινης (ατομικής ή συλλογικής) δραστηριότητας. Αυτό σημαίνει ότι ο αναλυτής έχει τη δυνατότητα να πάρει την πληροφορία ενός αρχείου πληκτρολογήσεων ή μια στοιχειώδη ανθρώπινη κίνηση (Operation ή Events Level, η στοιχειώδης και κατά κανόνα ασυνείδητη ενέργεια), να την σχολιάσει και να χτίσει ένα υψηλότερο, πιο γενικό και αφηρημένο επίπεδο περιγραφής μιας ομάδας συμβάντων του αμέσως χαμηλότερου επιπέδου. [48] Το επίπεδο αυτό, που είναι το δεύτερο στην ιεραρχία, ονομάζεται και Action ή Tasks Level (το οποίο αφορά στην ενσυνείδητη δράση του υποκειμένου που καθοδηγείται από συγκεκριμένους στόχους). Το τρίτο επίπεδο που είναι και το υψηλότερο ιεραρχικά ονομάζεται Activity ή Goals Level (η δραστηριότητα που κατευθύνεται από κίνητρα) και περιγράφει τους γενικότερους στόχους που έχει θέσει το υποκείμενο ή τα υποκείμενα. Δραστηριότητα (Activity): κίνητρο: π.χ. θετική αξιολόγηση π.χ. μοντελοποίηση Δράση (Action): π.χ. επιλογή σχέσης αναλογίας στόχος: π.χ. σύνδεση δύο ιδιοτήτων με μια σχέση Ενέργεια (Operation): π.χ. «κλείσιμο» μιας ιδιότητας συνθήκες: π.χ. προσδιορισμός συγκεκριμένης αρχικής τιμής Σχήμα 1 : Διαγραμματική αναπαράσταση ιεραρχικής δομής δραστηριότητας υλοποίησης ενός μοντέλου αναλογιών με το λογισμικό ModelingSpace Φίλιππος Δ. Γιαννακάς 165

166 Η ιδέα των πολυεπίπεδων όψεων φαίνεται παραστατικά στην εικόνα 95. Ο αναλυτής μπορεί να παρατηρήσει και να μελετήσει τη δραστηριότητα από όποιο επίπεδο αυτός επιθυμεί. Η δυνατότητα αυτή της παρακολούθησης από όλα τα επίπεδα, καθιστά το ColAT ένα ισχυρό εργαλείο ανάλυσης συνεργατικής δραστηριότητας, αφού υποστηρίζει σε βάθος την κατανόηση και ερμηνεία της συνεργασίας μεταξύ των υποκειμένων. [4] [5] [7] Εικόνα 95: Περιβάλλον ColAT Δημιουργία πολυεπίπεδων όψεων [7] Φίλιππος Δ. Γιαννακάς 166

167 Δημιουργία τυπολογίων συμβάντων (ερμηνευτική προσέγγιση) Το περιβάλλον ανάλυσης ColAT επιτρέπει στον αναλυτή να ορίζει νέα τυπολόγια που μπορούν να χαρακτηρίσουν καλύτερα τα συμβάντα της εκάστοτε μελέτης στο πλαίσιο μιας ερμηνευτικής ερευνητικής προσέγγισης. Ο ορισμός των τυπολογίων έχει ως στόχο την καλύτερη περιγραφή και κατηγοριοποίηση των συμβάντων, όπως του πηγαίου αρχείου πληκτρολογήσεων ή των στοιχειωδών ενεργειών του υποκειμένου (Operation / Events Level), όσο και των υψηλότερων επιπέδων περιγραφής Action / Tasks Level και Activity / Goals Level. Για παράδειγμα, ο αναλυτής μπορεί να ορίσει μία νέα τυπολογία με το όνομα Test και με αυτήν να χαρακτηρίσει τα συμβάντα στα οποία τα υποκείμενα φαίνονται να πειραματίζονται με τα εκπαιδευτικά περιβάλλοντα κατά τη συνεργασία τους. Τα συμβάντα αυτά που ανήκουν στην ίδια τυπολογία εμφανίζονται να είναι χρωματισμένα με το ίδιο χρώμα, το οποίο αποτελεί την οπτική περιγραφή της τυπολογίας και έχει οριστεί από τον αναλυτή. [7] Παρακολούθηση της συνεργατικής δραστηριότητας Το περιβάλλον ανάλυσης ColAT επιτρέπει τον συγχρονισμό και ταυτόχρονη προβολή των δεδομένων παρατήρησης μιας συνεργατικής δραστηριότητας. Ο αναλυτής που θα θελήσει να προχωρήσει σε ανάλυση των δεδομένων αυτών μπορεί να πλοηγηθεί με δύο τρόπους: Πλοήγηση από το βίντεο. Κάθε φορά που επιλέγεται μία θέση στο βίντεο, το αντίστοιχο συμβάν του αρχείου πληκτρολογήσεων (logfile) εμφανίζεται να είναι επιλεγμένο. Πλοήγηση από το αρχείο πληκτρολογήσεων. Κάθε φορά που επιλέγεται ένα συμβάν από το αρχείο πληκτρολογήσεων, τότε το βίντεο μεταφέρεται στη χρονική στιγμή που αυτό συνέβη. Φίλιππος Δ. Γιαννακάς 167

168 Τέλος, το περιβάλλον ColAT παρέχει τη δυνατότητα ανάλυσης και παρουσίασης των αποτελεσμάτων παρατήρησης, παρέχοντας γραφική ανάλυση και αναπαράστασή τους, ενώ παράλληλα επιτρέπει την εξαγωγή τους σε γνωστά λογισμικά στατιστικής επεξεργασίας για περαιτέρω επεξεργασία και στατιστική τους ανάλυση. [7] Καταγραφή δεδομένων Για να γίνει κατανοητή η καταγραφή των δεδομένων αυτή παρουσιάζεται μέσα από μια πειραματική μελέτη περίπτωσης. Αυτό το πείραμα έλαβε χώρα σε εργαστήριο του προπτυχιακού μαθήματος «Συστήματα δεδομένων και γνώσεως» του τμήματος Ηλεκτρολόγων και Μηχανικών υπολογιστών του Πανεπιστημίου Πατρών. Συμμετείχαν 22 φοιτητές σε προγραμματισμένη εργαστηριακή περίοδο και έλαβε χώρα σε δυο εργαστήρια. Φτιάχτηκαν έντεκα (11) ομάδες φοιτητών με ίδια χαρακτηριστικά, συνεργαζόμενα σε ζευγάρια, πέντε ζευγάρια την πρώτη φορά και έξι ζευγάρια την δεύτερη. Τα μέλη των συνεργαζόμενων ομάδων διασκορπίστηκαν στο εργαστήριο. Αλληλεπιδρούσαν για συγκεκριμένη χρονική περίοδο, χρησιμοποιώντας συγκεκριμένο περιβάλλον συνεργατικής επικοινωνίας (εργαλείο συνομιλίας και διαμοιραζόμενο χώρο σχεδιασμού). Σε κάθε συνεργαζόμενο ζευγάρι ζητήθηκε να παράγει μέχρι το τέλος του εργαστηρίου, μια μοναδική λύση σε ένα πρόβλημα σε μορφή Διαγράμματος Οντοτήτων Συσχετίσεων. Ο Καθηγητής αρχικά παρενέβη για να εξηγήσει την δραστηριότητα και τα εργαλεία και στο τέλος για να κάνει σχόλια σε κάθε μια από τις παραγόμενες λύσεις. Η δραστηριότητα βιντεοσκοπήθηκε και ένα μικρόφωνο χρησιμοποιήθηκε για να καταγράψει τις συνομιλίες της τάξης. Επιπλέον, υπήρξε και καταγραφή δραστηριότητας χρησιμοποιώντας την κατάλληλη δυνατότητα του εργαλείου συνεργατικής μάθησης. Τα αρχεία καταγραφών καταγράφηκαν σε κάθε σταθμό εργασίας (22 καταγραφές). Τα αρχεία που καταγράφηκαν ήταν την μορφής που παρουσιάζεται στην εικόνα 96. Οι τύποι των συμβάντων παρουσιάζονται στον πίνακα 5. Φίλιππος Δ. Γιαννακάς 168

169 Εικόνα 96 : Άντληση του αρχείου καταγραφών τους πειράματος [7] Κάθε αρχείο καταγραφών, κατέγραψε τα συμβάντα από το περιβάλλον που παρήχθησαν από τον φοιτητή σε κάθε σταθμό εργασίας. Εφόσον κάθε ζευγάρι από φοιτητές εργάστηκαν μαζί μέσω του διαδικτύου, τα αρχεία καταγραφών ήταν συμμετρικά. Μόνη διαφορά παρατηρήθηκε σε κάποιες περιπτώσεις που η δικτυακή σύνδεση διεκόπη και η δραστηριότητα συνεχίστηκε για ένα μικρό χρονικό διάστημα τοπικά. Από την στιγμή που αυτές οι περίοδοι αναγνωρίστηκαν και τα συμβάντα καταγράφηκαν, τα αρχεία καταγραφών των συνεργατών συγκρίθηκαν και συνενώθηκα, έτσι στο τέλος της φάσης μόνο 11 αρχεία καταγραφών παρήχθησαν, αναπαριστώντας την δραστηριότητα των 11 ζευγαριών. Το βίντεο της συνολικής εικόνας της τάξης, ωστόσο απέτυχε να καταγράψει τις λεπτομέρειες της δραστηριότητας σε αυτό το επίπεδο. Χρησιμοποιήθηκε αυτή η πηγή πληροφορίας για να καταγραφούν συμβάντα παρέμβασης του καθηγητή, η οποία θα ήταν χρήσιμη ως επιπρόσθετο εξωτερικό συμβάν στα ζευγάρια των αρχείων καταγραφών. [7] Φίλιππος Δ. Γιαννακάς 169

170 Τύποι συμβάντων Αλλαγή κειμένου εννοιολογικής συσχέτισης Αλλαγή απλού κειμένου Αλλαγή προβληματικής σημείωσης Μήνυμα συνομιλίας Διαγραφή αντικειμένου Τροποποίηση ανάλυσης οντότητας (εννοιολογικό) Εισαγωγή δεδομένων προχείρου Εισαγωγή εννοιολογικού συνδέσμου Εισαγωγή εννοιολογικής συσχέτισης Εισαγωγή οντότητας Εισαγωγή απλού κειμένου Εισαγωγή προβληματικής σημείωσης Μετακίνηση αντικειμένου Συνεργάτης ζήτησε ένα κλειδί Συνεργάτης πέρασε ένα κλειδί Συνεργάτης αρνήθηκε το κλειδί Αίτηση για συνεργασία Η αίτηση για συνεργασία έγινε δεκτή Σώσιμο μοντέλου Αλλαγή εμφάνισης περιγραφής Πίνακας 5 : Τύποι συμβάντων στα αρχεία καταγραφών [7] Καταγραφή βίντεο Όπως αναφέρθηκε και παραπάνω, το βίντεο επέτυχε να καταγράψει τα συμβάντα στο επίπεδο των ζευγαριών. Αυτό είναι σύνηθες στην ύπαρξη μεγάλων ομάδων στην αίθουσα. Το βίντεο επικεντρώθηκε περισσότερο στον καθηγητή και έχασε τα συμβάντα στο επίπεδο των μικρών ομάδων. Στην δική μας περίπτωση δημιουργήθηκε μια εναλλακτική ροή δεδομένων, αναπαράγοντας από την αρχή τα αρχεία καταγραφών από το ίδιο το εργαλείο Φίλιππος Δ. Γιαννακάς 170

171 μοντελοποίησης. Αυτό επετεύχθη χρησιμοποιώντας την αντίστοιχη δυνατότητα του εργαλείου μοντελοποίησης, που παρουσιάζεται από την εικόνα 97. Διαμοιραζόμενη επιφάνεια σχεδίασης Συμβάντα συνομιλίας Εξέλιξη Αναπαραγωγής Εικόνα 97 : Αναπαραγωγή της δραστηριότητας του μοντέλου από τα αρχεία καταγραφών [7] Γενικά οι δυνατότητες της καταγραφής της οθόνης, διαθέσιμες με συσκευές μοντέρνας παρουσίασης, μπορούν να χρησιμοποιηθούν για να αναπαράγουν ροές από σχετικές πληροφορίες συμβάντων που εμφανίζουν οι σταθμοί εργασίας, οι οποίες μπορούν να αναμειχτούν με άλλες πηγές βίντεο ή άλλων μέσων, επιλύοντας το πρόβλημα της παρακολούθησης μεμονωμένων ομάδων σε μεγάλες αίθουσες. [7] Φίλιππος Δ. Γιαννακάς 171

172 Παραγωγή καταχωρήσεων για αρχεία καταγραφής υψηλού επιπέδου Από την στιγμή που η διαδικασία προ-επεξεργασίας έχει ολοκληρωθεί, οι καταχωρήσεις για το αρχείο καταγραφής υψηλότερου επιπέδου δημιουργούνται. Ο κειμενογράφος του ColAT, το κομμάτι του περιβάλλοντος μέσω του οποίου αυτή η λειτουργία νε επηρεάζεται, παρουσιάζεται στην εικόνα 98. Σε αυτή την περίπτωση ένα συμβάν της διαδικασίας επιπέδου 2 έχει παραχθεί από τα 10 συμβάντα του επιπέδου 1 (συμβάντα επισκίασης). Ο χρήστης επιλέγει το χαμηλότερο επίπεδο συμβάντων και δημιουργεί μια νέα οντότητα σε υψηλότερο επίπεδο, η οποία συσχετίζεται με το χαμηλότερου επιπέδου επιλεγμένο συμβάν. Εικόνα 98 : Δημιουργία καταχωρήσεων υψηλότερου επιπέδου στο ColAT Τα συμβάντα χαμηλότερου επιπέδου που έχουν επιλεχθεί σε αυτή την εξαγωγή είναι τα συμβάντα στην εικόνα 99 εκτός του συμβάντος [44], το οποίο είναι ένα συμβάν που στάλθηκε από τον χρήστη U2 και δεν σχετίζεται με την συγκεκριμένη διαδικασία. Στην εικόνα 99 εμφανίζεται και η εξαγωγή της λύσης που σχετίζεται με αυτά τα συμβάντα. Φίλιππος Δ. Γιαννακάς 172

173 Εικόνα 99: Παράδειγμα παραγωγής εισαγωγών επιπέδου 2 από τα συμβάντα του επιπέδου 1 Σε αυτό το δεύτερο επίπεδο των αρχείων καταγραφής έχει χρησιμοποιηθεί το τυπολόγιο του Αντικειμενοστραφούς πλαισίου εργασίας ανάλυσης αλληλεπίδρασης (OCAF). Αυτό το πλαίσιο εργασίας είναι κατάλληλο για την ανάλυση δραστηριοτήτων συνεργατικής μάθησης, το οποίο υποστηρίζει συσχέτιση ενεργειών και διαλόγων. [1] [7] [8] [9] Φίλιππος Δ. Γιαννακάς 173

174 3.6. Σύστημα CourseVis Το CourseVis αναπτύχθηκε ως ένα εργαλείο το οποίο επεκτείνει το υπάρχον CMS (Course Management System) με την επεξεργασία και την γραφική παρουσίαση των δεδομένων που συλλέγονται από το CMS για να βοηθήσουν του καθηγητές να καταλάβουν τις ανάγκες των μαθητών και να διαχειριστούν τις απομακρυσμένες αίθουσες με αποτελεσματικότητα. Το CourseVis λαμβάνει υπόψη του τις κοινωνικές, γνωστικές και συμπεριφοριστικές πλευρές. Η εικόνα 100 παρουσιάζει την βασική αρχιτεκτονική του CourseVis. Εικόνα 100: Αρχιτεκτονική του CourseVis [56] Το CourseVis εισάγει δεδομένα από τις ενέργειες των μαθητών που παρέχονται από το CMS. Παρόλο τις διαφορές στην μορφή των πληροφοριών που έχουν συλλεχθεί από τα διάφορα CMS, υπάρχουν κοινά στοιχεία στο περιεχόμενό τους και στην δομή τους π.χ το ιστορικό των σελίδων που έχουν επισκεφτεί, οι βαθμοί που έλαβαν οι μαθητές για κάθε quiz, τα μηνύματα που Φίλιππος Δ. Γιαννακάς 174

175 έχουν τοποθετηθεί στα forums συζητήσεων κτλ. Αυτό ήταν πρόκληση στη δουλεία για να σχεδιαστεί ένα γενικό εργαλείο παρουσίασης μαθημάτων το οποίο να μπορεί να εφαρμοστεί σε ένα μεγάλο εύρος συστημάτων απομακρυσμένης μάθησης. Παρόλο που το CourseVis βασίζεται επί του παρόντος σε δεδομένα που εισάγονται από το WebCT, μπορεί να εφαρμοστεί σε άλλα συμπληρωματικά CMS. Η μοναδική υπομονάδα του CourseVis που σχετίζεται με το CMS είναι το Student Data Explorer (Περιηγητής δεδομένων μαθητή) το οποίο μετατρέπει τα δεδομένα από το CMS σε μορφή XML. Αυτό ενεργοποιεί τα υπόλοιπα μέρη του CourseVis να βασίζονται σε μια ενιαία σύνταξη δεδομένων και μια ενιαία σημασιολογία ανεξάρτητη από το CMS Που χρησιμοποιείται. Για να τρέξουμε το CourseVis με δεδομένα από άλλες πλατφόρμες διαχείρισης μαθημάτων π.χ Blackboard, έχει σχεδιαστεί ένα εργαλείο εξαγωγής των δεδομένων του μαθητή (Student Data Exporter) το οποίο έχει για το WebCT έχει γραφτεί στην γλώσσα Perl και περιλαμβάνει απλούς αλγόριθμους περάσματος κειμένου. Τα μετασχηματισμένα δεδομένα αποθηκεύονται στην αποθήκη ακατέργαστων δεδομένων (Raw Data Repository). Ο σχεδιαστής τομέα (Domain Designer) είναι μια υπομονάδα που παρέχεται στους καθηγητές για να ορίσουν την αποθήκη τομέα του μαθήματος. Το μοντέλο τομέα (Domain Model) κωδικοποιείται σε XML και περιλαμβάνει μια λίστα εννοιών όπου κάθε έννοια συσχετίζεται με ένα σετ σελίδων αποδείξεων αξιολόγησης (π.χ quizzes, ομάδα ασκήσεων) από την αποθήκη ακατέργαστων δεδομένων (Raw Data Repository). Για να ενεργοποιηθεί η ευέλικτη χρήση του CourseVis, δεν συμπεριλήφθηκαν εξαρτήσεις μεταξύ εννοιών στην τρέχουσα έκδοση. Η διαδικασία επεξεργασίας δεδομένων (Data Processing Procedure) ακολουθεί το μοντέλο της παρουσίασης σωλήνα «visualization pipeline» που προτάθηκε από τον Stuart Card. Τα δεδομένα που αποθηκεύτηκαν στις αποθήκες περνούν μέσα από έναν σωλήνα τεσσάρων επιπέδων. Φίλιππος Δ. Γιαννακάς 175

176 α) Επιλογή των σχετικών δεδομένων(selection of relevant input data): εξάγονται από τις αποθήκες τα σχετικά με την παρουσίαση δεδομένα. β) Μετασχηματισμός δεδομένων(data transformation): παράγεται μια ενδιάμεση μορφή μιας αναλυτικής αφαίρεσης των δεδομένων μαζί με μεταδεδομένα της παρουσίασης γ) Σχηματική οπτικοποίηση(visualisation mapping): μετασχηματίζει τα προ-επεξεργασμένα φιλτραρισμένα δεδομένα σε γεωμετρικές αναπαραστάσεις με τις κατάλληλες ιδιότητες, όπως χρώμα κτλ. Η σχηματική οπτικοποίηση είναι ο πυρήνας της διαδικασίας οπτικοποίησης. δ) Εμφάνιση μετασχηματισμού(view transformation): παράγει τις εικόνες χρησιμοποιώντας τις γεωμετρικές αναπαραστάσεις από την διαδικασία σχηματοποίησης για να παράγει το οπτικό αποτέλεσμα Το CourseVis έχει υλοποιηθεί σε Perl και Java εκτός από τα δυο τελευταία στάδια της διαδικασίας επεξεργασίας των δεδομένων (Σχηματική Οπτικοποίηση και Εμφάνιση Μετασχηματισμού) που έχει υλοποιηθεί χρησιμοποιώντας το OpenDX εργαλείο οπτικοποίησης. Το OpenDX είναι ένα ισχυρό εργαλείο ανοιχτού κώδικα που αναπτύχθηκε από την IBM για την αναλυτική εμφάνιση των δεδομένων. [56] [57] [58] Παραδείγματα γραφικών αναπαραστάσεων Εδώ παρουσιάζονται κάποιες οπτικοποιήσεις που παράγει το CourseVis. Τα δεδομένα αφορούν ένα μάθημα στον προγραμματισμό Java το οποίο πραγματοποιήθηκε στο τμήμα Πληροφορικής και Ηλεκτρονικής του Πανεπιστημίου της νότιας Ελβετίας. Φίλιππος Δ. Γιαννακάς 176

177 Παράδειγμα οπτικοποίησης κοινωνικής πλευράς Το παράδειγμα των τριών διαστάσεων χρησιμοποιείται για την αναπαράσταση δεδομένων συζήτησης των μαθητών κατά την διάρκεια του μαθήματος (εικόνα 101). Υπάρχουν τρεις διαστάσεις στο σετ των δεδομένων : χρόνος, θέμα συζήτησης και μαθητής. Μια επιπλέον διάσταση, το μέγεθος της συζήτησης, παρουσιάζεται χρησιμοποιώντας διαφορετικό μέγεθος: το μέγεθος της σφαίρας αναπαριστά τον αριθμό των συνεχόμενων παρακολουθήσεων σε μια συζήτηση. Ο καθηγητής μπορεί να χρησιμοποιήσει λειτουργίες. Όπως χρωματισμού, μεγέθυνσης και περιστροφής για την διαχείριση της οπτικοποίησης. Η εικόνα 101 εμφανίζει δυο περιστροφές που ενεργοποιεί την ανάλυση των διαφορετικών συσχετίσεων εξετάζοντας την ίδια ομάδα δεδομένων. Το πάνω μέρος του γραφήματος εμφανίζει τα νήματα συζητήσεων που ανοίγονται από κάθε μαθητή κατά την διάρκεια του μαθήματος. Συγκεκριμένα κοινωνικά χαρακτηριστικά των μαθητών μπορούν να ανιχνευτούν. Για παράδειγμα, μπορεί να βρεθεί ότι οι συζητήσεις έχουν πρωταρχικά ξεκινήσει από τους μαθητές εκτός από δυο μεμονωμένους μαθητές (τον Francesco και τον Massimo) που κυριαρχούσαν στο άνοιγμα νημάτων ακολουθούμενοι από τους υπόλοιπους. Ο καθηγητής μπορεί αποστείλει ενέργειες επικοινωνίας σε τέτοιους μαθητές π.χ για να καθοδηγήσουν τις συζητήσεις. Ο Domenico ήταν επίσης ενεργός στο να ανοίγει νήματα αλλά δεν ακολουθήθηκε από τους υπόλοιπους. Ο καθηγητής μπορεί να επιλέξει να κοιτάξει σε κάποια νήματα κάποιου μαθητή και να ενθαρρύνει μεγαλύτερες συζητήσεις εάν είναι εφικτό. Η εικόνα εντοπίζει τους μαθητές που δεν ήταν ενεργοί στο άνοιγμα συζητήσεων. Ο καθηγητής μπορεί αν χρειαστεί να ρίξει περισσότερη προσοχή σε αυτούς τους μαθητές, π.χ (Ada). Φίλιππος Δ. Γιαννακάς 177

178 Οπτικοποίηση των νημάτων συζήτησης εστιάζοντας στους μαθητές που ξεκίνησαν τα νήματα Φίλιππος Δ. Γιαννακάς 178

179 Οπτικοποίηση των συζητήσεων συσχετιζόμενες με το μάθημα και τις δραστηριότητες της ομάδας Εικόνα 101: Περιστρεφόμενο 3D γράφημα αναπαράστασης συζητήσεων για την ανάλυση διαφορετικών συσχετίσεων [58] Χρησιμοποιώντας την δεύτερη αναπαράσταση, ο καθηγητής μπορεί να έχει εικόνα για τα θέματα των συζητήσεων. Μερικά νήματα μπορούν να αναγνωριστούν ως π.χ εκτενείς συζητήσεις για τεχνικά προβλήματα στην αρχή του μαθήματος, ή μερικές μονάδες είχαν ικανοποιητική ενεργοποίηση στις συζητήσεις κτλ. Οι πάνω γραμμές της αναπαράστασης δείχνουν την επικοινωνία σε κάθε ομάδα. Όσο η ομάδα 5 επικοινωνούσε εντατικά, η ομάδα 3 και 4 δεν επικοινωνούσαν καθόλου (τουλάχιστον δεν χρησιμοποιούσαν το εργαλείο του μαθήματος). Ο καθηγητής μπορεί να μεσολαβήσει στην δουλειά της ομάδος με το να ενθαρρύνει του μαθητές να επικοινωνήσουν και να συνεργαστούν αποτελεσματικότερα. [56] [57] [58] Φίλιππος Δ. Γιαννακάς 179

180 Παράδειγμα οπτικοποίησης γνωστικής πλευράς Η εικόνα 102 παρουσιάζει ένα παράδειγμα οπτικοποίησης της απόδοσης των μαθητών στα quizzes. Το σετ δεδομένων έχει δυο διαστάσεις, όνομα μαθητή και έννοια. Μια τρίτη διάσταση, το επίπεδο της γνώσης του μαθητή για μια έννοια, εμφανίζεται με χρήση ανάλογου χρώματος (σκούρο χρώμα σημαίνει υψηλό επίπεδο γνώσης). Η μήτρα στην εικόνα 102 ενεργοποιεί την γενική ανάλυση της συνολικής απόδοσης των μαθητών στα θέματα του μαθήματος και της σύγκρισης μεταξύ των θεμάτων. Αυτό μπορεί να συμβάλει θετικά στην αντίδραση του καθηγητή όσο αφορά την εξάσκηση του μαθητή. Για παράδειγμα, ή έννοια του πίνακα αποδείχθηκε ως μια δύσκολη έννοια από πολλούς μαθητές οι οποίοι κοίταγαν το υλικό του μαθήματος. Ο καθηγητής βρήκε ακαθόριστες αναπαραστάσεις και quizzes που θα πρέπει να βελτιωθούν. Η μήτρα επίσης επιτρέπει την τοπική ανάλυση της απόδοσης ενός συγκεκριμένου μαθητή πάνω σε ένα συγκεκριμένο θέμα και την σύγκριση με άλλους μαθητές. Για παράδειγμα μπορεί να εντοπιστεί ότι παρόλο που ο Massino ήταν επιτυχημένος στο να ανοίγει νήματα (εικόνα 101), η απόδοσή του στα quizzes ήταν αρκετά φτωχή. Αυτό μπορεί να σημαίνει ότι αυτός ο μαθητής μπορεί να εμψυχωθεί ώστε να δίνει μεγαλύτερη έμφαση στο διάβασμα του υλικού του μαθήματος. [56] [57] [58] Εικόνα 102: Μια μήτρα για την οπτικοποίηση της απόδοσης των μαθητών πάνω σε quizzes σχετικού τομέα [58] Φίλιππος Δ. Γιαννακάς 180

181 Παράδειγμα οπτικοποίησης συμπεριφοριστικής πλευράς Το τελευταίο παράδειγμα παρουσιάζει την πρόσβαση των μαθητών σε ένα μάθημα. Αυτό είναι ένα από τα συμπεριφοριστικά χαρακτηριστικά των μαθητών που χρησιμοποιούν οι καθηγητές. Μια απλή μήτρα των ονομάτων των μαθητών και ημερομηνίες των μαθημάτων χρησιμοποιείται για την αναπαράσταση της πρόσβασης στο μάθημα, όπου η αντίστοιχη τελεία παραστάνει τουλάχιστον μια πρόσβαση στο μάθημα που πραγματοποιήθηκε από τον μαθητή την συγκεκριμένη ημέρα (εικόνα 103). Ο καθηγητής έχει μια συνολική εικόνα της γενικής πρόσβασης των μαθητών με μια καθαρή απεικόνισης των τύπων και των νημάτων. Για παράδειγμα, υπάρχει μια υψηλή συγκέντρωση προσβάσεων μεταξύ 4 της και 23 της του Ματρίου, αντιστοιχισμένη στην δραστηριότητας της ομάδος, ενώ ελάχιστη πρόσβαση πραγματοποιήθηκε στο τέλος του μαθήματος. Η ίδια εικόνα δίνει και πληροφορία παρουσιών για έναν μαθητή, π.χ ο Michele έκανε λίγες επισκέψεις στο υλικό του μαθήματος, ενώ ο Franscesco ήταν ένας από τους μαθητές που τα πήγε καλά στο μάθημα. Στην εικόνα 74 παρουσιάζεται μια συνολική εικόνα της συμπεριφοράς του μαθητή. [56] [57] [58] Εικόνα 103 : Αναπαράσταση της πρόσβασης στο μάθημα σε μορφή «μήτρας» [56] Φίλιππος Δ. Γιαννακάς 181

182 Εικόνα 103 : Αναπαράσταση συνολικής συμπεριφοράς του μαθητή [56] Φίλιππος Δ. Γιαννακάς 182

183 3.7. Σύστημα GISMO (Graphical Interactive Student Monitoring System) Στην ουσία το εργαλείο οπτικοποίησης GISMO είναι η εξέλιξη και η χρησιμοποίηση της γνώσης που αποκτήθηκε από την λειτουργία του συστήματος CourseVis και αναπτύχθηκε στα πλαίσια του project EDUKALIBRE, Libre software methods for E-Education,, το οποίο χρηματοδοτήθηκε από την Ευρωπαϊκή ένωση το [17] [18] Όπως και στο CourseVis το GISMO χρησιμοποιεί τα δεδομένα που καταγράφει το σύστημα CMS(Course Management System) για να παράγει γραφικές αναπαραστάσεις στοχεύοντας να βοηθήσει τους καθηγητές στις δραστηριότητες της διδασκαλίας και της παρακολούθησης. Από τα αποτελέσματα που ελήφθησαν από τους καθηγητές για τις οπτικοποιήσεις του προηγούμενου συστήματος (CourseVis), στο GISMO ενσωματώθηκαν μόνο αυτές που ήταν χρήσιμες και υλοποιήθηκαν με βελτιωμένο τρόπο στο παρόν σύστημα. Επιπλέον το GISMO αναπτύχτηκε ως μια plug-in μονάδα, πλήρως ενσωματωμένη με το CMS σύστημα. Στην πραγματικότητα μπορεί να εγκατασταθεί σε κάθε τελευταία έκδοση της πλατφόρμας εκμάθησης Moodle. Όπως αναφέραμε και παραπάνω, ακριβώς όπως το CourseVis έτσι και το GISMO, αναπτύχθηκε ως ένα εργαλείο το οποίο επεκτείνει το υπάρχον CMS με την επεξεργασία και την γραφική παρουσίαση των δεδομένων που συλλέγονται από το CMS για να βοηθήσουν του καθηγητές να καταλάβουν τις ανάγκες των μαθητών και να διαχειριστούν τις απομακρυσμένες αίθουσες με αποτελεσματικότητα. Το GISMO επίσης λαμβάνει υπόψη του τις κοινωνικές, γνωστικές και συμπεριφοριστικές πλευρές του μαθητή. Από τεχνικής άποψης το GISMO είναι μια εφαρμογή που συνεργάζεται με την πλατφόρμα εκμάθησης μέσω ου διαδικτύου και διανέμεται μέσω του διαδικτύου ως Java Applet. Εδώ χρησιμοποιείται η πλατφόρμα εκμάθησης του Moodle για το ότι είναι ανοιχτού κώδικα και χωρίς χρέωση. [59] Φίλιππος Δ. Γιαννακάς 183

184 Γραφικές αναπαραστάσεις Σε αυτό το κομμάτι θα παρουσιάσουμε μερικές γραφικές αναπαραστάσεις του GISMO σε δεδομένα που συλλέχτηκαν από ένα πραγματικό μάθημα και θα περιγράψουμε κάποια οπτικά αποτελέσματα που μπορούμε να εξάγουμε από αυτές τις οπτικοποιήσεις. Οι γραφικές αναπαραστάσεις που παρουσιάζει το GISMO βασίζονται σε προηγούμενη έρευνα που πραγματοποιήθηκε στην οποία ζητήθηκε από τους καθηγητές να πουν ποιες πληροφορίες θα θέλανε να παρουσιάζονται. Αυτή η πληροφορία είναι η προσοχή του μαθητή, πρόσβαση στις πηγές, γενική εποπτεία των συζητήσεων και αποτελέσματα κατάταξης στα quizzes. [59] Γραφήματα πρόσβασης των μαθητών στο υλικό μάθησης Η εικόνα 104 παρουσιάζει το αποτέλεσμα της πρόσβασης των μαθητών στο μάθημα. Μια απλή μήτρα μορφοποίησης χρησιμοποιείται για την πρόσβαση στο μάθημα, με το όνομα του μαθητή (στον άξονα Υ) και τις ημερομηνίες του μαθήματος (στον άξονα Χ). Ένας αντίστοιχος βαθμός αναπαριστά τουλάχιστον μια πρόσβαση στο μάθημα η οποία πραγματοποιήθηκε από τον μαθητή της συγκεκριμένη ημερομηνία. Το ιστόγραμμα στο κάτω μέρος του παρουσιάζει τον συνολικό αριθμό των επιλογών στο μάθημα που έγιναν από τους μαθητές την συγκεκριμένη ημέρα. Φίλιππος Δ. Γιαννακάς 184

185 Εικόνα 104 : Γραφική αναπαράσταση της πρόσβασης των μαθητών σε ένα μάθημα [59] Με αυτά τα γραφήματα, ο καθηγητής έχει μία συνολική εικόνα της γενικής πρόσβασης που πραγματοποιήθηκε από τους μαθητές στο μάθημα με μια καθαρή εικόνα των τάσεων όπως επίσης και της πληροφορίας σχετικά με την προσοχή συγκεκριμένων μαθητών στο μάθημα. Για παράδειγμα μπορούμε εμφανώς να δούμε ότι η προσοχή των μαθητών κατά την διάρκεια της πρώτης περιόδου στο μάθημα κανονική και ομοιόμορφη, με μια μη ενεργή περίοδο περίπου στα μισά του μαθήματος (η οποία αντιστοιχεί στην περίοδο των Χριστουγέννων). Είναι ενδιαφέρων να προσέξουμε πως η πρόσβαση στο μάθημα γίνεται μη ομοιόμορφη κατά την διάρκεια του δευτέρου μέρους του μαθήματος. Η ίδια εικόνα μπορεί να επιτρέψει στους καθηγητές να εστιάσουν σε περίπου πέντε μαθητές οι οποίοι συγκεκριμένα επέμεναν στην πρόσβαση στο μάθημα ακόμα και στο δεύτερο μέρος του. Στην εικόνα 105 παρουσιάζεται η γραφική αναπαράσταση της πρόσβασης ενός μαθητή στις πηγές του μαθήματος. Με τον όρο πηγές εννοούμε κάθε τύπο περιεχομένου που μπορεί να εισαχθεί στο μάθημα, όπως σελίδες κειμένου, μια παραπομπή ένας εξωτερικός υπερ-σύνδεσμος, ένα αρχείο παρουσίασης κτλ. Η ημερομηνίες εμφανίζονται στο άξονα-χ ενώ οι πηγές στον άξονα-υ. Η σειρά των πηγών στον άξονα-υ αποτυπώνουν την Φίλιππος Δ. Γιαννακάς 185

186 σειρά των πηγών μέσα στο μάθημα. Το ιστόγραμμα στο κάτω μέρος του παρουσιάζει τον γενικό αριθμό της πρόσβασης των μαθητών σε όλες τις πηγές του μαθήματος. Η εικόνα 105, συγκεκριμένα παρουσιάζει δυο συγκεκριμένους μαθητές στο μάθημα, με διαφορετική συμπεριφορά στην πρόσβαση των πηγών του μαθήματος. Το γράφημα στα αριστερά απεικονίζει έναν μαθητή που είχε τακτική πρόσβαση στο υλικό. Το γράφημα στα δεξιά απεικονίζει έναν μαθητή που είχε διαφορετική συμπεριφορά. Αυτός ή αυτή επικέντρωσε το διάβασμά της κατά την διάρκεια των τριών περιόδων. Στην αρχή του εύρους των ημερομηνιών, στην μέση και στο τέλος (μετά από ένα μεγάλο χρονικό διάστημα αδράνειας πραγματοποίησε πρόσβαση σε αρκετές σελίδες ομαδικά μέσα σε μια ημέρα). [59] Εικόνα 105 Δύο γραφήματα που παρουσιάζουν την πρόσβαση που πραγματοποιήθηκε από δυο διαφορετικούς μαθητές στις πηγές του μαθήματος [59] Γραφήματα Πηγών Οι καθηγητές επίσης μπορεί να ενδιαφέρονται στο να έχουν λεπτομέρειες σε ποιες πηγές είχαν πρόσβαση οι μαθητές και πότε. Η εικόνα 76 στοχεύει στο να δώσει αυτή την πληροφορία. Η εικόνα στα αριστερά παρουσιάζει το όνομα του μαθητή στον άξονα-υ και τα ονόματα των πηγών στον άξονα-χ. Ένας βαθμός απεικονίζει εάν ένας μαθητής πραγματοποίησε πρόσβαση σε αυτή την πηγή και το χρώμα του βαθμού ποικίλει μεταξύ ανοιχτού μπλε και σκούρου μπλε ανάλογα με τον πόσες φορές ο μαθητής είχε πρόσβαση στην πηγή. Μερικές ενδιαφέρουσες παρατηρήσεις μπορούν να Φίλιππος Δ. Γιαννακάς 186

187 εξαχθούν. Για παράδειγμα, υπάρχουν κάποιες πηγές του μαθήματος στις οποίες είχαν έντονη πρόσβαση οι μαθητές (στο αριστερό μέρος του γραφήματος στο οποίο αν η χρήστη τοποθετήσει τον δείκτη του ποντικιού εμφανίζεται ένα μικρό εργαλείο που εμφανίζει τον αριθμό προσβάσεων που πραγματοποίησε ο μαθητής σε μια συγκεκριμένη πηγή). Επιπλέον υπάρχουν μερικές πηγές οι οποίες είχαν ελάχιστο αριθμό προσβάσεων οι οποίες είναι εύκολο να ανιχνευτούν από τις στήλες του γραφήματος που έχουν μικρούς βαθμούς. Εδώ το χρώμα πρωταρχικά χρησιμοποιείται στο να παρέχει μια οπτική αντιστοίχηση μεταξύ των πηγών που είχαν ελάχιστη πρόσβαση με αυτές που είχαν αρκετές. Αυτός ο δείκτης μπορεί να είναι χρήσιμος για τους καθηγητές ώστε να έχουν μια ανάλυση του επιπέδου χρησιμοποίησης του υλικού του μαθήματος. Η εικόνα 106 στα δεξιά παρουσιάζει σε ποια ημερομηνία οι μαθητές επισκέφτηκαν μια συγκεκριμένη πηγή (με το γράφημα στο πάνω μέρος) και πόσες προσβάσεις γενικά έγιναν σε αυτή την πηγή για κάθε ημερομηνία του μαθήματος (με την μπάρα γραφήματος στο κάτω μέρος). Ξανά το όνομα του μαθητή εμφανίζεται στον άξονα-υ και οι ημερομηνίες στον άξονα-χ. Αυτή η εικόνα μπορεί να δώσει μερικές ενδιαφέρουσες πληροφορίες στους καθηγητές που ενδιαφέρονται να γνωρίζουν πότε μια συγκεκριμένη πηγή έχει προσπελαστεί κατά την διάρκεια του μαθήματος. [59] Φίλιππος Δ. Γιαννακάς 187

188 Εικόνα 106 : Δυο γραφικές απεικονίσεις πρόσβασης των μαθητών στις πηγές ενός μαθήματος (πάνω) και της πρόσβασης των μαθητών σε μια συγκεκριμένη πηγή (κάτω) [59] Το γράφημα της εικόνας 107 παρουσιάζει το συνολικό αριθμό των προσβάσεων που είχαν οι μαθητές (στον άξονα-χ) προς όλες τις πηγές του μαθήματος. Εάν ο χρήστης επιλέξει με το δεξιό κουμπί του ποντικιού σε μια από τις μπάρες του ιστογράμματος και επιλέξει το αντικείμενο «Λεπτομέρειες (details)», μπορεί να δει τις λεπτομέρειες πρόσβασης του συγκεκριμένου μαθητή όπως φαίνονται στην εικόνα 106 (κάτω). [59] Φίλιππος Δ. Γιαννακάς 188

189 Εικόνα 107 : Γενικό γράφημα αναφοράς του αριθμού των προσβάσεων που έγιναν από τους μαθητές στις πηγές του μαθήματος [59] Γραφήματα συζητήσεων Οι συζητήσεις είναι μορφές κοινωνικής δραστηριότητας τις οποίες πολύ καθηγητές θεωρούν κρίσιμες στα μαθήματά τους. Η συμμετοχή σε μια περιοχή συζήτησης πρέπει να θεωρηθεί ως πρωταρχικό στοιχείο στην ανάλυση του μαθητή. Η περιοχή συζητήσεων είναι ένα εργαλείο που επιτρέπει στους μαθητές να διαβάζουν και να δημοσιεύουν μηνύματα. Κάθε μήνυμα έχει έναν αποστολέα, μια ημερομηνία και ένα θέμα. Μια ομάδα από μηνύματα σε μια συζήτηση αποτελείται από ένα αρχικό μήνυμα για ένα θέμα και όλες οι υπόλοιπες απαντήσεις καλείται νήμα (thread). Τα δεδομένα της περιοχής συζήτησης σχεδιάζονται σε ένα 2-D γράφημα και όλες οι παραγόμενη εικόνα παρουσιάζεται στην εικόνα 108. Σε αυτό το γράφημα, ο καθηγητής έχει μια συνολική εικόνα όλων των συζητήσεων στις οποίες οι μαθητές συμμετέχουν. Για κάθε μαθητή του μαθήματος το γράφημα παρουσιάζει τον αριθμό των μηνυμάτων που δημοσίευσε (με τετράγωνο), αριθμό των μηνυμάτων που διαβάστηκαν (με κύκλο) και τελικά τον αριθμό των νημάτων που ξεκίνησε ο μαθητής στις συζητήσεις (με τρίγωνο). Μπορεί να φανεί στο παράδειγμα της εικόνας 108 οι περισσότερο ενεργοί στο διάβασμα και λιγότερο ενεργοί στο να ξεκινούν καινούργια νήματα ή να απαντούν σε άλλα μηνύματα. [59] Φίλιππος Δ. Γιαννακάς 189

190 Εικόνα 108: Γραφική αναπαράσταση των συζητήσεων που πραγματοποιήθηκαν σε ένα μάθημα [59] Γραφήματα κατατάξεων και εξετάσεων (quizzes) Τα περιβάλλοντα μάθησης παρέχουν στους καθηγητές μερικά εργαλεία μέτρησης του επιπέδου κατανόησης που επιτυγχάνεται από τους μαθητές στις έννοιες του μαθήματος. Αυτά τα εργαλεία είναι τα quizzes και οι κατατάξεις. Για αυτά τα δύο εργαλεία παρήχθησαν οι αναπαραστάσεις της εικόνας 109. Τα εργαλεία συλλέγουν τα δεδομένα από αυτές τις αποστολές : ημερομηνία και ώρα της αποστολής και εάν αυτό είναι διαθέσιμο τον βαθμό. Αυτή η πληροφορία είναι πολύτιμη στον καθηγητή ο οποίος πρέπει να αναλύσει την ανατροφοδότηση σε επίπεδο κατανόησης που επιτεύχθηκε από τους μαθητές και μετά να συντονίσει την διδασκαλία ή το υλικό αντίστοιχα. Το πάνω γράφημα της εικόνας 109 είναι συσχετισμένο να οπτικοποιεί τις ημερομηνίες των αποστολών. Οι κάθετες γραμμές αντιστοιχούν στα τελευταίες διορίες του της κάθε εξέτασης ή κατάταξης που παρέχονται στους μαθητές (στον άξονα- Υ). Σε αυτό το παράδειγμα είναι εμφανές ότι όλες οι αποστολές έγιναν ακριβώς την ώρα που το τέλος της διορίας έφτανε στο τέλος της. Ωστόσο, Φίλιππος Δ. Γιαννακάς 190

191 όλοι οι μαθητές έκαναν την αποστολή της εργασίας τους καθυστερημένα για την πέμπτη κατάταξη. Πολύ λίγοι μαθητές έκαναν αποστολή των λύσεών τους για την έκτη κατάταξη. Οι γραμμές και οι βαθμοί έχουν διαφορετικό χρώμα για τις διαφορετικές εξετάσεις ή κατατάξεις για να βοηθήσουν τον αναγνώστη να εντοπίσει τους βαθμούς που αντιστοιχούν σε κάθε μια. Μαζί με τον χρόνο αποστολής, η βαθμολογία είναι ένα άλλο πολύτιμο κομμάτι της πληροφορίας που παρέχεται με τον βαθμό στα δεξιά. Στον άξονα- Χ απεικονίζουμε τις κατατάξεις (στις εξετάσεις), και τον δηλωθέν βαθμό των αποστολών του μαθητή. Ένα άδειο τετράγωνο σημαίνει ότι μια αποστολή δεν βαθμολογήθηκε, ενώ ένα χρωματισμένο τετράγωνο αναφέρει τον βαθμό : ένας χαμηλός βαθμός απεικονίζεται με ανοιχτό χρώμα, ένας υψηλός βαθμός απεικονίζεται με σκούρο χρώμα. Στο παράδειγμα, μόνο η τρίτη και η έκτη αποστολή βαθμολογήθηκε. Ο βαθμός επιτρέπει την μίκρο και μάκρο ανάλυση της απόδοσης του μαθητή. Σε μάκρο-επίπεδο, μπορεί να διαπιστωθεί πως πολύ μαθητές απέστειλαν τις λύσεις τους σε κάθε εργασία, περιμένοντας την τέταρτη και πέμπτη. Σε μίκρο-επίπεδο, ο καθηγητής μπορεί να χρησιμοποιήσει το γράφημα για να ανιχνεύσει ένα προβληματικό θέμα ή μαθητές συγκρίνοντας στήλες και γραμμές. Ο καθηγητής μπορεί επίσης να δει πως είναι η απόδοση ενός συγκεκριμένου μαθητή πάνω σε ένα συγκεκριμένο θέμα. [58] [59] Φίλιππος Δ. Γιαννακάς 191

192 Εικόνα 109 : Δυο γραφήματα που παρουσιάζουν τα δεδομένα από το εργαλείο αξιολόγησης. Στα αριστερά ο καθηγητής μπορεί να δει πότε οι μαθητές απέστειλαν την αξιολόγηση. Στα δεξιά υπάρχει ένας δείκτης με το ποιος απέστειλε την αξιολόγηση με ένα κατά προσέγγιση βαθμό [59] Φίλιππος Δ. Γιαννακάς 192

193 3.8. Σύστημα Comtella To Comtella είναι ένα ομότιμο (Peer to Peer) σύστημα ανταλλαγής αρχείων που απευθύνεται σε ερευνητές. Στηρίζεται στο γεγονός ότι πολλοί αποθηκεύουν τοπικά στους υπολογιστές τους αντίγραφα άρθρων που τους ενδιαφέρουν και τα οποία αξιολογούν θετικά, προσπαθώντας να τους ωθήσει να τα μοιραστούν με συναδέλφους. Το σύστημα, σε μια προσπάθεια να ενισχύσει τη συμμετοχή στη διαμοίραση αρχείων, υλοποιεί έναν επιβραβευτικό μηχανισμό που χρησιμοποιεί μια οπτική μεταφορά. [21] [85] Στην πρώτη του έκδοση, το λογισμικό χρησιμοποιούσε μια στατική οπτικοποίηση, παρουσιάζοντας ανά πάσα στιγμή τους χρήστες που ήταν συνδεδεμένοι, με τη μορφή ενός έναστρου ουρανού. Κάθε χρήστης αντιστοιχεί σε ένα αστέρι, το μέγεθος του οποίου είναι ανάλογο με το μέγεθος της συνεισφοράς του χρήστη σε πλήθος αρχείων. Επίσης, το χρώμα του αστεριού ήταν κόκκινο ή κίτρινο, ανάλογα με το αν ο χρήστης διαμοίραζε περισσότερα ή λιγότερα αρχεία από αυτά που παραλάμβανε μέσω του συστήματος. Στη μετεξέλιξή του, το σύστημα χρησιμοποιεί μια δυναμική οπτικοποίηση (εικόνα 110), η οποία επιτρέπει στους χρήστες να ορίσουν παραμέτρους της. Διατηρήθηκε η ίδια οπτική μεταφορά (έναστρος ουρανός), χρησιμοποιώντας όμως απλούστερα γραφικά. Το κριτήριο μεγέθους των αστεριών εξακολουθούσε να είναι το πλήθος των διαμοιραζόμενων αρχείων, αλλά όχι μόνο το συνολικό. Πρόσθετες οπτικές γωνίες ήταν δυνατές, όπως το πλήθος των αρχείων ανά θεματική κατηγορία, το πλήθος των μοναδικών αρχείων κ.ά, ενώ όλοι οι χρήστες (συνδεδεμένοι ή όχι) εμφανίζονται στην αναπαράσταση. [79] Φίλιππος Δ. Γιαννακάς 193

194 Εικόνα 110: Στατική (αριστερά) και Δυναμική (δεξιά) οπτική μεταφορά στο Comtella [85] Στην περίπτωση αυτή, παρατηρούμε τη χρήση μιας οπτικής μεταφοράς για να παρουσιαστούν στατιστικές πληροφορίες με περισσότερο κατανοητό τρόπο, χρησιμοποιώντας και πάλι χρώματα για τη διαφοροποίησή τους. Διευκολύνει τη συγκριτική αντιπαραβολή των διαφορετικών χρηστών, άμεσα, χωρίς να είναι αναγκαία μια εις βάθος στατιστική ανάλυση μεγεθών, ενώ συνδυάζει περισσότερες από ένα είδος πληροφορίες σε μία αναπαράσταση (πλήθος διαμοιραζόμενων αρχείων και αναλογία απεσταλμένων - ληφθέντων). [86] Φίλιππος Δ. Γιαννακάς 194

195 3.9. Σύστημα Chat Circles Τo Chat Circles είναι ένα λογισμικό σύγχρονων συζητήσεων, στο οποίο ο κάθε συμμετέχων απεικονίζεται ως ένας χρωματισμένος κύκλος. Όταν ο συμμετέχων πληκτρολογεί ένα μήνυμα, ο κύκλος του φωτίζεται και μεγαλώνει, ενώ σε περιόδους σιωπής, σταδιακά μικραίνει και σκοτεινιάζει. Όσο ο χρήστης είναι συνδεδεμένος στο σύστημα ο κύκλος του είναι εμφανής, ενώ μπορεί να τον μετακινεί σε όλη την έκταση της οθόνης. Καθένας μπορεί να διαβάσει το μήνυμα που περιέχουν μόνο οι κύκλοι που βρίσκονται αρκετά κοντά στο δικό του. [27] Με αυτή την οπτικοποίηση, το σύστημα μιμείται τον τρόπο που συζητούν οι άνθρωποι στην πραγματικότητα, όπου αυτός που μιλάει σε μια δεδομένη χρονική στιγμή ξεχωρίζει από τους υπόλοιπους, έχοντας την προσοχή τους. Επιπλέον, η διαδοχική μεταβολή του μεγέθους των κύκλων κάνει εμφανή τη "λήψη του λόγου" από τους αντίστοιχους χρήστες. Παράλληλα, ξεχωρίσουν οι μεγάλες ομάδες συζήτησης, οι αδρανείς χρήστες, αλλά και οι επιμέρους συζητήσεις μεταξύ τους, κάτι ασυνήθιστο σε περιβάλλοντα σύγχρονων συζητήσεων. Τα παραπάνω αναπαριστώνται στην εικόνα 111. Εικόνα 111: Σύγχρονη συζήτηση με το λογισμικό Chat Circles [86] Μια ακόμα ενδιαφέρουσα οπτικοποίηση που χρησιμοποιείται στο λογισμικό Chat Circles, είναι η Χωροταξική Διάταξη Συζήτησης (Conversation Landscape), που φαίνεται στην εικόνα 112. Πρόκειται για μια δισδιάστατη Φίλιππος Δ. Γιαννακάς 195

196 αναπαράσταση, με τον οριζόντιο άξονα να αντιστοιχεί τους συμμετέχοντες και τον κάθετο στη χρονική παράμετρο. Τα μηνύματα εμφανίζονται ως οριζόντια ευθύγραμμα τμήματα, των οποίων το μήκος είναι ανάλογο με το μέγεθος του μηνύματος. Επιλέγοντας τη γραμμή εξέλιξης του χρήστη, μπορεί κανείς να διαβάσει τα μηνύματά του, αλλά και να δει ποιοι μπορούσαν να διαβάσουν τα μηνύματά του με την πάροδο του χρόνου, αφού φωτίζονται τα αντίστοιχα τμήματα της δικής τους γραμμής εξέλιξης. Εικόνα 112: Χωροταξική διάταξη συζήτησης με το λογισμικό Chat Circles [86] Και στην περίπτωση αυτή, το χρώμα χρησιμοποιείται για το διαχωρισμό των επιμέρους πληροφοριών. Παράλληλα η οπτική μεταφορά των κύκλων και των γραμμών εξέλιξης, κάνουν εμφανείς σημαντικές, αφηρημένες πληροφορίες, όπως είναι: α) η σειρά με την οποία μιλούν οι χρήστες, β) οι σιωπηλοί και οι επικρατούντες ομιλητές, γ) οι επιμέρους εξελισσόμενες συζητήσεις, και δ) η συνολική δομή της εξέλιξης των συζητήσεων. [86] Φίλιππος Δ. Γιαννακάς 196

197 3.10. Σύστημα Loom To Loom είναι ένα εργαλείο οπτικοποίησης των συμμετεχόντων και των μεταξύ τους αλληλεπιδράσεων σε Usenet Newsgroups. Με μια σειρά από αναπαραστάσεις των μηνυμάτων και των μεταξύ τους συνδέσεων, οι ερευνητές προσπαθούν να εντοπίσουν μοτίβα συμπεριφοράς και δραστηριότητας. Η κυριότερη απεικόνιση χρησιμοποιεί ένα σύστημα δύο αξόνων (εικόνα 113), με τον κάθετο άξονα να αντιστοιχεί στους χρήστες και τον οριζόντιο άξονα στην παράμετρο του χρόνου. Τα μηνύματα τοποθετούνται στο επίπεδο ανάλογα με το συγγραφέα και τη χρονική στιγμή γραφής τους, ενώ εμφανίζονται διασυνδέσεις μεταξύ τους, καταδεικνύοντας ποια έχουν γραφεί ως απαντήσεις σε άλλα. Τα μηνύματα εμφανίζονται χρωματισμένα, ώστε να είναι εμφανέστερες οι αλληλουχίες τους σε διασυνδεδεμένες συζητήσεις. [20] [29] Εικόνα 113: Αναπαράσταση συζητήσεων σε newsgroup με το Loom [27] Φίλιππος Δ. Γιαννακάς 197

198 Σε μια δεύτερη αναπαράσταση, γίνεται μια προσπάθεια κωδικοποίησης των μηνυμάτων ανάλογα με το περιεχόμενό τους, ώστε να φαίνεται το συναισθηματικό πλαίσιο που τα διέπει. Οι ερευνητές κωδικοποιούν τη "συναισθηματική φόρτιση" του κάθε μηνυμάτων, εισάγοντας τέσσερις κατηγορίες: θυμός (angry), ηρεμία (peaceful), πληροφορία (informative) και άλλο (other). Για παράδειγμα, ένα μήνυμα που είναι γραμμένο εξολοκλήρου με κεφαλαία γράμματα ή/και τελειώνει με ένα σετ χαρακτήρων όπως "!!!!!!!,!?!?!", θεωρείται ότι εκφράζει θυμό. Αν περιέχει ονόματα πόλεων, ιστορικές αναφορές, ημερομηνίες και άλλα παρόμοια στοιχεία, θεωρείται πληροφοριακό (informative) μήνυμα. Στο σχήμα της εικόνας 114 δείχνει τα συναισθηματικά φορτία των μηνυμάτων, ανά ομάδα συζήτησης. Στο παράδειγμα αυτό, τα κόκκινα μηνύματα εκφράζουν θυμό. [27] Εικόνα 114: Αναπαράσταση διάθεσης συζητήσεων σε newsgroup με το Loom [27] Στην περίπτωση αυτή, η χρήση των χρωμάτων βοηθάει στην καλύτερη κατανόηση της παρουσιαζόμενης πληροφορίας, αφού διευκολύνει στον εντοπισμό μοτίβων. Παράλληλα δημιουργείται μια οπτική αναπαράσταση της εξέλιξης των συζητήσεων που είναι δύσκολο να κατασκευάσει νοητικά, να φανταστεί ένας άνθρωπος. [86] Φίλιππος Δ. Γιαννακάς 198

199 3.11. Σύστημα i-tree Τo i-tree είναι ένα σύστημα ενθάρρυνσης και υποβοήθησης των συμμετεχόντων σε ασύγχρονες συζητήσεις, που αποσκοπεί στην αύξηση της συμμετοχής τους σε αυτές. Για το σκοπό αυτό χρησιμοποιείται μια μέθοδος μεταφορικής οπτικής αναπαράστασης της συμμετοχής ατόμων σε ασύγχρονες συζητήσεις, με τη μορφή ενός δέντρου. Το τελευταίο απεικονίζεται στις οθόνες των κινητών τηλεφώνων των ατόμων που συμμετέχουν σε κάθε ασύγχρονη συζήτηση, ως φόντο (εικόνα 115). [65] Εικόνα 115: Σύστημα i-tree Τo δέντρο αντιστοιχεί στον ίδιο το χρήστη, ενώ η ανάπτυξή του σχετίζεται με το ποσοστό συμμετοχής του χρήστη στο forum. Συγκεκριμένα υπάρχουν τέσσερις μεταβλητές που επηρεάζουν την ανάπτυξη: (α) Ο αριθμός των μηνυμάτων που γράφει ο χρήστης αυξάνει ο πάχος του κορμού και τον αριθμό των κλαδιών, (β) Ο αριθμός των αναγνώσεων των μηνυμάτων του από άλλους χρήστες αυξάνει το πλήθος των φύλλων και πρασινίζει το χρώμα τους, (γ) Ο αριθμός των απαντήσεων στα μηνύματά του αυξάνει το πλήθος των κόκκινων καρπών του δέντρου και (δ) Η αναλογία του συνολικού αριθμού μηνυμάτων προς τον αριθμό απαντήσεων στο forum απεικονίζεται στην ποιότητα του γαλάζιου χρώματος του ουρανού. Φίλιππος Δ. Γιαννακάς 199

200 3.12. Σύστημα i-bee Πρόκειται για ένα σύστημα που οπτικοποιεί τη συσχέτιση των συμμετεχόντων σε μια ασύγχρονη συζήτηση με την εμφάνιση λέξεωνκλειδιών στα μηνύματα που έχουν γράψει. Έτσι τους παρέχει τη δυνατότητα να αυτό-αξιολογήσουν τη θέση που κατέχουν στην εξελισσόμενη συζήτηση αλλά και στις συνολικές συζητήσεις. Η λέξη-κλειδί για την οποία γίνεται η απεικόνιση κάθε φορά, επιλέγεται από τον καθηγητή. Εφαρμόζοντας τεχνικές εξόρυξης δεδομένων (data-mining), καθορίζεται η συσχέτιση της λέξης-κλειδί με τους συμμετέχοντες, λαμβάνοντας υπόψη τη συχνότητα εμφάνισής της στα μηνύματα του καθενός, αλλά και όλης της ομάδας που συμμετέχει στη συζήτηση. Το σύστημα έχει τέσσερις λειτουργίες. Μπορεί να απεικονίσει: (i) (ii) τη σχέση λέξεων και χρηστών σε πραγματικό χρόνο, παρελθόντα στιγμιότυπα της συζήτησης, (iii) πρόσφατα επίπεδα συμμετοχής των χρηστών και πρόσφατες συχνότητες εμφάνισης των λέξεων, και (iv) εντοπισμό των μηνυμάτων που περιέχουν τις λέξεις αυτές. Εικόνα 116: Σύστημα i-bee [63] Η αναπαράσταση περιλαμβάνει μια μέλισσα που αντιπροσωπεύει τον κάθε συμμετέχοντα και λουλούδια που αντιπροσωπεύουν τις λέξεις κλειδιά (εικόνα 116). Οι θέσεις των λουλουδιών στο επίπεδο προκύπτουν από την κατανομή των αντιστοίχων λέξεων στα μηνύματα όλων των συμμετεχόντων. Η Φίλιππος Δ. Γιαννακάς 200

201 απόσταση μιας μέλισσας από ένα λουλούδι είναι ανάλογη της συχνότητας χρήσης της αντίστοιχης λέξης στα μηνύματα του αντίστοιχου συμμετέχοντα. Το ποσοστό χρήσης στο πρόσφατο παρελθόν καθορίζει τη γωνία με την οποία η μέλισσα βλέπει προς το λουλούδι. Η πρόσφατη ενεργητικότητα ενός συμμετέχοντα απεικονίζεται με την κατάσταση της μέλισσας (μπορεί να κοιμάται ή να φαίνεται ότι πετάει), ενώ η πρόσφατη χρήση μιας λέξης από όλα τα άτομα, επηρεάζει την εμφάνιση του αντίστοιχου λουλουδιού (ανθισμένο ή κλειστό μπουμπούκι). [63] [86] Φίλιππος Δ. Γιαννακάς 201

202 3.13. Σύστημα team.space Το team.space (εικόνα 117) είναι ένα ενημερωτικό portal για online κοινότητες για εξάσκηση το οποίο συνδέεται με ένα μεγαλύτερο δίκτυο εκμάθησης. Κάθε κοινότητα του team.space δομείται γύρο από τα θέματα και τα ενδιαφέροντα των χρηστών του. Η συμμετοχή στο team.space είναι ανοιχτή το οποίο σημαίνει ότι οι χρήστες μπορούν να εγγραφούν και να ορίσουν την δική τους πληροφορία. Εικόνα 117: Περιβάλλον team.space με πιστοποιημένο χρήστη Ο Glahn, Specht & Koper περιγράφουν μια προσαρμοσμένη στρατηγική για τους δείκτες σχετικά με τα ίχνη δεικτών. Αυτή η προσαρμοσμένη στρατηγική προσαρμόζει την συσσώρευση και την οπτικοποίηση των δεδομένων αλληλεπίδρασης χαμηλού επιπέδου με το επίπεδο συμβολής του χρήστη. Όσο αφορά το κίνητρο δυο ίχνη δεικτών οπτικοποίησης υπάρχουν στο σύστημα. Αυτές οι οπτικοποιήσεις είναι σειριακές σε αυτό που καλούμε προσαρμοσμένη στρατηγική με τρόπο που οι χρήστες του team.space μπορούν να δουν μόνο έναν δείκτη την φορά. Ο προσδιορισμός των δεικτών είναι στατικός που σημαίνει ότι οι χρήστες λαμβάνουν μόνο μια οπτικοποίηση του ίχνους της αλληλεπίδρασής τους για όλη την περίοδο χρήσης. Ο πρώτος δείκτης είναι ένας μετρητής δραστηριότητας. Αυτό ο μετρητής δραστηριότητας εμφανίζει το ίχνος αλληλεπίδρασης του συμμετέχοντα. Κάθε δραστηριότητα του συμμετέχοντα Φίλιππος Δ. Γιαννακάς 202

203 καταμετράται και όλες οι ενέργειες έχουν την ίδια επίδραση στην οπτικοποίηση. Η δραστηριότητα οπτικοποιείται με την μορφή ενός καμβά οριζόντιου διαγράμματος (εικόνα 118). Αυτό το γράφημα μπάρας δεν μεγαλώνει ομογενώς με κάθε δραστηριότητα αλλά ο χρήστης πρέπει να κερδίσει κάθε πεδίο του καμβά με ένα αριθμό ενεργειών που προκαθορισμένος. Με την αύξηση του αριθμού των κερδισμένων πεδίων απαιτούνται περισσότερες ενέργειες για να κερδηθεί ένα νέο πεδίο. Εικόνα 118: Δείκτης δραστηριότητας Ο δεύτερος δείκτης επεκτείνει τον πρώτο δείκτη με τρεις τρόπους. Αρχικά, αξιολογεί τις διαφορετικές δραστηριότητες με έναν παράγοντα που αντιστοιχεί σε ένα πολλαπλάσιο μέγεθος (βάρος) της δραστηριότητας που εκτελεί ο χρήστης. Αυτό σημαίνει ότι οι δραστηριότητες έχουν διαφορετική επίδραση στην δραστηριότητα του συμμετέχοντα. Για παράδειγμα μια εισαγωγή ενός blog αξίζει 10 μονάδες ενώ η απλή επιλογή ενός συνδέσμου αξίζει μόνο μια μονάδα. Επιπλέον, η δραστηριότητα δεν εμφανίζεται σε απόλυτους όρους, αλλά σχετικά με την δραστηριότητα των ποιο ενεργών χρηστών της ομάδος. Τελικά, ο δείκτης ενσωματώνει μια δεύτερη μπάρα, η οποία απεικονίζει την ίδια πληροφορία του μέσου συμμετέχοντα της κοινότητας. Ο δείκτης απόδοσης παρουσιάζεται στην εικόνα 119. Φίλιππος Δ. Γιαννακάς 203

204 Εικόνα 119: Δείκτης απόδοσης Και οι δύο δείκτες παρουσιάζουν την δραστηριότητα των τελευταίων 7 ημερών. Επιπλέον, εάν ένας συμμετέχοντας πατήσει πάνω σε έναν δείκτη ανοίγει ένα παράθυρο που παρουσιάζει τις πηγές καθώς και τις τιμές που χρησιμοποιεί, με λεπτομέρεια. [93] Φίλιππος Δ. Γιαννακάς 204

205 ΚΕΦΑΛΑΙΟ 4 ΣΥΓΚΡΙΣΗ ΠΡΟΣΕΓΓΙΣΕΩΝ & ΠΡΟΤΑΣΗ ΕΠΕΚΤΑΣΗΣ INSPIRE 4.1. Σύγκριση τεχνολογικών περιβαλλόντων Στο πρώτο κεφάλαιο απαντήσαμε σε ένα καίριο ερώτημα. Γιατί χρειάζεται να ασχοληθούμε με την ανάλυση αλληλεπίδρασης. Η απάντηση που δώσαμε είναι ότι παρέχει στους εκπαιδευόμενους τη δυνατότητα, να αναστοχαστούν, ατομικά ή ομαδικά, σε γνωστικό και μεταγνωστικό επίπεδο, αξιολογώντας την πορεία της δραστηριότητας και ενδεχόμενα τη συνεισφορά του κάθε μέλους στην περίπτωση συνεργατικών δραστηριοτήτων. Αυτό το αποτέλεσμα του αναστοχασμού, μπορεί να οδηγήσει στην αυτορρύθμιση των ενεργειών τους, ως άτομα ή/και ως ομάδες, αποσκοπώντας στη βελτίωση της ποιότητας του τελικού παραγόμενου έργου ή/και τη βελτίωση της ποιότητας της συνεργασίας. Ακόμα μπορεί να υποστηρίξει τον καθηγητή ερευνητή σε επίπεδο διάγνωσης, αξιολόγησης και τελικά προσαρμογής της εκπαιδευτικής στρατηγικής του, ανάλογα με τις ανάγκες του μαθητικού κοινού. [26] Στον παραδοσιακό τρόπο διδασκαλίας ο καθηγητής τροφοδοτεί τον μαθητή με τα στοιχεία εκείνα που απαιτούνται ώστε να του δώσουν την δυνατότητα να σχηματίσει μια εικόνα για το εάν η γνώση που απόκτησε είναι επαρκής ή θα πρέπει να τροποποιήσει κάποια στοιχεία στην πορεία μάθησής του με σκοπό να αποκτήσει ή να συμπληρώσει την γνώση που του λείπει. Επίσης ο καθηγητής από την πλευρά του θα πρέπει να αφουγκραστεί τα όποια στοιχεία του «μεταδίδει» ο μαθητής με σκοπό αν χρειαστεί να τροποποιήσει την διδασκαλία του. Την διαδικασία της μεταβολής μπορούμε να την χαρακτηρίσουμε με μια μόνο λέξη «προσαρμογή». Επίσης το βασικό στοιχείο της κλασσικής μεθόδου διδασκαλίας το οποίο είναι η «ανατροφοδότηση» τόσο του καθηγητή όσο και του μαθητή μέσω της επικοινωνίας των δυο πλευρών, οδήγησαν στην ανάγκη ύπαρξης και ανάπτυξής του πεδίου της αλληλεπίδρασης που λαμβάνει χώρα σε Φίλιππος Δ. Γιαννακάς 205

206 τεχνολογικά υποστηριζόμενα περιβάλλοντα μάθησης και η οποία είναι συνεχώς αυξημένη. Μελετώντας κάποια συστήματα του κεφαλαίου 3 διαπιστώνει εύκολα κανείς ότι το κρίσιμο κομμάτι της προσαρμογής μέσω της αλληλεπίδρασης δεν πραγματοποιείται. Δηλαδή το αναγκαίο κομμάτι της προσαρμογής του εκπαιδευτικού περιβάλλοντος με γνώμονα την οικοδόμηση υψηλής γνώσης δυστυχώς δεν υλοποιείται από κανένα από τα αναλυθέντα παραπάνω συστήματα. Αυτό μόνο που γίνεται εύκολα κατανοητό μέσα από την παραπάνω ανάλυση κάποιων διαδικτυακών εκπαιδευτικών συστημάτων είναι ότι καταγράφουν κάποια στοιχεία αλληλεπίδρασης του χρήστη-μαθητή με το σύστημα και οπτικοποιούν τα αποτελέσματα αυτά με διάφορους τρόπους (παραδείγματα στο κεφάλαιο 2 και 3). Αυτή η καταγεγραμμένη πληροφορία της αλληλεπίδρασης άλλοτε οπτικοποιείται όπως ακριβώς καταγράφεται (δηλαδή χωρίς καμία επεξεργασία) ενώ άλλοτε παρουσιάζεται ως αποτέλεσμα της επεξεργασίας που έχει υποστεί. Φίλιππος Δ. Γιαννακάς 206

207 4.2. Ανάλυση στοιχείων σύγκρισης Στον πίνακα 6 παρουσιάζονται τα στοιχεία εκείνα με τα οποία θα πραγματοποιηθεί η σύγκριση των συστημάτων. Για κάθε ένα από αυτά ακολουθεί μια σύντομη περιγραφή. Α/Α Στοιχείο Περιγραφή 1 Τύπος συστήματος Αν το σύστημα είναι συνεργατικό ή ατομικής μάθησης ή αν αποτελεί εργαλείο ανάλυσης CMC συστημάτων 2 Προσαρμογή περιβάλλοντος Αν το σύστημα προσαρμόζεται με βάση των στοιχείων της αλληλεπίδρασης που καταγράφει και αναλύει ή με βάση κάποιων άλλων στοιχείων π.χ. μαθησιακού στυλ ή επίπεδο γνώσης κτλ. 3 Επίπεδο δεικτών Όπως αναλύσαμε και στην παράγραφο κάθε δείκτης χαρακτηρίζεται ως επιπέδου Υψηλού ή Χαμηλού ανάλογα με το εάν ο δείκτης που οπτικοποιείται από το σύστημα έχει υποστεί πριν κάποια επεξεργασία ή όχι αντίστοιχα 4 Μορφές οπτικοποίησης Εδώ αναφέρονται η μορφές οπτικοποίησης που έχουν επιλεχθεί από το σύστημα π.χ ραβδόγραμμα, πίτα, μεταφορές κτλ 5 Τύπος ενημέρωσης Εδώ παρουσιάζεται ο τύπος της ενημέρωσης στον οποίο στοχεύουν οι οπτικοποιήσεις π.χ. Χρόνος μελέτης του Στόχου, Πρόσβαση σε πηγές κτλ Φίλιππος Δ. Γιαννακάς 207

208 6 Τρόπος επεξεργασίας Έχει να κάνει με την επεξεργασία των στοιχείων από το σύστημα ( αυτοματοποιημένος ή μη αυτοματοποιημένος). Υπάρχουν συστήματα όπως π.χ το SYNERGO όπου η τροφοδότηση και το αποτέλεσμα των στοιχείων δεν γίνεται μόνο με αυτοματοποιημένο τρόπο αλλά μετά και την συμπλήρωση κάποιων στοιχείων χειροκίνητα 7 Τεχνικές επεξεργασίας Ποιες τεχνικές επεξεργασίας και ανάλυσης των δεδομένων ακολουθούνται από το σύστημα π.χ Μοντέλο OCAF, κανόνας PRISM κτλ 8 Προορισμός πληροφόρησης Σε ποιους απευθύνεται η πληροφόρηση που εξάγει το σύστημα π.χ Καθηγητή, Μαθητή, Χρήστη, Ερευνητή Πίνακας 6: Στοιχεία σύγκρισης συστημάτων 4.3. Αποτελέσματα σύγκρισης Στους πίνακες 7 και 8 παρουσιάζεται τα αποτελέσματα της σύγκρισης των συστημάτων που μελετήθηκαν. Πρέπει να επισημάνω ότι λόγω της διαφορετικότητας των συστημάτων και στο που στοχεύει το κάθε ένα, οφείλεται και η δυσκολία στην ανίχνευση των κοινών τους στοιχείων ώστε αυτή η σύγκριση να είναι επαρκής. Έτσι τα στοιχεία με τα οποία θα γίνει αυτή η σύγκριση είναι περιορισμένα και εστιασμένα κυρίως στα δομικά στοιχεία των δεικτών που οπτικοποιούν δηλαδή τις μορφές οπτικοποίησης, του τρόπου με τον οποίο αυτά εξάγονται. Φίλιππος Δ. Γιαννακάς 208

209 Σύστημα Τύπος Προσαρμογή Επίπεδο Μορφές Τύπος Ενημέρωσης Τρόπος Συστήματος περιβάλλοντος Δεικτών Οπτικοποίησης Επεξεργασίας INSPIRE Προσαρμοστικό Μαθησιακοί Χαμηλού Πίτες Χρόνος μελέτης του Στόχου Αυτο/μένος διαδικτυακό εκπαιδευτικό σύστημα στόχοι, Επίπεδο γνώσης, Μαθησιακό στυλ Καρτεσιανό διάγραμμα Μήτρες Συνολικός χρόνος μελέτης του στόχου Χρόνος έναντι του προτεινόμενου Πλοήγηση εκπαιδευομένου Πρόσβαση σε πηγές DIAS Διαδικτυακό ΟΧΙ Χαμηλού Ραβδόγραμμα Κατανομή συνεισφοράς Αυτο/μένος σύστημα ασύγχρονων συζητήσεων & Υψηλού Πίτες Πολικό διάγραμμα Καρτεσιανό διάγραμμα Κατάταξη Ενεργητικότητα Απόδοσης Κοινωνιοδιάγραμμα Απαντήσεις / Αναγνώσεις Φίλιππος Δ. Γιαννακάς 209

210 Δενδρόγραμμα Χρονισμοί ανάγνωσης Σύνθετοι Διασπορά μέγεθος συζήτησης SYNERGO & Διαδικτυακό ΟΧΙ Χαμηλού Ραβδόγραμμα Δραστηριότητα Μη MODELLING SPACE συνεργατικό σύστημα & Υψηλού Πίνακας Διάγραμμα γραμμής Συνεδρίες ομάδας Συμμετοχή μελών αυτο/μένος Είδη συμβάντων Συμμετρία δραστηριότητας Ενέργειες ανά συνεργάτη και ανά χρονική περίοδο VisNet & Εργαλείο ΟΧΙ Χαμηλού Μεταφορές Μαθησιακό στυλ Αυτο/μένος ViSMode ανάλυσης στοιχείων από CMC συστήματα & Υψηλού Εκτίμηση μάθησης Φίλιππος Δ. Γιαννακάς 210

211 ColAT Εργαλείο ΟΧΙ Χαμηλού Πίνακες Ν/Α Αυτο/μένος ανάλυσης συνεργατικών & Υψηλού Πολυεπίπεδες όψεις συστημάτων CourseVis Εργαλείο ΟΧΙ Χαμηλού 3D Γραφικές Νήματα Συζητήσεων (π.χ Αυτο/μένος ανάλυσης και & αναπαραστάσεις Θέματα, ενεργοποίηση συλλογής στοιχείων από CMC συστήματα Υψηλού Μήτρες Σύνθετο διάγραμμα συμμετεχόντων κτλ) Απόδοση Πρόσβαση σε μάθημα Συνολική συμπερ. GISMO Εργαλείο ανάλυσης, ΟΧΙ Χαμηλού Μήτρες Προσοχή σε μάθημα Αυτο/μένος συλλογής & οπτικοποίησης στοιχείων από CMC συστήματα & Υψηλού Ραβδόγραμμα Ιστόγραμμα Πρόσβαση σε πηγές Κατάταξη σε εξετάσεις Γενική εποπτεία COMTELLA Peer to Peer σύστημα ΟΧΙ Χαμηλού Μεταφορές Αριθμός συνδέσεων Αυτο/μένος Φίλιππος Δ. Γιαννακάς 211

212 ανταλλαγής αρχείων Αρ. διαμοιραζόμενων αρχείων ChartCircles Σύστημα ΟΧΙ Χαμηλού Μεταφορές Χωροταξική διάταξη Αυτο/μένος σύγχρονων συζητήσεων Συμμετοχή LOOM Εργαλείο ΟΧΙ Χαμηλού Γραφικές Συμπεριφορά Αυτο/μένος οπτικοποίησης συμμετεχόντων σε αναπαραστάσεις Δραστηριότητες Usenet Newsgroups ActiveMath Διαδικτυακό Βάση στόχων Χαμηλού Δέντρα απόφασης Ν/Α Μη Προσαρμοστικό εκπαιδευτικό σύστημα Προτιμήσεων Προηγούμενες γνώσεις Ραβδόγραμμα αυτο/μένος i-tree Σύστημα οπτικ/ησης ασύγχ/νων συζ/ων ΟΧΙ Υψηλού Μεταφορές Συμμετοχή σε συζήτηση Αυτο/μένος Φίλιππος Δ. Γιαννακάς 212

213 CoolModes & Εργαλείο ΟΧΙ Χαμηλού Πίτες Συνεργασία Αυτο/μένος FreeStyler ανάλυσης Πίνακες Αριθμός χρηστών Διαγράμματα Συμμετοχή σε ερωτήσεις i-bee Σύστημα οπτικ/ησης ασύγχ/νων συζ/ων OXI Υψηλού Μεταφορές Κατάταξη σε συζήτηση Αυτο/μένος team.space Κοινωνικά δίκτυα ΟΧΙ Χαμηλού Μπάρες Δραστηριότητα Αυτο/μένος Πληροφόρησης Απόδοση Πίνακας 7: 1 ος Συγκριτικός πίνακας συστημάτων Φίλιππος Δ. Γιαννακάς 213

214 Σύστημα Τεχνικές Επεξεργασίας Προορισμός Πληροφόρησης INSPIRE N/A Μαθητές/ Καθηγητές DIAS N/A Μαθητές/Καθηγητές SYNERGO & MODELLINGSPACE Θεωρία δραστηριότητας (Leontie v) μοντέλο OCAF (Avouris) Καθηγητές-Ερευνητές VisNet & ViSMode Ν/Α Μαθητές/Καθηγητές ColAT Θεωρία δραστηριότητας (Leontie v) μοντέλο OCAF (Avouris) Καθηγητές-Ερευνητές CourseVis N/A Καθηγητές-Ερευνητές GISMO N/A Καθηγητές-Ερευνητές COMTELLA N/A Χρήστες ChartCircles N/A Καθηγητές-Ερευνητές LOOM N/A Ν/Α ActiveMath N/A Μαθητές i-tree Κανόνας PRISM & Naïve Bayes Μαθητές/Χρήστες CoolModes & FreeStyler N/A Καθηγητές-Ερευνητές i-bee Τεχνικές εξόρυξης δεδομένων (όχι συγκ.) Καθηγητές Φίλιππος Δ. Γιαννακάς 214

215 team.space N/A Χρήστες Πίνακας 8: 2 ος Συγκριτικός πίνακας συστημάτων 4.4. Σύστημα INSPIRE Όπως αναφέραμε και σε προηγούμενες παραγράφους το σύστημα INSPIRE χρησιμοποιείται ως μέσο παροχής διαδικτυακών μαθημάτων καθώς και συμπληρωματικά στην ενίσχυση της παραδοσιακής διδασκαλίας. Το INSPIRE με βάση τους στόχους του κάθε μαθητή, το επίπεδο γνώσης και το μαθησιακό στυλ του, δημιουργεί και διατηρεί το μοντέλο του κάθε μαθητή που εισέρχεται στο σύστημα και το ενημερώνει σε όλη τη διάρκεια της αλληλεπίδρασης, παρουσιάζοντας το αντίστοιχο κατάλληλο εκπαιδευτικό υλικό. Υποστηρίζει επίπεδα προσαρμογής (από προσαρμοστικό έως προσαρμόσιμο) και ο μαθητής μπορεί να επιλέξει το βαθμό προσαρμογής που του ταιριάζει και να μην ακολουθήσει ένα προκατασκευασμένο και καθορισμένο πλαίσιο. Ο μαθητής έχει τη δυνατότητα να ακολουθήσει είτε το πλαίσιο που καθορίζει το σύστημα, είτε να δημιουργήσει μια δυναμική σειρά μαθημάτων επιλέγοντας το επίπεδο γνώσεων και το στυλ μάθησής του. Το μοντέλο του πεδίου γνώσης βασίζεται στους μαθησιακούς στόχους που καθορίζει και επιλέγει ο μαθητής και παρέχει μια ποικιλομορφία εκπαιδευτικού υλικού (ερωτήματα, δραστηριότητες, ασκήσεις, πηγές κτλ). Στην τελευταία έκδοση του INSPIRE ( παρουσιάζονται στο μαθητή στοιχεία της αλληλεπίδρασής του με το σύστημα, τα οποία αντανακλούν τη συμπεριφορά του στη διάρκεια της μελέτης του όπως: (i) δείκτες πλοήγησης στο υλικό (σειρά επίσκεψης υλικού, γραμμικότητα, επισκεψιμότητα), (ii) χρονικοί δείκτες (χρόνος πρόσβασης στο υλικό, χρόνος μελέτης υλικού), (iii) δείκτες επίδοσης (συνολικές προσπάθειες απάντησης ερωτήσεων, επιδόσεις σε τεστ). Στοχεύοντας στην ενίσχυση της επίγνωσης των μαθητών, τα στοιχεία αλληλεπίδρασης του κάθε μαθητή συχνά παρουσιάζονται σε σχέση με το προτεινόμενο μοντέλο από το σύστημα (δηλ. τον εκπαιδευτικό), όπως για παράδειγμα οι χρόνοι μελέτης σε Φίλιππος Δ. Γιαννακάς 215

216 συγκεκριμένου τύπου υλικό παρουσιάζονται σε συνδυασμό με τον προτεινόμενο από το σύστημα χρόνο. [67] Τρέχουσα Ανάλυση αλληλεπίδρασης Χρησιμοποιώντας το εικονίδιο «Ανάλυση αλληλεπίδρασης» παρουσιάζονται στο μαθητή (εικόνες 120, 121, 122) τρεις διαφορετικές αναπαραστάσεις. Η ενημέρωση του μαθητή για αυτά τα στοιχεία αλληλεπίδρασης που διατηρεί το σύστημα, στοχεύει στην ενίσχυση του αναστοχασμού για τη διαδικασία μάθησής του, ώστε να την αναπροσαρμόσει αν χρειαστεί για την επίτευξη των στόχων του. Εικόνα 120: Αναπαράσταση της κατανομής του χρόνου του εκπαιδευόμενου σε διαφόρων τύπων εκπαιδευτικό Υλικό [67] Στην εικόνα 120 απεικονίζεται με τη μορφή πίτας ο χρόνος που ανάλωσε ο μαθητής σε συγκεκριμένο τύπο υλικού π.χ. θεωρία, παράδειγμα, άσκηση, δραστηριότητα κ.τ.λ. Φίλιππος Δ. Γιαννακάς 216

217 Εικόνα 121: Αναπαράσταση της πλοήγησης εκπαιδευόμενου σε διαφόρων τύπων εκπαιδευτικό. υλικό (οι χρωματισμοί των γραμμών απεικονίζουν διαφορετικούς τύπους υλικού) με παράλληλη απεικόνιση της διάρκειας της κάθε επίσκεψης [67] Στην εικόνα 121 απεικονίζεται η πορεία που ακολούθησε ο μαθητής κατά την διάρκεια της μελέτη του (με ποια σειρά επισκέφτηκε το υλικό π.χ. θεωρία" δραστηριότητα" άσκηση" θεωρία" ερώτημα κτλ) και τον αντίστοιχο χρόνο. Εικόνα 122: Αναπαράσταση της Αναλυτικής Παρουσίασης χρόνου μελέτης/προτεινόμενο, αριθμού επισκέψεων στο υλικό/συνολικές επισκέψεις και επιδόσεων σε ασκήσεις Αξιολόγησης [67] Φίλιππος Δ. Γιαννακάς 217

218 Στην εικόνα 122 απεικονίζονται οι χρόνοι μελέτης σε σχέση με τον προτεινόμενο από το σύστημα, ο αριθμός επισκέψεων στο υλικό στο επίπεδο της έννοιας (π.χ. η έννοια της επιλογής), ανά σελίδα εκπαιδευτικού υλικού (π.χ. ανάκληση, εφαρμογή κτλ) και είδος υλικού σελίδας (π.χ. θεωρία, παράδειγμα), οι επιδόσεις στις ασκήσεις αξιολόγησης ανά σελίδες εκπαιδευτικού υλικού. [67] Τρέχουσα Προσαρμογή Στην τρέχουσα έκδοση του INSPIRE υποστηρίζονται τα επίπεδα προσαρμογής (από προσαρμοστικό έως προσαρμόσιμο) και ο μαθητής - εκπαιδευόμενος μπορεί να επιλέξει το βαθμό προσαρμογής που του ταιριάζει και να μην ακολουθήσει ένα προκατασκευασμένο και καθορισμένο πλαίσιο. Ο μαθητής - εκπαιδευόμενος έχει τη δυνατότητα να ακολουθήσει είτε το πλαίσιο που καθορίζει το σύστημα, είτε να δημιουργήσει μια δυναμική σειρά μαθημάτων επιλέγοντας το επίπεδο γνώσεων (εικόνα 123) και το στυλ μάθησής του (εικόνα 125). Το μοντέλο του πεδίου γνώσης βασίζεται στους μαθησιακούς στόχους που καθορίζει και επιλέγει ο μαθητής και παρέχει μια ποικιλομορφία εκπαιδευτικού υλικού (ερωτήματα, δραστηριότητες, ασκήσεις, πηγές κτλ). Εικόνα 123 : Επίπεδο Γνώσεων Επίσης, το σύστημα INSPIRE επιτρέπει παρεμβάσεις του εκπαιδευόμενου στη διαδικασία δημιουργίας μαθημάτων, είτε άμεσα δίνοντάς του τη δυνατότητα να απενεργοποιήσει την προσαρμοστικότητα του Φίλιππος Δ. Γιαννακάς 218

219 συστήματος και να επιλέξει τα περιεχόμενα των μαθημάτων, είτε έμμεσα παρέχοντάς του πρόσβαση στο μοντέλο που διατηρεί το σύστημα γι αυτόν (εικόνα 124). Εικόνα 124: Προσαρμοστική Πλοήγηση Στο INSPIRE, οι εκπαιδευόμενοι, σε όλη τη διάρκεια της αλληλεπίδρασης, έχουν πρόσβαση στο μοντέλο τους (μοντέλο μαθητή επιλέγοντας το κατάλληλο στυλ μάθησης που είναι αυτό του «Ακτιβιστή», «Αναστοχαστικού», «Θεωρητικού» ή «Πραγματιστή», εικόνα 125) και αλλάζοντας τα περιεχόμενά του μπορούν να κατευθύνουν τις εκπαιδευτικές αποφάσεις του συστήματος. Το σύστημα υποστηρίζει τους εκπαιδευόμενους στην ανανέωση του μοντέλου τους παρέχοντάς τους πληροφορίες σχετικά με τον τρόπο που υπολογίζει τα διάφορα χαρακτηριστικά τους. Επιπλέον, μέσω του μοντέλου εκπαιδευόμενου, το σύστημα παρέχει πληροφορίες σχετικά με τις διαφορετικές δυνατότητες / επιλογές του εκπαιδευόμενου και τις συνέπειές τους στη λειτουργία του συστήματος. [89] Εικόνα 125: Στυλ Μάθησης Φίλιππος Δ. Γιαννακάς 219