數位學習 : 議題與方法進階工作坊 – 重點整理

黃祖萱

數位學習 : 議題與方法進階工作坊從方法的多元性和資料的多樣性看數位學習的理想樣貌 – 宋曜廷 教授

從方法的多元性和資料的多樣性看數位學習的理想樣貌 – 宋曜廷 教授

•理想樣貌

•理論發展 :

• 連結

• 檢驗

• 創發

從方法的多元性和資料的多樣性看數位學習的理想樣貌 – 宋曜廷 教授

• 實務 :• 影響目標

• 廣度 : 人 、 行為

• 深度 : • Efficiency 效率 – 容易派送 & 容易回收

• Effectiveness 效用 – 提升學習動機

• Efficacy 效能 – 自我感覺

從方法的多元性和資料的多樣性看數位學習的理想樣貌 – 宋曜廷 教授

• Sung software (2007) – what teachers used are an un-evolution and de-

contextualized → 目前至今，除了 Microsoft 的文書軟體，尚無老師可以使用於教學的軟體。

• 推薦讀本 : what works cleaning house? → 什麼樣的研究有效 / 無效 ?

http://ies.ed.gov/ncee/wwc/pdf/reference_resources/

wwc_procedures_v2_1_standards_handbook.pdf

• 最佳實驗時間 : 12 weeks

數位學習 : 議題與方法進階工作坊數位學習的理論創新 ( 一 ) : 以 knowledge building 為例子 - 洪煌堯教授

數位學習的理論創新 ( 一 ) : 以 KNOWLEDGE BUILDING 為例子 - 洪煌堯教授

• Learning :

• Idea to explain facts or events – 解釋事實或事件

• Idea suggested or presented as possibly true – 證實

• General principle / idea relate to a particular subject –

應用領域上

數位學習的理論創新 ( 一 ) : 以 KNOWLEDGE BUILDING 為例子 - 洪煌堯教授

• Brown (2004) - 四張圖片說明學習是什麼

• 填充知識

• 個人成長

• 探索

• 合作共構

數位學習的理論創新 ( 一 ) : 以 KNOWLEDGE BUILDING 為例子 - 洪煌堯教授

• Learning as acquisition

• 行為的改變• 獲得 :

• 早 – 強調記憶和知識的獲得• 近 – 合作、有效溝通 :

• 舉例 : • 任務• 程序• 標準• 元件

數位學習的理論創新 ( 一 ) : 以 KNOWLEDGE BUILDING 為例子 - 洪煌堯教授

• Learning as participation

• 參與 :

• 主動 > 被動 ( 例如 . Second life)

• 學習過程、能力的培養

• Learning as creation

• 創造 : 學習變成自然而然的事情

數位學習的理論創新 ( 一 ) : 以 KNOWLEDGE BUILDING 為例子 - 洪煌堯教授

• Knowledge building:

• Definition : a social process focued on sustained production idea

and improvement of value to a community.(Scardamalia&

Bereiter,2006)

77-83: K-tellingK-transforming

83-88:Communication patterns and practiceCSILE

88- now:Knowledge-buildingCSILE evolved in knowledge forum

• KB history :

數位學習的理論創新 ( 一 ) : 以 KNOWLEDGE BUILDING 為例子 - 洪煌堯教授

數位學習的質化研究 ( 一 ): 討論區資料分析 – 陳斐卿 教授

數位學習 : 議題與方法進階工作坊

數位學習的質化研究 ( 一 ): 討論區資料分析 – 陳斐卿 教授

• 篇 → 串 → 學習現象

• 分析過程 :

• Reification 具化 – 討論區的貼文

• Participation 參與 – 參與的芳蹤

數位學習的質化研究 ( 一 ): 討論區資料分析 – 陳斐卿 教授

數位學習的質化研究 ( 一 ): 討論區資料分析 – 陳斐卿 教授Theoretical elements considered in the dimensions of analysis

數位學習的質化研究 ( 一 ): 討論區資料分析 – 陳斐卿 教授

單篇編碼

• 內容• 屬性

• 知識推進

• 前一篇• 回溯關係

• 前後篇• 互為主體性

破綻• 時間脈絡被切割• 回應脈絡被切割• 沒貼的訊息被忽略• 貼文屬性片斷化• 合作線索消失• 共構進退模糊化

Explicit

誰

何時

哪一篇

內容

使用什麼鷹架

所屬的串

所關切的議題

Implicit

特性 腳色

接應時機

接應關係

回應性質

鷹架的在意與棄用

長度

知識程度

About one post

Explicit

多少人

上線數

貼文量

多少串

串長度

串生命長度

成員活躍屬性

Implicit

發言意圖

進出脈動

學到什麼

接應關係

互為主體性

投入程度

團體學習

About one forum

人

>100

99-10

<10

行為類別

活躍者

投入者

周邊者

層次

個人

小組

社群

類別

學科興趣、人際交流

學科議題、協調議題

資訊知識交流、生活運作

數位學習的量化研究 (三 ): 數位學習實驗設計的缺失與改進 – 以行動學習為例 – 宋曜廷 教授

數位學習 : 議題與方法進階工作坊

數位學習的量化研究 (三 ): 數位學習實驗設計的缺失與改進 – 以行動學習為例 – 宋曜廷 教授

•實驗設計 :

•定位因果關係

•決定效果大小

•推論到外部環境

1. Best evidence meta-analysis(e.g., Cheung, Sung 2013)

•受試隨機分派 → 除非被分派單位 > 30 ，否則須提出前測資料，且實驗組和控制組的前測不得超出 50 % 的差異

•要有與控制組有關的依變項，不能只測量實驗組有處理的資料

數位學習的量化研究 (三 ): 數位學習實驗設計的缺失與改進 – 以行動學習為例 – 宋曜廷 教授

2. 品質評判標準 (Valentine & Cooper) :

•內在效度 : 實驗設計類型 •前後測 + 質性研究 •等組 ( 能力相等 )

•Best case : 等組前後測 ( 受試者間的比較 )

數位學習的量化研究 (三 ): 數位學習實驗設計的缺失與改進 – 以行動學習為例 – 宋曜廷 教授

2. 品質評判標準 (Valentine & Cooper) :

•外在效度 : •受試者人數• 實驗組 24 人

• 控制組 24 人

•介入時間

數位學習的量化研究 (三 ): 數位學習實驗設計的缺失與改進 – 以行動學習為例 – 宋曜廷 教授

2. 品質評判標準 (Valentine & Cooper) :

•Construct ( 構念 ) 效度 : 依變項測量 – 信度、效度

數位學習的量化研究 (三 ): 數位學習實驗設計的缺失與改進 – 以行動學習為例 – 宋曜廷 教授

2. 品質評判標準 (Valentine & Cooper) :

• 統計和結果的變化 : • Effect size

• Cohen’s d or Hedge’s g:

• d .2 : small (57.9%)

• d= .3 - .7 : medium

• d .8 : large (78.8%)

• d= 3.0 : huge(99.9%)

• d= 4.2 : incredible

數位學習的量化研究 (三 ): 數位學習實驗設計的缺失與改進 – 以行動學習為例 – 宋曜廷 教授

• 概念和操作間的適合度 ( 實驗的介入和研究問題有關 )

• 因果推測的清晰度

• 不要讓外在事物影響 ( 無關變因 )

• 起始條件、能力差不多

• 研究結果的普遍性 : 推測到外部環境

• 結果預測的準確度

數位學習的量化研究 (三 ): 數位學習實驗設計的缺失與改進 – 以行動學習為例 – 宋曜廷 教授

數位學習 : 議題與方法進階工作坊數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

• 特性 :

• 忠實地記錄複雜事件的細節以及口語資料以外的事件資訊 → 神情 、 表情 、手勢 、 姿態 、 空間位置 、 工具使用

• 跨越時空限制重複觀看 : 允許不同的研究者在不同的時間、地點，以不同的觀點檢視完全相同的資料 → 提高研究的可靠性

• 可用於民族誌、言談分析、互動分析、會話分析，透過編碼、計數等轉換程序後，進行量化分析

• 可避免自陳資料中發生的社會期望偏誤，減少研究對象「陳述行為」和「實作行為」之間的落差

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

• 錄影資料的登錄 – 建立目錄 • 目的 :

• 協助研究者確認資料的大概內容

• 重要事件出現的時間

• 錄影資料的選取

• 登錄系統根據結構性 和 細節程度有多種不同形式

• 內容筆記的撰寫方式，需預想接下來的分析步驟 ( 研究問題 )

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

•錄影資料的選取 : •歸納 : 當探索性研究、研究問題具方向性但仍不夠具體

→ 隨著對資料內容的理解，再界定更深入的研究問題

•演繹 : 已有具體的理論和明確的研究問題

→ 根據登錄系統，確認或建立一個適當的資料庫，並選 取樣本來檢驗研究問題

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

• 錄影資料的表徵 :

• 巨觀編碼 (macro level coding): 呈現整個錄影收集過程的主要活動內容、序列、流程。

• 目的 :

• 總結整個過程大要

• 提供必要的歷史脈絡

• 確認重要事件發生的時機

• 視覺化圖形 : 運用各式不同的圖形來摘要影片資料的架構和主要內容

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

•錄影資料的表徵 :

•轉譯稿 :

• 研究者應思考何種細節程度的資料助於瞭解關心的現象或問題

• 由於研究焦點不同，產生不同版本的逐字稿。

• 技術性、理論性、分析性

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

•錄影資料的表徵 :

•轉譯稿面向 :

• 空間配置

• 文字及相關註記

• 標示不確定字

• 分段話語單位和符號、停頓、重疊、動作

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

• 錄影資料的分析和詮釋

• 質性研究應用 :

• 描述 : 紀錄 、登錄、選取、表徵

• 分類 : 歸類、命名、編碼

• 連結 : 分析碼之間、類別之間、理論與資料之間

• 量化研究應用 :

• 定義研究問題

• 資料管理 : 登錄、選取、表徵

• 分類編碼計算

• 統計分析

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

•混合研究法的應用 :

• 多重驗證 (triangulation)

•嵌入 (embedded) :

• 解釋 (explanatory)

• 探索 (exploratory)

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

缺點 : 1.使用量化分析容易受限於預先的理論和假設

2. 只有數值資料，不易與一般大眾做簡易說明

• 錄影分析的信效度 :

• 可應用於錄影分析的多重驗證方式有四種 : 資料、研究者、理論、方法 (Mathison,1989)

• 提供審核線索、厚實描述 : 詳細記錄研究過程

• 提高錄影分析的客觀度 : 降低偏見、分析結論合理性

• 長期進駐研究場域 : 進行持續觀察，收集較大樣本、較多觀察點、較高次數事件

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

• 錄影紀錄的限制

• 抽樣誤差

• 善於捕捉區域性、短期脈絡中的很多面向，但不能紀錄長期的脈絡資訊，需補註歷史檔案

• 使用科技軟體輔助錄影分析

• Diver

• Transana

數位學習的混合研究 ( 一 ) : 錄影分析 – 吳心楷 教授

以上為我的整理筆記，感謝數位學習 - 議題與方法進階工作坊

Thank you