【第220期】可視化,解讀學習分析更容易

2021-02-15 技術派老師


編者按:隨著一對一數位化環境、電子書包、智慧課堂項目的不斷推進,基於環境基礎上進行的可視化數據分析也相應的發展起來,這些項目構建的環境中多多少少也都有一些數據分析的雛形和趨勢,但是卻不是系統的、可分享和可定製的;所以教師的體驗不好,對於電子學習分析的積極性自然不高,下面我們看一下臺灣的研究者,基於xAPI這種構件化、開發標準化的可視化數據分析系統是如何推進教學的數據分析的,這對於信息技術教學生態的構建是一個很好的借鑑。

一般教師對於學習成效分析的閱讀習慣是先見林(分析數據整體摘要)、再見樹(相對應的細節數據),在「學習分析,從了解教師需求開始」文章中將學習分析信息解讀應用歸納為四個層次階段:有沒有學、怎麼學、有沒有效、拔尖扶弱,信息呈現類別依各階段的檢閱重點依序為綜整性摘要、個別學習活動(例如視頻觀看、電子書閱讀、評量測試、作業…等)班級整體摘要、以及個別學習活動或學生細節信息。

教師希望從學習分析中可以看到班級每日紀錄總覽,提供整合摘要與細節的班級綜合信息,並提供分層信息與全班進度提醒,方便讓教師在課堂結束前或下次上課前快速瀏覽掌握整體學習狀況。此外,教師更進一步希望能夠看到有關個別學習活動的行為分析。

多數現行一對一數位化學習相關服務平臺已提供平臺上教學活動的統計分析數據,其信息呈現以報表為主,輔以直方圖(Bar Chart)、圓餅圖(Pie Chart)、或趨勢圖(Trend chart)….等不同型態的的圖象說明。然而在平臺所提供的眾多信息中,什麼樣的信息內容與呈現方式對於教學設計能夠有效幫助教師掌握班級學生學習成效?

可視化呈現xAPI分析結果

隨著大數據的應用成為潮流,數據可視化越來越受到各領域的重視,在進行數據可視化的設計不單單要考察圖象的類型、色調,過程中更重要的是提供的信息內容從不同使用者的角度思考、分析內容的頁面布局安排、以及選擇適當的圖表類形(說出數據的故事:設計數據可視化的要點,Inside)。

根據場域教師需求,VisCa跨平臺分析服務以xAPI分析結果,將老師最想要知道的,透過圖表、可視化呈現關鍵分析數據,協助老師快速掌握學生學習進度、狀況、與模式。

分析學習表現趨勢,儘早發現學習落差

Visca服務分析跨平臺分析學習行為趨勢變化,學習參與或是表現下降的斜率(比例)超過一定的百分比,分析呈現會警示老師,學生可能遇到困難,在這段時間、知識點上,遇到特殊學習上的困難,老師介入輔導。學習行為趨勢區段上的變化,學習參與、平臺上的行為趨勢下降的時間超過一個時間區段(e.g. 3周),提供警示給老師,告知老師這個學生整體學習狀況在退步,可及早介入。


                          學習趨勢表現                                         學習趨勢表現    

  

分析教學內容觀看行為,找出知識弱點,調整學習內容

一般LMS只能紀錄學生做了某些事了沒,但透過xAPI學習行為紀錄分析,可以讓老師更了解一個教學內容是怎麼被學習,學生是怎麼使用、與該內容互動。以視頻來說xAPI紀錄學生觀看影片的行為(次數、模式),累積呈現視頻的觀看方式為光譜圖,透過光譜的顏色深淺分布,老師可以看出那一段知識內容被重複看最多次,有可能是學生對於該知識內容不理解,老師因此可在課堂中額外講解該知識內容,或補充相關教學資源。


也可以從光譜分析出觀看不同視頻的觀看模式(只看中間、只看頭尾、從後面開始看等…),找出該教學影片內容最有效的被使用方式,透過與成效的關聯性,協助教師判斷不同型態的內容之成效,做為與學生能力、學習行為做最佳的學習配對。

分析測試作答歷程,確認學生迷思點與錯誤點

只靠紙筆測試出來的一個分數成績,較無法協助老師做個人能力、個人化補救的判斷,透過xAPI記錄測試做答歷程,可以完整的分析學生做答的時間、選擇的順序等,老師可以透過分析結果判斷學生答對是否為猜題,找出真正迷思點。


測試作答歷程分析

學習成效分析檢視教學內容有沒有效,應該怎麼調整

最終教師想知道的依舊是到底教學有沒有效,VisCa透過整合跨平臺的表現分析,讓老師自行安排不同行為的組合、與成績表現之比較,可以區分學生之學習行為模式與分布。針對不同分群的學生,找出適合該學生的學習模式,或找出該學習內容的最有效學習行為模式,做為同群學生的參考,進而調整教學策略。

平臺學習行為與學習成效之關聯性分析

本文說明場域教師對於學習分析的使用情境與需求,VisCa跨平臺分析服務透過xAPI呈現不同層次與面相的儀錶板給教師、決策者、家長,期待透過完整的學生學習行為、成果協助教師做個人適性化的教學輔助、教學內容策略設計,在有限的教學時間與資源中實施最有效的教學。

***********

作者簡介

吳欣蓉

現任資策會數位教育研究所分析師,從事數位化教育工作多年,對於學習趨勢有高度敏感性,專職創新科技化教學導入與推動。

曹心荷

現任資策會數位教育研究所副分析師,專注於科技化創新教學場域導入與教學應用設計相關工作。

補充說明

資策會數位教育研究所與Classroom Aid在Experience API,xAPI的合作研究開發已經超過一年,xAPI是個數據結構極簡,但可以傳遞極複雜的信息,它的開放性與彈性也同時是一種門坎,所以我們針對一些基本模塊的Use Cases設計了限制詞(Controlled Vocabulary)、設定(Profile)、處方(Recipe);考慮大量數據唯有以可視化圖象呈現,才可能有效率地讓相關使用者即時掌握Data,採取行動,所以更進一步,設計了直覺化的圖表來代表各種Data,並將整個服務—VisCa—提供給學校與教育科技業者。欣蓉與心荷從教學設計的觀察角度與場域第一線的不同教師進行訪談,以收集使用者的需求與建議,掌握應用情境,分析產品可行性,對圖表與使用界面進行優化,未來並將持續與老師們合作交流,連接學習設計與學習分析。

VisCa是一個內置分析模塊的LRS,提供開發者文件,說明xAPI的規格細節、處方等信息,幫助業者上手,只要遵循設計格式送出數據,直接就可視覺化呈現該數據,大大降低採用xAPI的門坎,也讓合作夥伴有一致的數據格式,可有效率的整合學習與行為數據。

 

版權聲明:本文出自數位學習無國界(chinese.classroom-aid.com),由原作者授權發表,開放授權條件CC BY-NC-SA。小編:Daniel

歡迎關注微博@iPad教學資訊,參與我們的互動!

相關焦點

  • 周六直播:圖分析與可視化|《巴拉巴西網絡科學》最後一課
    但是畢竟在國內圖分析與可視化整體生態正在萌芽,大家對其理解也是千差萬別,於是結合自身經驗,從可視分析、圖技術生態、產品與應用這三個角度聊聊對圖分析與可視化的一點系統理解。因為本身從事產品工作,因此並不是在技術上進行更多的探討,而是秉承著「好讀書不求甚解」的精神,為大家梳理一些應用思路,供參考。
  • 高級轉錄組調控分析和R語言數據可視化第十三期 (線上開課)
    而且分析思路簡潔清晰,是入門生信,學習生信分析思路和數據可視化的首選。數據分析是相通的,通過一個簡單的課程理解其中的原理,就可以推而廣之,延伸到其它類型的數據分析,如擴增子、宏基因組、單細胞等。第十三期 高級轉錄組調控分析和R數據可視化在於2021年4月17日線上開課,將系統講述基於和不基於比對的轉錄組分析流程,從原始數據到表達矩陣、差異基因、轉錄組拼裝、可變剪接、非編碼RNA、ceRNA、轉錄因子調控網絡、富集分析、加權共表達網絡、通路分析、可視化繪圖、機器學習等一系列常見操作,理論和實踐兼備。
  • 微生物組-擴增子16S分析和可視化第10期(線上/線下同時開課,本年最後一期)
    目前可以通報的信息:在廣大粉絲的期待下,《生信寶典》聯合《宏基因組》在北京於2020-12-4到 2020-12-6推出《擴增子16S分析》專題培訓第10期(線上課和線下課程同步開通Shell和R學習大綱,首創Rstuio中滑鼠點擊可完成Shell腳本和R語言分析,既打開生信的大門,又不會增加生物學家時間成本二、圖表解讀和繪製針對很多老師缺少系統的生信背景,看不懂分析文章圖表,更對繪製各式圖表手足無措。我們推出過如下兩個系列,共16篇原創文章,對8種圖形進行講解和R語言繪圖。
  • 從數據可視化到交互式數據分析
    在任何情況下,所有的項目都要求分析人員熟悉內容及其含義並執行多項轉換,既要熟悉數據(例如:經常對數據進行切片,切割和聚合)又要為計劃進行的分析做好準備。(4)從數據中創建模型並非所有項目都需要這一步,但有些項目需要。當通過建立模型可以更容易地解答問題時,使用統計建模和機器學習的方法會很有用。
  • 數據可視化與信息可視化怎麼搞?
    可視化作為解決這問題的有效手段,通過視覺的方式讓數字易於理解。本文梳理了可視化相關內容,並且根據數據平臺組同仁們在可視化項目過程中使用經驗,總結一些可視化使用注意事項,與大家分享。數據可視化和信息可視化都是可視化的一種方式,數據可視化將資料庫中每一個數據項作為單個圖元元素表示,大量的數據集構成數據圖像,同時將數據的各個屬性值以多維數據的形式表示,可以從不同的維度觀察數據,從而對數據進行更深入的觀察和分析。信息可視化,旨在把數據資料以視覺化的方式表現出。信息可視化是一種將數據與設計結合起來的圖片,有利於個人或組織簡短有效地向受眾傳播信息的數據表現形式。
  • 最後1天|宏基因組分析第8期(報名直播課免費參加線下2020.7)
    》專題培訓第八期(線上課已開通,可以報名,線下課程時間待定),為大家提供一條走進生信大門的捷徑、為同行提供一個宏基因組分析學習和交流的機會、助力學員真正理解分析原理和完成實戰分析,獨創四段式教學(3天集中授課+自行練習2周+再集中講解答疑+上課視頻回看反覆練習),「教—練—答—用」四個環節統一協調,真正實現獨立分析大數據
  • Python數據分析可視化教程學習
    這幾個問題展開,讓大家全面了解該教程適不適合自己學習。如果對數據分析感興趣就接著看下去吧!一、為什麼要學習可視化教程?一是時代和市場發展潮流的需要。目前人類社會正在從IT時代步入大數據時代,學習Python數據分析可視化,無疑可以走在時代技術發展的最前沿,做大數據時代的弄潮兒。另外處於對自身職業規劃的需要,我們也要掌握Python數據分析可視化的技能。現在放眼望去,無處不在的數據分析師,已經成為了許多企業的核心職業。而且該Python教程包括了主流的數據分析庫,是大家學習數據分析的絕佳選擇。二、可視化教程學什麼?1、理論與實踐,相輔相成。
  • Tableau介紹與上市企業的可視化數據分析案例
    去年年末,我們數據小組的同學們利用業餘時間,用Python在新浪財經和其他財經網站爬取了所有上市公司的年報數據,並用Tableau軟體做了一個很漂亮的可視化分析報告
  • 關注可視化文本分析中的技術優勢——基於全國教育科學規劃教育技術類課題的命題分析
    傳統同類型主題研究幾乎都僅聚焦於現狀及發展變化上,而採用可視化文本分析後,通過關係和規律的可視化揭露,應能在分析的視角上有所突破,比如命名中的一些構造規則和常用範式,以及課題研究的區域分布特點等。3.文本可視化工具的選取可視化文本分析提供了一條不同於以往的全新方式去解讀文本。
  • 大數據產品分析:淺析數據可視化
    數據可視化是什麼?數據可視化——藉助於圖形化手段,清晰有效地傳達與溝通信息同時對數據進行交互分析。為什麼需要?市場分析優秀的數據可視化講究場景應用,結合數據分析邏輯,制定高效決策。好的數據可視化的體驗,是通過美好有效的表達更好的分享和傳達數據信息。數據可視化給大數據的各種實踐落地提供了檢驗依據,大量枯燥的數據可以通過數據合理的數據可視化實踐,得以落地且容易被用戶感知。
  • 數據可視化,職場數據分析都需要哪些常用的圖表?
    ,便於讓讀者更高效閱讀,而不單是自己使用,通過數據可視化突出數據背後的規律,以此突出數據中的重要因素,並且,數據可視化可以將數據變得更加直觀。  使用圖表數據可視化的作用  使用圖表來展示數據主要有三個作用:  表達形象化:使用圖表可以化冗長為簡潔,化抽象為具體,化深奧為形象,使讀者或聽眾更容易理解主題和觀點。  突出重點:通過對圖表中數據的顏色和字體等信息的特別設置,可以把問題的重點有效地傳遞給讀者或聽眾。
  • 用數據可視化的方式做匯報,更容易顯現成績、升職加薪更近一步
    想要讓老闆在短時間內看懂我們想要表達的內容,就需要對表格數據進行可視化操作。俗話說:字不如表,表不如圖。一圖勝千言,通過數據可視化可以直觀的表明我們的態度,也能在老闆面前更好的展示自己。如果將上面的表格翻譯成下面一張圖,那是不是更容易讓人理解和讓人產生興趣:可能大家都有意識到,通過圖來表達,意圖會更清晰,更簡單,但是缺乏有效的手段來將數據翻譯成可視化,那麼今天分享一款簡單的大數據可視化分析工具:通過NBI一站式大數據可視化分析平臺,只需三步
  • SCENIC轉錄因子分析結果的解讀
    但實際上隨著越來越多單細胞研究從CNS正刊跌落到CNS子刊,再到普通的數據挖掘文章,所謂的進階分析也要淪落為標準分析啦。不過,雖然SCENIC轉錄因子分析越來越普通,但它的難度並不會降低,在試圖學習這個分析方法之前,我們必須先看看SCENIC轉錄因子分析的實例,多讀文獻,總歸是沒有錯的!
  • 可視化後的零售數據分析,問題原因一眼揪出
    但如果將零售數據分析可視化,通過多圖聯動、任意智能鑽取等功能快速鎖定問題原因,那就能對症下藥,直接採用有效決策扭轉盈虧。 精準鎖定原因,輔助科學決策,是將零售數據分析可視化顯而易見的好處。除此之外,零售數據分析可視化還有另一個無法忽略的優勢:靈活貼近業務,基於業務實際展開分析。
  • MATLAB 統計分析與數據可視化
    對數據進行分析,讓數據更可視學術中國第十三期MATLAB統計分析與數據可視化研習營 在大數據的海洋裡
  • 55 個實用大數據可視化分析工具
    雖然R主要用於統計分析或者開發統計相關的軟體,但也有用作矩陣計算。其分析速度可比美GNUOctave甚至商業軟體MATLAB。如果你需要製作信息圖而不僅僅是數據可視化,Visual.ly是最流行的一個選擇。Processing是數據可視化的招牌工具。你只需要編寫一些簡單的代碼,然後編譯成Java。Processing可以在幾乎所有平臺上運行。
  • 如何選擇數據分析可視化工具?Excel,Tableau還是Power BI?
    正確分析使用數據可能會挖到寶藏。那麼,作為個人或公司,如何選擇分析和可視化數據的工具?數據可視化 可視化是突出顯示必要數據的好方法。 在使用excel進行數據可視化時,需要首先處理存在的數據,然後手動創建不同的圖表,圖形。為了使可視化易於理解,需要好好學習excel的功能。
  • 帶你輕鬆玩轉可視化分析案例(下)
    圖10.4.2 每項指標性能10.4.3 監控可視化的意義2012年秋季,醫療保險公布了基於價值的採購的Southern Maine醫院的最終數據盈利,增加了1.024%。使用DataFocus監控進度,通過可視化的操作分析,改善醫院財務狀況,更為重要的是,提高了病人護理和體驗。
  • 大數據可視化常用分析圖表的優缺點
    可視化圖表次整理了一些平常不太使用,但在合適的場景的使用它們,往往能為你的分析報告加分不少的圖表。
  • 教育科研中的數據可視化分析
    在科研實踐中,數據分析可幫助人們做出現狀、趨勢或相互關係的判斷,以便採取適當決策、制訂相關政策和開始行動。因此,它也是從事此類研究的科研人員的基本功。從圖線上還可以簡便求出需要的某些結果,讀出沒有進行觀測的對應點(內插法)或在一定條件下從圖線的延伸部分讀到測量範圍以外的對應點(外推法)。此外,還可以把某些複雜的函數關係,通過一定的變換用直線圖表示出來。在信息可視化如此流行的今天,以圖為表徵的數據的可視化分析自然也就越來越為人們所重視。數據可視化是數據分析工具最基本的要求。