Besimokančiųjų stebėsena, parama ir įtrauktis mokymosi duomenų analizės pagrindu

Kaip pabrėžta konceptualiame įvade, tinkamai suplanavus kaip skaitmeninės technologijos galėtų būti panaudojamos studijų dalyke tiek vertinimo, tiek kitais mokymo ir mokymosi tikslais, galima gauti daug įvairių duomenų. Todėl dėstytojams labai svarbu žinoti, kaip sukonfigūruoti mokymosi valdymo sistemą (LMS) ir sukurti mokymosi veiklas, kurios generuotų jiems reikalingus skaitmeninius įrodymus.

Kurdami studijų dalyką įsitikinkite, kad dalyko struktūra yra nuosekli ir aiški, studentai gali lengvai sekti ir atpažinti mokymosi kelią "Moodle" sistemoje, o mokymosi ištekliai aprašyti kaip privalomi ar papildomi. Dalyko užduotys turėtų padėti sukurti skaitmeninius įrodymus (plačiau 1.2.1) ir būti susietos su dalyko rezultatais, remiantis dalyko įverčių knygele (plačiau 1.2.2). Toks suderinimas ir konfigūracija leidžia studentams suprasti, kaip vyks jų mokymasis ir kokie yra pagrindiniai sėkmingo dalyko baigimo kriterijai ir reikalavimai. Besimokantieji supras, kokius išteklius reikia analizuoti, kokia veikla vykdoma siekiant išmokti dalyką ir kaip kiekviena užduotis prisideda prie mokymosi rezultatų pasiekimo.

Šiame poskyryje pasidalinsime rekomendacijomis dėl svarbių sąlygų, į kurias reikia atsižvelgti kuriant mokymosi veiklas VMA. Pirmiausia aptarsime pagrindinius nustatymus, kuriuos reikėtų sukonfigūruoti kuriant mokymosi veiklą, skirtą besimokančiųjų pažangai sekti ir remti savivaldų mokymąsi. Antra, aptarsime diskusijų forumo ir dalyvavimo veikloje nustatymus. Galiausiai pristatysime, kaip pridėti ir susieti mokymosi rezultatus su mokymosi veikla. Po šių rekomendacijų taip pat paaiškinsime, kodėl šie nustatymai yra svarbūs galvojant apie duomenų analizę ir besimokančiųjų įsitraukimą.