Gerosios patirties pavyzdys
Pavadinimas:
Reflektyvus mokymasis, mokymas
ir mokymosi duomenų analize paremtas vertinimas (Volungeviciene
ir kt., 2021)
Universitetas: Vytauto Didžiojo universitetas (VDU), Lietuva
Kokias DigiCompEdu modelio kompetencijas ir mokymosi rezultatus mes nagrinėjame?
Kompetencijos |
Mokymosi rezultatai |
|---|---|
Savivaldus mokymasis Vertinimo strategijos Aktyvus besimokančiųjų įtraukimas Duomenų analizė |
- naudoti skaitmenines technologijas (pvz., tinklaraščius, dienoraščius, planavimo įrankius), kad besimokantieji galėtų patys planuoti savo mokymąsi. - Naudoti skaitmenines technologijas, kad besimokantieji galėtų apmąstyti ir savarankiškai įvertinti savo mokymosi procesą. - Kritiškai apmąstyti skaitmeninių vertinimo metodų tinkamumą ir atitinkamai pritaikyti strategijas. - Aktyviam besimokančiųjų naudojimuisi skaitmeninėmis technologijomis skirti pagrindinį dėmesį mokymo procese. - Kurti ir įgyvendinti mokymosi veiklas, kurių metu būtų gaunami duomenys apie besimokančiųjų veiklą ir rezultatus. |
Svarbiausi aspektai: Šis atvejis pagrįstas konkretaus Moodle aplinkoje dėstomo studijų dalyko analize ir pateikia pavyzdžius, kaip dalyko dėstytoja taiko metakognityvines strategijas planuodama mokymo ir mokymosi turinį.
Kiekvienoje paskaitoje studentai supažindinami su teoriniais ir praktiniais pagrindais, reikalingais užduočiai įgyvendinti. Užduočių įgyvendinimo priemonėse išlaikomi rodikliai ir kriterijai, kurie susieti su teorinėmis ir praktinėmis nuorodomis ir kuriuos studentai turėtų taikyti užduočių įgyvendinimo metu.
Siekiant užtikrinti, kad studentai suvoktų savo pažinimą, mokymosi strategijas ir mokymosi proceso valdymą, yra parengtas studijų vadovas, kurį prieš prasidedant dalykui parengia dėstytojas. Šiame studijų vadove, kartu su kita svarbia su dalyku susijusia informacija, studentai mato užduotis ir jų aprašymus, taip pat lūkesčius dėl jų atlikimo. Studijų vadove pateikiama užduočių seka ir jų sąsaja su teorija bei mokymosi strategijos planavimu (1 pav.). Kartu studentai gali matyti, kada ir kur reikalingas jų dalyvavimas.
1 pav. Ištrauka iš studijavimo vadovo (Volungeviciene et al., 2021, p. 164).
Tikimasi, kad iš anksto žinodami, kaip kiekvienas teorinis pristatymas ir tema susiję su užduotimis, besimokantieji geriau supras, kaip jie turi planuoti savo mokymąsi, kad laiku atliktų užduotis ir neatsiliktų nuo bendro dalyko mokymosi proceso. Kiekviena užduotis išsamiai aprašyta studijų vadove ir Moodle sistemoje, nurodant pateikimo laiką, vertinimo kriterijus ir numatomą formatą (pvz., esė, pristatymas, vaizdo įrašas, minčių žemėlapis).
Tokiu būdu užduočių aprašymas ir tikėtini besimokančiųjų rezultatai paaiškinami pačioje kurso pradžioje. Dėstytojai ir studentai taip pat gali matyti:
(1) užduotis, susietas su kurso kalendoriumi (nustatant priminimus besimokantiesiems) (2 pav.)
2 pav. Studijų dalyko kalendorius (adaptuota iš Volungeviciene et al., 2021, p. 165).
(2) užduotis, integruotas su Moodle dalyko pažangos juosta (3 pav.)
3 pav. Užduočių ir mokymosi pažangos integravimas Moodle (Volungeviciene et al., 2021, p. 166).
(3) veiklos atlikimo įrankius (4 pav.) ir (4) užduotiis, susijusias su mokymosi rezultatais..
4 pav. Savęs vertinimas užduočių ir mokymosi įgyvendinimui naudojant veiklos užbaigimo įrankius Moodle aplinkoje (Volungeviciene et al., 2021, p. 166).
Sukūrę įrankius, kurie generuoja duomenis, dėstytojai gali stebėti besimokančiųjų įsitraukimą ir stebėti mokymosi procesą bei studentų pasiekimus, pastebėję vėlavimus ar problemas.
Aktualumas dėstytojams: Kaip matyti iš pavyzdžio, reikėtų įsitikinti, kad mokymosi turinio sprendimai ir kurso veiklos konfigūracija yra nuoseklūs ir aiškūs. Prieš pradedant dėstyti dalyką galite parengti studijavimo vadovą, kuriame būtų parodytas mokymosi kelias, užduočių atlikimo terminai ir veiklos užbaigimo nustatymai. Tada šias datas galite įtraukti į kalendorių ir suderinti mokymosi veiklą su mokymosi rezultatais. Iš anksto pateikus informaciją studijavimo vadove, taip pat turėtų būti aiškiai aprašytos užduotys, vertinimo kriterijai ir lūkesčiai dėl studentų rezultatų. Šios priemonės leis jums rinkti duomenis apie studentų mokymąsi ir įsitraukimą. Žinodami, ko iš jų tikimasi ir kaip organizuojamas mokymosi procesas, studentai galės lengviau įsitraukti ir lavinti savivaldaus mokymosi gebėjimus. Taip pat, šios priemonės gali padėti dėstytojams laiku priimti duomenimis pagrįstus sprendimus dėl mokymosi turinio planavimo tobulinimo.
Literatūra
Volungeviciene, A., Tereseviciene, M., & Trepule, E. (2021). Learning Analytics: a Metacognitive Tool to Engage Students. Research study. Sciendo. https://doi.org/10.2478/9788366675643