Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Rubrick Analytics: eina de gestió del retorn personalitzat

248 views

Published on

Rubrick Analytics: eina de gestió del retorn personalitzat

M. Jesús Marco, David Baneres

Published in: Education
  • Be the first to comment

  • Be the first to like this

Rubrick Analytics: eina de gestió del retorn personalitzat

  1. 1. Rubrick Analytics: eina de gestió del retorn personalitzat M. Jesús Marco, Estudis d'informàtica, Multimèdia i Telecomunicació, Universitat Oberta de Catalunya David Baneres, Estudis d'informàtica, Multimèdia i Telecomunicació, Universitat Oberta de Catalunya En qualsevol context d’aprenentatge, el feedback resulta un element clau que complementa i acompanya la qualificació que el professor fa de les activitats d’avaluació continuada de l’estudiant. Facilita a l’estudiant les correccions, comentaris i suggeriments per a millorar i continuar el seu procés d’aprenentatge al llarg del semestre. En aquesta article, presentem l’eina Rubrick dissenyada als Estudis d'Informàtica, Multimèdia i Telecomunicació de la UOC tant per facilitar el procés d’anàlisis del retorn personalitzat. Fonamentalment, el retorn té dues funcions complementàries. La primera comunicar a l’estudiant el grau d’assoliment dels objectius i/o competències proporcionant-li recursos que li permetin corregir i millorar el seu nivell. Per exemple “Hauries de revisar el concepte de recursivitat que trobaràs al tema 3 dels materials perquè has comès alguna errada que indica que encara tens dubtes sobre aquest concepte”. La segona, impulsar i guiar l’aprenentatge oferint pautes per tal que l’estudiant pugui progressar i autoregular-se. Per exemple “Els qui hàgiu acabat el disseny de l’algorisme del primer exercici, podeu consultar el manual de Codificació en llenguatge C on trobareu pautes per poder-lo codificar i així aneu avançant la tasca que haureu de fer a la propera activitat”. Aquestes dues funcions es poden articular a través de diferents tipus de feeback: a) el retorn general, per exemple, la solució d’una activitat que es publica a l’aula; b) el retorn personalitzat grupal, com ara un informe que el professor envia als estudiants indicant quins han estat els errors més freqüents que han comès els estudiants en aquella aula); o c) el retorn individual on es realitza la correcció detallada i concreta de l’exercici de cada estudiant. Depenent del tipus de competències i objectius de l’activitat serà més adequat donar un o altre tipus o diversos a la vegada. Partint d’aquest marc conceptual del feedback, la potencialitat i la influència que el feedback pugui tenir per als estudiants en els seus resultats d’aprenentatge és molt important. Però també és cert que posar-ho en pràctica no és pas senzill. La gestió manual del feedback pot ser una tasca molt feixuga i no escalable en assignatures amb un gran nombre d'estudiants. A més, la gestió manual inhabilita l'opció de fer una anàlisi del resultats, ja que no hi ha cap forma automatitzada de recollir i analitzar els resultats del feedback.
  2. 2. L’eina que presentem intenta facilitar al professor dos aspectes concrets dins tot aquest procés. Per una banda, sistematitzar l’elaboració del retorn personalitzat individual, i, per una altra, simplificar la manera de fer arribar aquest retorn als estudiants. En [1] es pot trobar la descripció completa i detallada tan de l’eina com dels primers resultats del seu ús en les assignatures de "Fonaments de computadors" i "Competència comunicativa per a professionals de les TIC" en estudis grau d'Informàtica, Multimèdia i Telecomunicació de la UOC. Encara que l'eina es pot utilitzar tant en un entorn presencial com virtual, l'article mostrava com mitjançant aquesta eina es podia gestionar de forma eficient i sostenible el retorn individualitzat en un entorn virtual. A més, les assignatures seleccionades tenien la particularitat de ser assignatures de primer semestre dels graus amb una elevada matrícula. L’eina presentada en [1] és una plataforma web que dóna suport a tot el procés de retorn personalitzat des de la generació de les matrius de correcció per cadascuna de les activitats fins a l’enviament del retorn a l’estudiant. Les matrius de correcció de cada activitat estan inspirades en el concepte de rúbrica, entesa com a una relació d'indicadors que determinen els aspectes clau a considerar i avaluar en cada activitat, juntament amb una descripció dels diferents nivells de qualitat en la seva resolució (en el nostre cas: no arriba al mínim, mínim exigible, desitjable, excel·lència). Aquesta rúbrica serveix de pauta tant per la correcció de l’activitat com per l’elaboració del feedback. A efectes pràctics, la plataforma proporciona les següents funcionalitats: • Creació de les matrius de correcció i la rúbrica associada. • Gestió de les matrius per la correcció de cadascuna de les activitats i per cada estudiant. A més, el sistema té la particularitat de poder realitzar l'avaluació de forma sense connexió. D'aquesta forma, l'avaluació es pot realitzar en tot moment sense tenir que estar constantment connectat l'eina. El sistema manega les matrius en forma de fulles de càlcul i té un sistema d'exportació i importació de matrius. Fem notar que el sistema incrementa notablement l'eficiència i l'escalabilitat del feedback, ja que aquest sistema elimina la gestió i l'enviament manual del resultat del feedback. D'aquesta forma el professor es pot focalitzar més en la realització del feedback i no tant en la gestió del mateix. • Comunicació dels resultats: Un cop elaborades les matrius i carregades a l’eina, l’estudiant pot consultar el seu retorn individualitzat. En aquest article volem fer èmfasi en un aspecte concret de l’eina: la seva potència per conèixer en temps real el progrés dels estudiants. El fet de tenir incorporats els resultat de cada indicador de la rúbrica per cada activitats i estudiant ens permet explotar aquesta informació de manera automàtica. D'aquesta forma el professor pot fer una explotació de les dades de tot el grup d'estudiants de cada aula i de l'assignatura en general. Concretament, l'anàlisi de dades pot permetre: • Saber quines competències majoritàriament estan ben assolits i quins no, on hi ha dificultats per d’aquesta manera reforçar aquests aspectes a nivell d’aula, insistir, reconduir les properes activitats, reforçar-ho amb material complementari, etc. • Situar el nivell de cada estudiant dins del grup. • Detectar mancances en els materials.
  3. 3. • Detectar problemes en les activitats en temps real. • Elaborar de manera eficient i eficaç el retorn personalitzat grupal. • Fer comparatives entre els resultats de les diferents aules o entre diferents semestres. En definitiva, a més de facilitar l’elaboració i enviament de feedback als estudiants és una molt bona eina per copsar el progrés dels estudiants a un nivell de detall molt més fi que el que permeten els sistemes estàndards i, a més, en temps real. D’aquesta manera es poden fer correccions i millores immediates en el mateix semestre. Com a treball futur, es proposa analitzar en profunditat els resultats obtinguts en les proves pilot realitzades en [1] i com poden ajudar en el redisseny de les assignatures i en la planificació de futurs semestres per a millorar la docència de les assignatures. Acknowledgements: This research was partly funded by the Spanish Government through the project TIN2013- 45303-P "ICT-FLAG" Enhancing ICT education through Formative assessment, Learning Analytics and Gamification. Referències: [1] Baneres, D.; Marco M.J., "Análisis del retorno personalizado en un entorno virtual de aprendizaje," XIX Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI), pp.85-92, 10-12 July 2013 doi:10.6035/e-TIiT.2013.13

×