Đánh giá Máy tính Cá nhân hóa Cải thiện Hiệu suất của Học sinh
Nhà nghiên cứu Robert Lindsey, một nghiên cứu sinh tại Đại học Colorado, cho biết: “Nghiên cứu của chúng tôi cho thấy rằng dữ liệu thu thập từ một nhóm người học có thể được tận dụng để cá nhân hóa bài đánh giá cho từng sinh viên, mang lại lợi ích đáng kể so với bài đánh giá một kích cỡ phù hợp với tất cả. Đá tảng.
“Và bài đánh giá toàn diện, có hệ thống này có thể được tích hợp vào lớp học một cách thiết thực và hiệu quả.”
Phát hiện của họ được xuất bản trong Khoa học Tâm lý, một tạp chí của Hiệp hội Khoa học Tâm lý.
Lindsey và các đồng nghiệp quan tâm đến việc sử dụng các mô hình tính toán để dự đoán tác động của nghiên cứu cách nhau đối với việc học, nhưng họ cũng muốn đảm bảo tính hợp lệ trong thế giới thực của công việc của họ.
Cộng tác với một giáo viên dạy tiếng Tây Ban Nha lớp tám, các nhà nghiên cứu có thể thu thập dữ liệu từ 179 học sinh trong một học kỳ.
Các sinh viên có trách nhiệm đọc một chương mới của cuốn sách của họ mỗi tuần và họ được cung cấp một ứng dụng flashcard trực tuyến cho phép họ thực hành từ vựng và cụm từ mới cũng như xem lại các tài liệu cũ.
Học sinh không biết, tài liệu ôn tập có ba loại khác nhau.
Một số tài liệu thuộc bộ "tập hợp", với các câu hỏi được rút ra từ chương của tuần đó. Một tập hợp tài liệu khác "có khoảng cách chung", được rút ra từ chương của tuần trước.
Theo các nhà nghiên cứu, việc ôn tập theo khối lượng lớn thường được sinh viên ưa thích hơn trong khi việc ôn tập cách quãng đã được các nghiên cứu trước đây về học tập và trí nhớ khuyến nghị.
Tuy nhiên, trong nghiên cứu này, tập đánh giá thứ ba được rút ra từ bất kỳ chương nào đã được đề cập trước đó.
Tập đánh giá này dựa trên một thuật toán dự đoán tài liệu nào có lợi nhất cho học sinh xem lại.
Tương tự như phương pháp được các nhà bán lẻ trực tuyến sử dụng để giới thiệu sản phẩm, thuật toán kết hợp dữ liệu từ tất cả sinh viên để xác định tài liệu mà bất kỳ sinh viên cụ thể nào có thể cần để thực hành.
Lindsey lưu ý rằng giáo viên thường không có thời gian để đặt bộ câu hỏi cá nhân cho từng học sinh, nhưng việc sử dụng công nghệ đã kích hoạt bài đánh giá được cá nhân hóa này, mang lại kết quả đầy hứa hẹn.
Trong bài kiểm tra tích lũy được thực hiện một tháng sau khi kết thúc học kỳ, bài đánh giá được cá nhân hóa đã tăng hiệu suất lên 16,5 phần trăm so với bài đánh giá hàng loạt và 10 phần trăm so với bài đánh giá có khoảng cách chung.
Quan trọng là, bài đánh giá được cá nhân hóa tỏ ra hiệu quả nhất đối với tài liệu từ vài chương đầu tiên của học kỳ - tài liệu sẽ dễ bị quên nhất sau vài tháng - nâng cao điểm số của học sinh lên trung bình hai điểm chữ cái.
Lindsey cho biết: “Một sự can thiệp tương đối khiêm tốn - khoảng 30 phút mỗi tuần cho cuộc đánh giá được lựa chọn một cách chiến lược - có thể mang lại những lợi ích đáng kể về kết quả giáo dục lâu dài.
Quan trọng là, bộ câu hỏi được cá nhân hóa tỏ ra hiệu quả nhất đối với năm chương đầu tiên của học kỳ - những chương có thể rất dễ quên sau vài tháng.
Các nhà nghiên cứu lưu ý rằng những kết quả này đầy hứa hẹn vì chúng cung cấp bằng chứng chắc chắn cho việc thực hành cá nhân hóa đối với các chiến lược học tập đơn giản mà sinh viên và giáo viên đã sử dụng trong quá khứ.
Lindsey nói: “Thật đáng ngạc nhiên khi học sinh phản kháng thường được xem xét lại. “Họ coi công việc của họ là tìm hiểu tài liệu mới của tuần và cảm thấy rằng việc đánh giá rõ ràng tài liệu cũ đang cản trở quá trình học tập của họ. Thí nghiệm này lập luận ngược lại ”.
Dựa trên kết quả học tập, thầy giáo người Tây Ban Nha đã tự cấu trúc lại giáo án của mình trong học kỳ sau để tập trung cho các kỳ thi tích lũy.
Lindsey và các đồng nghiệp có kế hoạch tiếp tục điều tra chiến lược ôn tập nào hiệu quả nhất để cải thiện kết quả dài hạn của học sinh.
Nguồn: Hiệp hội Khoa học Tâm lý
