Pädagogen nutzen Multiskalen-Analytik, um Studierenden zu helfen, ihre Designprozesse besser zu verstehen

Tabelle der Links

Abstrakt und 1. Einleitung

1. Vorherige Arbeiten und 2.1 Pädagogische Ziele von Lernaktivitäten

   2.2 Multiskalendesign

   2.3 Bewertung des kreativen visuellen Designs

   2.4 Lernanalytik und Dashboards

2. Forschungsartefakt/Sonde

   3.1 Multiskalendesign-Umgebung

   3.2 Integration eines Design-Analytik-Dashboards in die Multiskalendesign-Umgebung

3. Methodik und Kontext

   4.1 Kurskontext

   4.2 Dozenteninterviews

4. Ergebnisse

   5.1 Erkenntnisse gewinnen und pädagogisches Handeln informieren

   5.2 Unterstützung für Erkundung, Verständnis und Validierung von Analytik

   5.3 Verwendung von Analytik für Bewertung und Feedback

   5.4 Analytik als potenzielle Quelle der Selbstreflexion für Studierende

5. Diskussion + Implikationen: Kontextualisierung: Analytik zur Unterstützung der Designausbildung

   6.1 Indexikalität: Demonstration von Design-Analytik durch Verknüpfung mit Instanzen

   6.2 Unterstützung von Bewertung und Feedback in Designkursen durch Multiskalen-Design-Analytik

   6.3 Einschränkungen der Multiskalen-Design-Analytik

6. Fazit und Referenzen

A. Interviewfragen

\

5.3 Verwendung von Analytik für Bewertung und Feedback

Je mehr die Größe der Design-Klassenräume weiter wächst, desto mehr werden Dozenten herausgefordert, Zeit zu finden, um jedem Studierenden optimales Feedback zu geben [47]. Frühere Studien haben gezeigt, dass Analytik für die Skalierung von Bewertung und Feedback nützlich ist [49, 60]. Unsere Ergebnisse für Multiskalen-Design-Analytik stimmen damit überein. I1 und I4 äußerten, dass die Analytik Teil ihrer Bewertungsraster und des Feedbacks werden kann, das sie den Studierenden geben. Darüber hinaus kann laut I4 die Integration dieser Analytik in Bewertungsraster die Studierenden motivieren und ihnen Orientierung geben, worauf Dozenten in ihrem Design achten.

\ I1: Ich denke, [diese Analytik und meine Bewertungsraster] ergänzen sich gegenseitig. Ich denke, es wäre sehr hilfreich... wenn es eine Möglichkeit gäbe, dass ich einfach eine Art Bewertungsraster auf [Dashboard] erstellen und anhängen kann, wenn sie ihr Feedback erhalten.

\ I4: Wissen Sie, geben Sie ihnen etwas, worauf sie hinarbeiten können... Ich denke, ich würde sagen... hier sind die Dinge, die ich in Ihrem Design sehen möchte... Ich denke, ich würde definitiv gerne Skalen als Teil des Bewertungsrasters zuweisen, um zu sagen, ich möchte das große Bild von hier draußen sehen, und dann, wenn Sie hineinzoomen, mehr sehen.

\ Wir beobachten das Potenzial der Multiskalen-Design-Analytik zur Beschleunigung der Bewertungsarbeit der Dozenten. I9 bevorzugte es, Analytik als schnell zu verwendenden Indikator für zugrunde liegende Probleme zu nutzen. Die Analytik hilft ihnen, die Zeit zu reduzieren, die sie sonst für die Bewertung jedes Designs aufwenden würden.

\ I9: Ich werde also die Werte in der Spalte nicht direkt verwenden, um ihnen Punkte zu geben... Aber es ist besser, als zu jedem [Design] gehen zu müssen und nach jedem einzelnen Problem zu suchen oder ein viel größeres Bewertungsraster zu haben, das ich durchgehe... Denken Sie also an die Analytik als die Symptome und [dann] identifizieren Sie tatsächlich Krankheiten.

5.4 Analytik als potenzielle Quelle der Selbstreflexion für Studierende

Dozenten (I1, I4, I5, I6) in unserer Studie äußerten Erwartungen, dass Studierende davon profitieren würden, Multiskalen-Design-Analytik zu sehen. Ihrer Meinung nach hat das Betrachten von Analytik das Potenzial, Studierenden zu helfen, über ihren Fortschritt nachzudenken. Genauer gesagt kann das Betrachten von Analytik Studierenden helfen, sich bewusst zu werden, wie sie ihre Ideen räumlich über Skalen und Cluster hinweg organisieren. Selbstreflexion durch Analytik spielt eine wichtige Rolle beim Lernen, da sie Studierenden hilft, ihren Fortschritt zu verstehen und Verbesserungen in ihrer Arbeit anregt [77, 81].

\ I5: Ich bin dafür, den Studierenden so viele Informationen wie möglich zu geben, die sie nutzen können... und Sie wissen... sie können [Analytik] nutzen, um ihren Fortschritt zu betrachten.

\ I1: Ja, ich würde es lieben, wenn Studierende mehr Zoomstufen erkunden würden... denn normalerweise, denke ich, ist es eher so... ich sehe es als Gesamtbild... aber sie nutzen nicht wirklich die Möglichkeit, in bestimmte Bereiche zu gehen oder in bestimmte Teile zu zoomen und diese auszuarbeiten... [Auch] vielleicht räumliche Cluster, damit sie sich bewusster werden können, wie sie trennen.

\ Während sowohl I1 als auch I4 dafür plädieren, Studierenden Multiskalen-Design-Analytik zur Verfügung zu stellen, warnen sie auch davor, einen bestimmten Typ der visuellen Organisation durchzusetzen. Ihrer Meinung nach wäre das Ziel der Bereitstellung von Analytik, den Studierenden zu helfen, zu reflektieren und die Multiskalenorganisation effektiv zu nutzen, nicht eine bestimmte Anzahl von Skalen oder Clustern über Skalen hinweg zu haben.

\ I4: Ich möchte nicht, dass sie alle gleich aussehen, wie man nicht irgendwohin gehen und sehen möchte, dass jedes Gemälde gleich aussieht, aber es war fast so, als ob einige Leute mit Brettern, Nägeln und Hämmern malten, im Gegensatz zu Pinseln und Farbe. Sie haben einfach nicht wirklich verstanden, was sie auf das [Multiskalendesign] setzen sollten. Also war es einfach nicht so effektiv.

\ I1: [Während] sie ein bisschen achtsamer mit [Raum] umgehen müssen... nur zu sehen, wie sie alles selbst anordnen... Ich würde lieber nicht kontrollieren, ob absichtlich oder unabsichtlich, wie sie räumliche Cluster sehen.

\ \

:::info Autoren:

(1) Ajit Jain, Texas A&M University, USA; Aktuelle Zugehörigkeit: Audigent;

(2) Andruid Kerne, Texas A&M University, USA; Aktuelle Zugehörigkeit: University of Illinois Chicago;

(3) Nic Lupfer, Texas A&M University, USA; Aktuelle Zugehörigkeit: Mapware;

(4) Gabriel Britain, Texas A&M University, USA; Aktuelle Zugehörigkeit: Microsoft;

(5) Aaron Perrine, Texas A&M University, USA;

(6) Yoonsuck Choe, Texas A&M University, USA;

(7) John Keyser, Texas A&M University, USA;

(8) Ruihong Huang, Texas A&M University, USA;

(9) Jinsil Seo, Texas A&M University, USA;

(10) Annie Sungkajun, Illinois State University, USA;

(11) Robert Lightfoot, Texas A&M University, USA;

(12) Timothy McGuire, Texas A&M University, USA.

:::

:::info Dieses Paper ist auf arxiv verfügbar unter der CC by 4.0 Deed (Attribution 4.0 International) Lizenz.

:::

\