Bagaimana Analitik AI Terkontekstualisasi Dapat Memperkuat Pendidikan Desain

Tabel Tautan

Abstrak dan 1. Pendahuluan

1. Karya Sebelumnya dan 2.1 Tujuan Pendidikan dari Aktivitas Pembelajaran

   2.2 Desain Multiskala

   2.3 Menilai Desain Visual Kreatif

   2.4 Analitik Pembelajaran dan Dasbor

2. Artefak/Probe Penelitian

   3.1 Lingkungan Desain Multiskala

   3.2 Mengintegrasikan Dasbor Analitik Desain dengan Lingkungan Desain Multiskala

3. Metodologi dan Konteks

   4.1 Konteks Kursus

   4.2 Wawancara Instruktur

4. Temuan

   5.1 Mendapatkan Wawasan dan Menginformasikan Tindakan Pedagogis

   5.2 Dukungan untuk Eksplorasi, Pemahaman, dan Validasi Analitik

   5.3 Menggunakan Analitik untuk Penilaian dan Umpan Balik

   5.4 Analitik sebagai Sumber Potensial Refleksi Diri bagi Siswa

5. Diskusi + Implikasi: Kontekstualisasi: Analitik untuk Mendukung Pendidikan Desain

   6.1 Indeksikalitas: Mendemonstrasikan Analitik Desain dengan Menghubungkan ke Instansi

   6.2 Mendukung Penilaian dan Umpan Balik dalam Kursus Desain melalui Analitik Desain Multiskala

   6.3 Keterbatasan Analitik Desain Multiskala

6. Kesimpulan dan Referensi

A. Pertanyaan Wawancara

\

6 DISKUSI & IMPLIKASI: KONTEKSTUALISASI ANALITIK UNTUK MENDUKUNG PENDIDIKAN DESAIN

Menurut model dari risalah penting Suchman, Plans and Situated Actions [71], keberhasilan AI bergantung pada inteligibilitas bersama antara AI dan pengguna; dalam konteks situasional kami, penggunanya adalah instruktur dan siswa. Inteligibilitas bersama ini bergantung pada bagaimana analitik, yang berfungsi sebagai ekspresi linguistik, diinterpretasikan dalam konteks situasional penggunaannya. Lebih khusus lagi, analitik desain multiskala diinterpretasikan dalam konteks instansi situasional dari pekerjaan desain yang dilakukan siswa dan pedagogi serta penilaian yang diberikan instruktur. Kami mengembangkan artefak penelitian untuk menyelidiki bagaimana menghubungkan analitik ke instansi desain akan mempengaruhi proses interpretasi ini. Kami mengumpulkan dan menganalisis data kualitatif untuk mengetahui bagaimana instruktur mengalami analitik multiskala ketika dikontekstualisasikan dengan tautan indeksikal ini ke pekerjaan desain yang mereka ukur.

\ Pertama-tama kami mempertimbangkan RQ2: Nilai spesifik apa yang dapat diberikan oleh analitik desain multiskala berbasis AI kepada instruktur desain dalam konteks kursus situasional? Kami mendiskusikan dan menarik implikasi tentang bagaimana teknik presentasi indeksikal, yang menghubungkan analitik ke instansi desain, mengkontekstualisasikan analitik dan dengan demikian mendukung penggunaannya dalam tugas-tugas abstrak dan kreatif, di sini, dalam pendidikan desain.

\ Kemudian kami kembali ke RQ1: Bagaimana, jika memungkinkan, analitik desain berbasis AI dapat mendukung pengalaman penilaian dan umpan balik instruktur dalam konteks kursus situasional? Di sini, kami mendiskusikan dan menarik implikasi mengenai kekhususan analitik multiskala, apa yang telah kami lihat, dan potensinya untuk mendukung penilaian dan umpan balik dalam pendidikan desain. Kami juga mempertimbangkan keterbatasan.

\ Seperti yang diungkapkan oleh Zimmerman et al., implikasi adalah bentuk teori yang dihasilkan menggunakan pendekatan Penelitian melalui Desain [85]; menurut Gaver, teori tersebut kemungkinan bersifat "sementara, kontinjen, dan aspirasional" [31]. Oleh karena itu, kami bermaksud untuk menyelidiki apakah dan bagaimana implikasi dari penelitian ini berkontribusi pada antarmuka untuk menurunkan dan menyajikan berbagai analitik kompleks menjadi jalur yang bermanfaat untuk penelitian masa depan. Penelitian semacam itu dapat menentukan, misalnya, apakah implikasi tertentu lebih berguna dalam disiplin pendidikan tertentu, dibandingkan dengan yang lain.

6.1 Indeksikalitas: Mendemonstrasikan Analitik Desain dengan Menghubungkan ke Instansi

Kami berkontribusi pada tautan indeksikal dari analitik ke instansi desain yang dianotasi secara visual sebagai cara untuk mendemonstrasikan apa artinya. Menurut Turnbull, pernyataan indeksikal mengartikulasikan hubungan antar konteks untuk menyampaikan makna baru [74]. Dalam penelitian ini, kami menemukan bahwa indeksikalitas dasbor—yaitu, menghubungkan analitik dengan rakitan elemen desain situasional—membantu instruktur dalam memahami analitik. Kuncinya adalah anotasi visual otomatis dari desain untuk menunjukkan skala dan kluster mana yang dikenali. Misalnya, dalam kata-kata I9, "Saya dapat menyimpulkan...ada satu level zoom yang memiliki wilayah tertentu...dan kemudian mereka memiliki level zoom yang berbeda yang berfokus pada wilayah yang berbeda dan seterusnya." Instruktur dapat dengan cepat memahami organisasi desain siswa dan bagaimana mereka dikuantifikasi. Mereka juga dapat menggali lebih dalam ke pekerjaan dan menentukan di mana analitik tidak sesuai dengan interpretasi mereka sendiri. Untuk salah satu desain, seperti yang diungkapkan I3 saat melihat hasil AI, "Saya tidak yakin mengapa [ini ditampilkan di sini]...beberapa kluster [tambahan]".

\ Peneliti lain dengan patut mengejar strategi AI yang dapat dijelaskan untuk mengkomunikasikan logika algoritmik AI kepada pengguna [mis., 1, 65]. Penelitian ini secara alternatif berkontribusi pada bagaimana menghubungkan analitik ke instansi dapat secara visual mendemonstrasikan kepada pengguna apa arti analitik tersebut, menunjukkan kerja algoritma pengenalan dalam konteks praktik situasional, tanpa memperhatikan logika dasarnya.

\ Implikasi. Pengguna, seperti instruktur dan siswa, diharapkan mendapat manfaat ketika interaksi dasbor secara langsung mengindeks, yaitu, menyajikan hubungan antara analitik spesifik dan instansi pekerjaan desain. Suchman memberi perhatian pada bagaimana transparansi sistem berbasis AI—yang didasarkan pada penyampaian tujuan AI kepada pengguna dan membangun akuntabilitas—sangat penting untuk mendukung praktik situasional secara efektif [71]. Pendekatan AI yang umum adalah mendapatkan nilai untuk serangkaian tugas besar dan membangun pengenal bottom-up dari data tersebut. Pengenal semacam itu biasanya didasarkan pada agregasi fitur yang arbitrer yang dapat dipetakan ke skor nilai keseluruhan, daripada karakteristik yang secara eksplisit dapat dikenali oleh instruktur desain atau siswa. Sebagai alternatif, kami merancang analitik desain multiskala dari penelitian ini, menggunakan karakteristik berbasis desain kontekstual, agar masuk akal bagi instruktur desain. Akibatnya, analitik ini memiliki potensi untuk menginformasikan siswa yang merefleksikan bagaimana meningkatkan pekerjaan mereka sendiri, serta bagaimana memahami pekerjaan orang lain.

\ Selanjutnya, pengguna kami menemukan nilai dalam menavigasi ke skala dan kluster spesifik yang diukur oleh analitik. Dalam kata-kata I1, "apakah mungkin untuk...mungkin seperti menunjuk atau hanya semacam pergi ke skala yang tepat." Untuk ini, representasi perantara pada dasbor dapat terbukti berguna. Misalnya, temuan kami memotivasi investigasi lebih lanjut, di mana selain menyajikan satu angka di dasbor, pengguna diberi interaksi dengan visualisasi pohon [30], mengindeks hierarki skala dan kluster dari setiap instansi pekerjaan desain. Representasi semacam itu memiliki potensi untuk lebih mendukung pengguna dalam memahami bagaimana menggunakan struktur bersarang untuk menyampaikan informasi kompleks, melampaui dataran untuk memanfaatkan berbagai skala dan kluster.

\ Terakhir, dalam mengindeks analitik ke instansi, antarmuka akan mendapat manfaat dengan menggunakan animasi. Mayer dan Moreno menunjukkan bahwa menambahkan animasi ke materi studi meningkatkan pemahaman pembelajar [55]. Seperti yang dijelaskan Tversky, animasi dapat membantu persepsi dan pemahaman struktur halus hubungan spasial dan temporal di antara berbagai bagian konten [75]. Bederson dan Boltman menemukan bahwa menganimasikan perubahan sudut pandang dalam lingkungan spasial membantu pengguna dalam membangun peta mental informasi yang ada dalam lingkungan [10]. Teori desain multiskala memperluas teori antarmuka pengguna yang dapat diperbesar untuk berfokus pada bagaimana orang merakit elemen informasi untuk menyampaikan makna, dengan menggunakan interaksi berdasarkan ruang dan skala serta prinsip desain terkait. Dalam studi kami, kami menemukan bahwa penggunaan animasi membantu instruktur untuk memahami karakteristik kompleks. Dalam kata-kata I1, "Saya sekarang memiliki pemahaman yang lebih baik tentang kluster spasial [dengan] animasi perubahan warna." Kami mengharapkan fitur interaktivitas animasi, seperti close-up, zoom, dan kontrol kecepatan [75] akan terbukti berguna dalam mendukung navigasi ke skala dan kluster tertentu.

\ \

:::info Penulis:

(1) Ajit Jain, Texas A&M University, USA; Afiliasi saat ini: Audigent;

(2) Andruid Kerne, Texas A&M University, USA; Afiliasi saat ini: University of Illinois Chicago;

(3) Nic Lupfer, Texas A&M University, USA; Afiliasi saat ini: Mapware;

(4) Gabriel Britain, Texas A&M University, USA; Afiliasi saat ini: 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 Makalah ini tersedia di arxiv di bawah lisensi CC by 4.0 Deed (Attribution 4.0 International).

:::

\