Towards the Development of Detection of Learned Helplessness in Mathematics: Design and Data Collection Challenges from a Developing Country Perspective
Dieser Beitrag dokumentiert die beim Entwurf und bei der Datenerhebung für ein webbasiertes Nachhilfesystem zur Erkennung erlernter Hilflosigkeit im Fach Mathematik in einem ressourcenarmen Entwicklungsland auftretenden Herausforderungen und hebt hervor, wie infrastrukturelle Einschränkungen und logistische Unterbrechungen die Datenerfassung von Schülerinnen und Schülern erheblich beeinträchtigten.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, einen intelligenten Roboterpädagogen zu bauen, der die Stimmung im Raum „lesen" kann, um festzustellen, ob ein Schüler aufgibt, weil er hoffnungslos ist (ein Gefühl, das Psychologen als erlernte Hilflosigkeit bezeichnen), oder einfach nur, weil das WLAN schlecht ist. Genau darum geht es in diesem Papier.
Die Forscher auf den Philippinen versuchten, einen webbasierten Mathe-Nachhilfelehrer zu entwickeln, um lineare Gleichungen (eine bestimmte Art von Algebra) zu unterrichten. Ihr Ziel war es nicht nur, Mathematik zu unterrichten; sie wollten Daten darüber sammeln, wie sich Schüler beim Lösen von Aufgaben verhalten, um ein Modell zu erstellen, das erkennt, wann ein Schüler das Gefühl hat: „Ich schaffe das nicht, also warum versuchen?"
Hier ist die Geschichte ihrer Reise, erzählt durch einfache Analogien:
1. Die große Idee: Der „Hilflosigkeits-Detektor"
Stellen Sie sich erlernte Hilflosigkeit wie einen Hund vor, der so oft geschockt wurde, dass er aufhört, zu fliehen, selbst wenn die Tür weit offen steht. In der Mathematik passiert dies, wenn Schüler wiederholt scheitern, beginnen zu glauben, sie seien einfach nur „schlecht in Mathe", und aufhören zu versuchen, selbst wenn sie erfolgreich sein könnten.
Die Forscher wollten ein digitales „Thermometer" bauen, um dieses Gefühl zu messen. Sie entwickelten eine Website namens Adaptive Sensei (eine Webversion einer alten App), die wie ein Videospiel funktioniert. Sie ermöglicht es Schülern, Aufgaben zu überspringen, Hinweise zu erhalten und in verschiedenen Modi zu spielen (von leicht zu schwer oder von schwer zu leicht). Während die Schüler spielen, beobachtet das System jeden ihrer Schritte – wie lange sie auf eine Aufgabe starren, wann sie auf „überspringen" klicken oder wann sie frustriert sind –, um zu sehen, ob sie Anzeichen dafür zeigen, dass sie aufgeben.
2. Der Realitätscheck: Ein Rennen im Sturm zu laufen
Die Forscher planten, dies an 410 Schülern in öffentlichen Schulen zu testen. Die Realität der Arbeit in einem Entwicklungsland war jedoch wie der Versuch, einen Marathon in schweren Stiefeln im Regen zu laufen. Nur 118 Schüler schafften es tatsächlich an den Start und beendeten die Datensammlung.
Hier sind die drei Haupt„Stürme", denen sie sich gegenüber sahen:
A. Das „Bürokratie-Labyrinth" (Logistische Herausforderungen)
Die Erlaubnis zu erhalten, die Schulen zu betreten, war wie der Versuch, ein Visum für ein sehr strenges Land zu bekommen. Sie mussten um Erlaubnis bitten bei:
- Der nationalen Bildungsbehörde.
- Der lokalen Schulabteilung.
- Dem Direktor jeder einzelnen Schule.
- Den Schulleitern.
- Den Mathematiklehrern.
- Den Eltern.
- Den Schülern.
Es dauerte Monate, nur um das „grüne Licht" zu erhalten. Bis sie die Genehmigung hatten, hatte sich das Schuljahr geändert und die Stundenpläne der Schüler waren voll. Es ist wie die Planung einer Überraschungsparty, aber bis Sie den Kuchen bekommen, ist die Person, deren Geburtstag es ist, bereits in ein anderes Haus gezogen.
B. Die „Lehrplan-Lücke" (Bildungsherausforderungen)
Die Forscher hatten ursprünglich geplant, 6-Klässler zu testen, aber das Schulsystem änderte den Lehrplan. Sie mussten auf 8-Klässler umsteigen. Aber hier kommt die Wendung: Viele 8-Klässler hatten die Grundlagen der linearen Gleichungen in der 6. Klasse tatsächlich nicht gelernt, aufgrund von Schulunterbrechungen (wie Taifunen oder Hitzewellen).
Es ist wie jemanden zu bitten, einen Marathon zu laufen, aber er hat noch nicht gelernt, wie man seine Schuhe bindet. Als die Schüler Schwierigkeiten hatten, konnten die Forscher nicht unterscheiden, ob die Schüler „erlernte Hilflosigkeit" verspürten (aufgaben, weil sie sich dumm fühlten) oder ob sie einfach verwirrt waren, weil sie die Grundlagenstunden verpasst hatten. Dies machte die Daten „rauschend" und schwer zu interpretieren.
C. Die „Digitale Wüste" (Technologische Herausforderungen)
Die Forscher gingen davon aus, dass die Schüler die Website leicht nutzen könnten, weil sie Smartphones besaßen. Aber es war eher so, als würde man jemandem einen Ferrari geben, aber keine Tankstelle in der Nähe.
- Alte Telefone: Viele Schüler hatten veraltete Telefone, die Schwierigkeiten hatten, die einfache Website zu laden.
- Kein Internet: Die Schulen hatten kein kostenloses WLAN. Die Forscher mussten ihre eigenen „Pocket-WLAN"-Geräte mitbringen, die alt und schwach waren.
- Signalausfälle: Einige Klassenzimmer lagen in Gebieten mit keinem Signal. Das Team musste Schüler physisch an verschiedene Stellen in der Schule bewegen, nur um ein Signal zu finden, das stark genug war, um eine Seite zu laden.
Die Verwirrung: Wenn ein Schüler aufhörte zu arbeiten, lag es daran, dass er sich in Bezug auf Mathematik hilflos fühlte? Oder lag es daran, dass die Seite nicht lud? Die Forscher erkannten, dass technischer Frust mathematischem Frust exakt gleich sehen kann. Dies machte es sehr schwierig, einen genauen „Hilflosigkeits-Detektor" zu bauen.
3. Die gelernte Lektion
Das Papier kommt zu dem Schluss, dass der Aufbau intelligenter Bildungswerkzeuge in Entwicklungsländern viel schwieriger ist als das bloße Schreiben von Code.
- Gehen Sie nicht davon aus, dass jeder ein „Digital Native" ist: Nur weil ein Kind ein Telefon hat, bedeutet das nicht, dass es weiß, wie man eine Website navigiert. Viele Schüler brauchten Hilfe, nur um den Link zu öffnen.
- Zeit ist zerbrechlich: Sie können nicht einfach eine 1-Stunden-Sitzung planen. Sie müssen Taifune, Hitzewellen und Schulabsagen berücksichtigen.
- Das „Rauschen"-Problem: Wenn Ihr System fehlerhaft ist, können Sie nicht unterscheiden, ob der Schüler einen „Mathe-Zusammenbruch" oder einen „Tech-Zusammenbruch" hat.
Das Fazit
Dieses Papier ist keine Geschichte über einen perfekten, funktionierenden Roboterpädagogen. Es ist ein „Feldhandbuch" über die chaotische, schwierige Realität des Versuchs, Daten an einem Ort zu sammeln, wo das Internet unzuverlässig ist, Schulen überlastet sind und Schüler mit Lücken in ihrem Lernen kämpfen.
Die Hauptaussage ist: Um zu erkennen, ob ein Schüler hoffnungslos ist, müssen Sie zuerst sicherstellen, dass das Internet funktioniert, die Schüler tatsächlich die Grundlagen beherrschen und Sie genug Zeit haben, sie zu beobachten, ohne zu hetzen. Ohne diese realen Probleme zu beheben, misst der „Detektor" vielleicht nur, wie schlecht das WLAN ist, und nicht, wie sich der Schüler fühlt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.