Exploring Factors Affecting Student Learning Satisfaction during COVID-19 in South Korea
この研究は、韓国の大学生302名の調査データを分析し、オフライン学習およびSTEM専攻が学習満足度の高さと相関していることを明らかにするとともに、コロナ禍における学習満足度に影響を与える上位5つの要因として、知覚されたパフォーマンス、授業への参加、専攻、議論能力、および自宅の学習スペースを特定した。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
完璧なケーキを焼こうとしている場面を想像してみてください。ただし、材料は小麦粉や砂糖ではなく、学生がどのように感じているか、どこで勉強しているか、そして教師とどのように関わっているかです。これが「学習満足度」という世界であり、研究者たちはこれを複雑なレシピのように扱っています。それは単に良い成績を取ることではなく、自分のニーズが満たされていると感じているか、そのプロセスを楽しんでいるか、そして本当に価値のあることを学んでいると感じているか、ということです。長年、教育者たちは何がこのレシピを成功させるのかを解明しようとしてきました。学生の自信（自己効力感）や、クラスのデザイン、そして友人とチャットできるかどうかといった要素に注目してきました。しかし、パンデミックによって世界が突然オンラインになったとき、キッチンは混沌とした状態になりました。古いレシピは同じようには機能しなくなったようで、教師たちはなぜ一部の学生が順調に進んでいる一方で、他の学生は迷ったり退屈したりしているのかを理解しようと奔走しました。これが、韓国の成均館大学の研究チームが解決しようと決めたパズルです。彼らは知りたいと考えました。パンデミックの最中において、学生が学習に満足するための「秘密の材料」は何なのか、そして異なるタイプの学生には異なるレシピが必要なのかどうかを。
このコードを解読するために、研究者たちは自大学から302人の学生を集め、2021年11月から2022年11月にかけての彼らの生活について多くの質問を行いました。彼らは単に推測したわけではありません。2つの強力なツールを使用しました。第一に、彼らはウィルコクソン順位和検定と呼ばれる統計テストを用いました。これは、2つのチームが本当に異なっているのか、それともスコアの差が単なる運によるものなのかをチェックするレフェリーのようなものです。第二に、彼らは**説明可能なブースティングマシン（EBM）**というスマートなコンピュータモデルを使用しました。EBMは、誰がレースに勝ったかだけでなく、走る靴や天気、朝食といったあらゆる要因がどのように結果に寄与したかを見ることで、「なぜ」彼らが勝ったのかを説明してくれるスーパー探偵だと考えてください。このモデルは「説明可能」であるという点で特別です。つまり、ブラックボックスの中に仕事を隠すのではなく、どの要因が糸を引いているのかを正確に示してくれるのです。
調査の結果、明確な勝者と敗者が明らかになりました。研究者が対面授業（オフライン）に通う学生と、自宅に留まってログインしている学生（オンライン）を比較したとき、データは有意な差を示しました。オフライン授業に出席していた学生の方が、はるかに満足度が高いことがわかりました。彼らは退屈を感じにくく、即時のフィードバックが得られないことへの不満も少なく、オンラインの仲間ほど「適切な学習ができていない」と感じることもありませんでした。実際、オンラインの学生は、教室にいる学生よりも約1.7倍高い頻度で、適切な学習ができていないと感じていました。
研究は、学生が何を学んでいるかについても調査しました。彼らはグループをSTEM（科学・技術・工学・医学）専攻とHASS（人文・社会科学）専攻に分けました。ここにおいて、STEM系の学生は一般的にHASS系の学生よりも高い満足度を報告しました。研究者は、これはSTEMのコースが事実や問題解決に依存することが多く、オンラインでの指導が比較的容易であるのに対し、HASSのコースは深い議論や批判的思考に依存することが多く、画面越しに再現するのが難しい場合があるためではないかと示唆しています。興味深いことに、この研究では年齢や性別は結果に大きな影響を与えず、クラスの種類や専攻の方がはるかに重要であることがわかりました。
しかし、本当の魔法は、スーパー探偵であるEBMモデルがデータの分析を行い、幸福のためのトップ5の材料を見つけ出したときに起こりました。モデルは95.08%の精度で学生の満足度を予測し、以下の主要な要因を特定しました：
- 知覚されたパフォーマンス： 学生がクラスで自分がどれほど上手くやれていると考えているか。
- クラス活動への参加： クラス活動に参加することが自分の成長に役立つと学生が感じているか。
- 専攻： STEM系の学生であることが大きなプラスとなる。
- 議論能力： クラスメートとチャットしたり議論したりすることがどれほど容易か。
- 学習スペース： 自宅に良い学習場所があるか。
探偵の仕事は、いくつかの興味深い相互作用を示しました。例えば、もし学生が自分はよくやれていると感じていれば（高い知覚されたパフォーマンス）、たとえクラス活動がそれほど役に立たないと思っていても、通常は満足していました。しかし、もし学生が自分はできていないと感じ、かつクラス活動も役に立たないと考えていた場合、彼らは非常に不満を感じていました。もう一つのひねりは、STEM系の学生はクラス活動を好んでいるかどうかにかかわらず満足度を維持しているように見えた一方で、HASS系の学生は満足感を得るためにそれらの活動を真に必要としていたことです。また、苦戦していると感じていても、友人と簡単に話すことができる学生は、満足感を保つ方法を見つけていました。これは、仲間によるサポートがセーフティネットとして機能することを示唆しています。
結局のところ、この研究は単に「オンラインは悪い」とか「STEMの方が優れている」と言っているわけではありません。それは、同じ状況に対して異なる学生がどのように反応するかという詳細な絵を描いています。これは、学校が戦略をカスタマイズする必要があることを示唆しています。例えば、人文系の学生のために議論のツールに焦点を当てたり、STEM系の学生のために必要なテックサポートを確保したりすることです。研究者たちは、これらの特定の「レシピ」を理解することで、世界がひっくり返っているときであっても、教育者がより良い学習体験を「調理」できることを期待しています。彼らは今後、学生のモチベーションの微妙なニュアンスを理解するために、さらに高度なAIを用いて、さらに深く掘り下げていく計画です。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。