Towards the Development of Detection of Learned Helplessness in Mathematics: Design and Data Collection Challenges from a Developing Country Perspective
Dit artikel documenteert de ontwerpopgaven en uitdagingen bij dataverzameling die werden ondervonden tijdens de ontwikkeling van een webgebaseerd tutorsysteem voor het detecteren van aangeleerde hulpeloosheid in wiskunde in een ontwikkelingsland met beperkte middelen, waarbij wordt benadrukt hoe infrastructuurbeperkingen en logistieke verstoringen de dataverzameling bij studenten aanzienlijk hebben beïnvloed.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je probeert een slimme robotleraar te bouwen die de sfeer in de klas kan "lezen" om te zien of een student opgeeft omdat ze hopeloosheid voelen (een gevoel dat psychologen Gekleurd Hulpeloosheid noemen) of gewoon omdat het Wi-Fi-netwerk slecht is. Dat is precies waar dit artikel over gaat.
De onderzoekers in de Filipijnen probeerden een webgebaseerde wiskundetutor te creëren om lineaire vergelijkingen (een specifiek type algebra) te onderwijzen. Hun doel was niet alleen wiskunde onderwijzen; ze wilden data verzamelen over hoe studenten zich gedragen tijdens het oplossen van problemen, zodat ze een model konden bouwen om te detecteren wanneer een student het gevoel heeft: "Ik kan dit niet, dus waarom proberen?"
Hier is het verhaal van hun reis, verteld door middel van eenvoudige analogieën:
1. Het Grote Idee: De "Hulpeloosheidsdetector"
Denk aan Gekleurd Hulpeloosheid als een hond die zo vaak is geschokt dat hij stopt met proberen te ontsnappen, zelfs als de deur wijd openstaat. In wiskunde gebeurt dit wanneer studenten herhaaldelijk falen, beginnen te geloven dat ze gewoon "slecht in wiskunde" zijn, en stoppen met proberen, zelfs als ze zouden kunnen slagen.
De onderzoekers wilden een digitale "thermometer" bouwen om dit gevoel te meten. Ze bouwden een website genaamd Adaptive Sensei (een webversie van een oude app) die fungeert als een videospel. Het laat studenten toe om problemen over te slaan, hints te krijgen en te spelen in verschillende modi (van makkelijk naar moeilijk of van moeilijk naar makkelijk). Terwijl studenten spelen, observeert het systeem elke beweging: hoe lang ze naar een probleem staren, wanneer ze op "overslaan" klikken, of wanneer ze gefrustreerd raken, om te zien of ze tekenen van opgeven vertonen.
2. De Realiteitscheck: Proberen een Race te Lopen in een Storm
De onderzoekers hadden gepland dit te testen bij 410 studenten in openbare scholen. De realiteit van werken in een ontwikkelingsland was echter als proberen een marathon te lopen met zware laarzen in de regen. Slechts 118 studenten haalden daadwerkelijk de startlijn en voltooiden de dataverzameling.
Hier zijn de drie belangrijkste "stormen" waar ze mee te maken kregen:
A. Het "Rode Lint" Labyrint (Logistieke Uitdagingen)
Toestemming krijgen om de scholen binnen te komen, was als proberen een visum te krijgen om een zeer streng land te bezoeken. Ze moesten toestemming vragen aan:
- Het nationale onderwijsdepartement.
- De lokale schooldivisie.
- De directeur van elke afzonderlijke school.
- De hoofdonderwijzers.
- De wiskundeleraars.
- De ouders.
- De studenten.
Het duurde maanden om alleen al het "groene licht" te krijgen. Tegen de tijd dat ze goedkeuring kregen, was het schooljaar veranderd en waren de schema's van de studenten vol. Het is als het plannen van een verrassingsfeestje, maar tegen de tijd dat je de taart hebt, is de jarige al verhuisd naar een ander huis.
B. Het "Leerplan-Kloof" (Onderwijzende Uitdagingen)
De onderzoekers hadden oorspronkelijk gepland om zesdeklassers te testen, maar het schoolsysteem veranderde het leerplan. Ze moesten overschakelen naar achtsteklassers. Maar hier is de draai: veel achtsteklassers hadden de basis van lineaire vergelijkingen in de zesde klas eigenlijk niet geleerd vanwege schoolonderbrekingen (zoals tyfoons of hittegolven).
Het is als iemand vragen om een marathon te lopen, terwijl ze nog niet hebben geleerd hoe ze hun schoenen moeten strikken. Toen de studenten worstelden, konden de onderzoekers niet onderscheiden of de studenten Gekleurd Hulpeloosheid voelden (opgeven omdat ze zich dom voelen) of dat ze gewoon verward waren omdat ze de fundamentele lessen hadden gemist. Dit maakte de data "ruisend" en moeilijk te interpreteren.
C. De "Digitale Woestijn" (Technologische Uitdagingen)
De onderzoekers gingen ervan uit dat studenten, omdat ze smartphones hadden, de website gemakkelijk konden gebruiken. Maar het was meer als iemand een Ferrari geven zonder dat er een tankstation in de buurt is.
- Oude Telefoons: Veel studenten hadden verouderde telefoons die moeite hadden met het laden van de eenvoudige website.
- Geen Internet: De scholen hadden geen gratis Wi-Fi. De onderzoekers moesten hun eigen "pocket Wi-Fi"-apparaten meebrengen, die oud en zwak waren.
- Signaalzwartgaten: Sommige klaslokalen lagen in gebieden met nul signaal. Het team moest studenten fysiek verplaatsen naar verschillende plekken op het schoolterrein om alleen maar een signaal te vinden dat sterk genoeg was om een pagina te laden.
De Verwarring: Wanneer een student stopte met werken, was het dan omdat ze zich hulpeloos voelden over wiskunde? Of was het omdat de pagina niet laadde? De onderzoekers realiseerden zich dat technische frustratie er precies hetzelfde uit kan zien als wiskundefrustratie. Dit maakte het zeer moeilijk om een nauwkeurige "Hulpeloosheidsdetector" te bouwen.
3. De Geleerde Les
Het artikel concludeert dat het bouwen van slimme educatieve hulpmiddelen in ontwikkelingslanden veel moeilijker is dan alleen code schrijven.
- Ga niet ervan uit dat iedereen een "Digital Native" is: Alleen omdat een kind een telefoon heeft, betekent niet dat ze weten hoe ze een website moeten navigeren. Veel studenten hadden hulp nodig om alleen maar de link te openen.
- Tijd is fragiel: Je kunt niet zomaar een sessie van 1 uur plannen. Je moet rekening houden met tyfoons, hittegolven en schoolannuleringen.
- Het "Ruis"-Probleem: Als je systeem storingen vertoont, kun je niet onderscheiden of de student een "wiskundemeltdown" heeft of een "technische meltdown".
De Kernboodschap
Dit artikel is geen verhaal over een perfecte, werkende robotleraar. Het is een "veldhandleiding" over de rommelige, moeilijke realiteit van het proberen data te verzamelen op een plek waar internet onbetrouwbaar is, scholen overbelast zijn en studenten worstelen met gaten in hun leerproces.
De belangrijkste les is dat om te detecteren of een student hopeloosheid voelt, je eerst moet zorgen dat het internet werkt, dat de studenten de basis daadwerkelijk kennen, en dat je genoeg tijd hebt om hen te observeren zonder te haasten. Zonder deze real-world problemen op te lossen, meet de "detector" misschien gewoon hoe slecht het Wi-Fi-netwerk is, en niet hoe de student zich voelt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.