이 연구는 COVID-19 이후 대학 교육 환경의 변화에 대응하여 런던대학교 통계학과에서 도입한 새로운 교육적 인센티브의 효과를 평가하기 위해 혼합 방법론을 활용하였다.
Bayesian 네트워크 분석을 통해 Moodle 활동 로그 데이터를 분석하여 학생들의 자료 활용 패턴을 시간의 흐름에 따라 추적하였다. 이 분석은 초기 자료 활용이 지속적인 참여의 예측 지표가 될 수 있음을 보여주었으며, 새로운 인센티브가 주로 적극적으로 참여하는 학생들에게 혜택을 주는 것으로 나타났다.
초점 집단 토론을 통해 학생들의 교육적 변화에 대한 인식과 모듈 설계에 대한 통찰을 얻었다. 이 질적 분석 결과는 새로운 인센티브를 통한 참여 유지의 어려움과 혼합 학습 환경에서 의사소통의 중요성을 강조하였다.
이 연구는 객관적이고 데이터 기반의 분석과 학생들의 관점을 통합하는 해석 가능하고 실행 가능한 학생 참여 모델을 제시한다. 이 모델은 교육자들이 교육 전략을 평가하고 개선할 수 있는 도구를 제공한다. 또한 디지털 학습 환경에서 학생 행동의 복잡성을 포착하는 혼합 방법론의 효과를 입증함으로써, 다양한 교육 환경에서 온라인 교육 실천을 개선할 수 있는 잠재력을 보여준다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Laura J. Joh... at arxiv.org 03-25-2024
https://arxiv.org/pdf/2403.14686.pdfDeeper Inquiries