[論文レビュー] Key principles for workforce upskilling via online learning: a learning analytics study of a professional course in additive manufacturing

Kylie Peppler, Joey Huang+5 more|arXiv (Cornell University)|Aug 15, 2020

Online Learning and Analytics参考文献 17被引用数 6

ひとこと要約

本研究では、edXプラットフォームを通じて提供されたMITxProのオンラインコース（900名の参加者を対象）に対して学習分析を適用することで、増加製造分野におけるオンラインワークフォースのスキルアップを効果的に行うための主要な原則を同定した。評価と学習目標の整合性を保ち、視覚的学習分析を用いて参加者の関与状況とパフォーマンスを追跡することで、研究者たちは的を射たコース改善を実現し、データ駆動型のコース設計が学習成果とタイムリーなスキル習得を向上させることを示した。

ABSTRACT

Effective adoption of online platforms for teaching, learning, and skill development is essential to both academic institutions and workplaces. Adoption of online learning has been abruptly accelerated by COVID19 pandemic, drawing attention to research on pedagogy and practice for effective online instruction. Online learning requires a multitude of skills and resources spanning from learning management platforms to interactive assessment tools, combined with multimedia content, presenting challenges to instructors and organizations. This study focuses on ways that learning sciences and visual learning analytics can be used to design, and to improve, online workforce training in advanced manufacturing. Scholars and industry experts, educational researchers, and specialists in data analysis and visualization collaborated to study the performance of a cohort of 900 professionals enrolled in an online training course focused on additive manufacturing. The course was offered through MITxPro, MIT Open Learning is a professional learning organization which hosts in a dedicated instance of the edX platform. This study combines learning objective analysis and visual learning analytics to examine the relationships among learning trajectories, engagement, and performance. The results demonstrate how visual learning analytics was used for targeted course modification, and interpretation of learner engagement and performance, such as by more direct mapping of assessments to learning objectives, and to expected and actual time needed to complete each segment of the course. The study also emphasizes broader strategies for course designers and instructors to align course assignments, learning objectives, and assessment measures with learner needs and interests, and argues for a synchronized data infrastructure to facilitate effective just in time learning and continuous improvement of online courses.

研究の動機と目的

• 学習分析を用いた先端製造分野におけるオンラインワークフォースのスキルアップの有効な原則を同定すること。
• プロフェッショナルなオンラインコースにおける学習の流れ、学習者関与、パフォーマンスの関係を検討すること。
• 学習分析と目標の整合性に基づくデータインフォームドな修正を通じて、コース設計を改善すること。
• 統合されたデータインfra構造を活用して、タイムリーな学習と継続的なコース改善を支援すること。

提案手法

• edXプラットフォーム上で提供された増加製造分野のプロフェッショナルオンラインコースについて、学習分析研究を実施した。
• コースの評価項目を特定の学習目標にマッピングすることで、整合性と追跡可能性を確保した。
• 視覚的学習分析を用いて、学習者関与、タスクに費やす時間、およびコースの各セグメントにおけるパフォーマンスを追跡した。
• 900名のプロフェッショナルからのデータを用いて学習の流れを分析し、完了率とパフォーマンスのパターンを同定した。
• 分析インサイトに基づく反復的コース修正を実施し、コース構造と学習者成果を改善した。
• データ収集、解釈、コース再設計の間のフィードバックループを統合することで、継続的改善を可能にした。

実験結果

リサーチクエスチョン

• RQ1 増加製造分野のプロフェッショナルオンラインコースにおいて、学習の流れ、関与、パフォーマンスの相関関係はいかほどか？
• RQ2 視覚的学習分析は、評価と学習目標の整合性をどの程度向上できるか？
• RQ3 データ駆動型のコース修正は、オンラインワークフォーストレーニングにおける学習者パフォーマンスと関与をどの程度向上できるか？
• RQ4 統合されたデータインfra構造は、タイムリーな学習とコース改善を実現するために果たす役割は何か？

主な発見

• 視覚的学習分析により、評価と目標の不整合や非効率なコースセグメントを正確に特定でき、的を射たコース修正が可能になった。
• 評価と学習目標のより直接的なマッピングが、学習者パフォーマンスの向上と混乱の低減に寄与した。
• 実際のタスクに費やす時間は、予想時間と著しく異なることが判明し、コース設計におけるデータインフォームドな時間推定の重要性が浮き彫りになった。
• 学習者関与のパターンから、高パフォーマンスと低パフォーマンスの明確なクラスタが特定され、パーソナライズドな学習介入の根拠が得られた。
• 学習分析とコース再設計の統合により、コース完了率とパフォーマンス指標の明確な改善が達成された。
• 統合されたデータインfra構造は、リアルタイム監視、タイムリーな学習、継続的なコース最適化を実現するために不可欠であった。