הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר שיטה

הערכת מעורבות בכיתה, ביטוי רפלקסיבי וכוונות פרו-סוציאליות של סטודנטים באוניברסיטה באמצעות תצפית התנהגותית ואנליטיקה של למידה

74 צפיות

⸱

DOI:

10.3791/72077

⸱

18 באוגוסט 2026

1Nanchang Institute of Technology

במאמר זה

סיכום

פרוטוקול זה משלב תצפית בכיתה, כתיבה רפלקטיבית, מדידת כוונות פרו-סוציאליות ואנליטיקה של למידה כדי להעריך מעורבות התנהגותית, ביטוי רפלקטיבי ותוצאות למידה מוכוונות חברה של סטודנטים באוניברסיטה לאורך חלון הוראה של 4 שבועות. הפרוטוקול מפרט את אישורי האתיקה, תכני כלי המדידה, זרימת העבודה בתוכנה, טיפול בנתונים חסרים, נהלי פתרון בעיות ופרשנות של תוצאות מייצגות, כולל מגבלות יישום שנצפו.

תקציר

כדי לתת מענה לצורך בהערכות רב-ממדיות של מעורבות סטודנטים מעבר למדדים מסורתיים, פרוטוקול זה מתאר גישה מובנית להערכת מעורבות בכיתה, ביטוי רפלקטיבי, פעילות באנליטיקה של למידה וכוונות פרו-סוציאליות בקורסים לתואר ראשון. הפרוטוקול משלב תצפית התנהגותית מבוססת מרווחי זמן, כתיבה רפלקטיבית מובנית שבועית, רשומות אנונימיות ממערכת ניהול הלמידה, ושאלון כוונות פרו-סוציאליות לפני ואחרי התהליך. ההליכים המעודכנים מספקים מודל קידוד התנהגותי הניתן לשחזור, רובריקה לביטוי רפלקטיבי הכוללת דוגמאות לניקוד, שלבים לניהול נתונים ותוכנה, והדרכה מפורשת לפתרון בעיות במקרה של חילוקי דעות בין תצפיות, רשומות פלטפורמה חסרות, שיעורי הגשה נמוכים של רפלקסיות, נראות לקויה של המצלמה, נשירה של משתתפים וידע מקדים לא עקבי. יש להשתמש בפרוטוקול זה כאשר חוקרים זקוקים לדרך שניתנת לשחזור ובעלת פלישה נמוכה לשילוב של התנהגות בכיתה בזמן אמת, פרשנות עצמית של הסטודנט ופעילות שגרתית במערכת ניהול למידה (LMS) במהלך הוראה לתואר ראשון. הוא פחות מתאים לקורסים אסינכרוניים מלאים ללא אינטראקציה ניתנת לתצפית, לסביבות האוסרות תצפית עצמאית או קישור רשומות, או למחקרים הדורשים הסקת מסקנות ביומטריות או זיהוי רגשות. התוצאות המייצגות מדווחות מהיישום האמפירי שהושלם לאחר קבלת אישור אתי מאושר, אנונימיזציה של רשומות הקורס והכנת המאגר.

מבוא

הערכת השתתפות סטודנטים בהשכלה גבוהה דורשת גישה מקיפה מרובת מקורות. למרות שמעורבות סטודנטים נתפסת באופן נרחב כמבנה רב-ממדי המקיף התנהגות נצפית, מאמץ קוגניטיבי ואינטראקציה סביבתית, גישות אנליטיות נוכחיות מסתמכות בעיקר על נתוני לוגים שטחיים, כגון תדירות התחברויות ופעולות המתועדות במערכת1. הסתמכות יתרה זו מציבה אתגר משמעותי עבור מחקר מעשי מבוסס כיתה. הצורות הקריטיות ביותר של השתתפות לימודית — אינטראקציות ישירות בין עמיתים, רפלקציה קוגניטיבית ותרומות חברתיות — מתרחשות לעיתים קרובות לחלוטין מחוץ להיקף הנראות המוגבל של הפלטפורמה2.

המורכבות של כיתת הלימוד האוניברסיטאית המודרנית התגברה עם אימוצם של מודלים פדגוגיים היברידיים, המשלבים פלטפורמות דיגיטליות עם הוראה פנים-אל-פנים מסורתית. בעוד שסקירות שיטתיות של אנליטיקה של למידה מאשרות כי עקבות דיגיטליים מספקים תובנות בעלות ערך לגבי הקצאת זמן, דפוסי גישה ושיעורי שימור לטווח ארוך, מדדים אלו לבדם אינם יכולים לקבוע האם קשב הלומד הוא יעיל או משמעותי באמת3. כתוצאה מכך, מחקרים עדכניים דוגלים בביסוס האנליטיקה של הלמידה במסגרות תיאורטיות חזקות יותר, על ידי התאמת העקבות הדיגיטליים למדדים עשירים יותר ותלויי-הקשר של השתתפות, כגון התנהגות בכיתה ופעילויות רפלקסיביות4.

כתיבה רפלקטיבית מעניקה ממד איכותני חיוני להערכה זו. רפלקסיות מובנות לאחר השיעור ויומנים לומדים את פרשנויותיהם של הסטודנטים לפעילויות הלמידה, מבהירים קשיים הוראתיים ומגשרים בין התוכן התיאורטי לבין פעולות מעשיות עוקבות. ראיות אמפיריות מהעת האחרונה תופסות את הביטוי הרפלקטי כבנייה אינטגרטיבית רב-מרכיבית הכוללת היזכרות תיאורית, הסקה אנליטית, ייצוג התייחסותי-עצמי והכללה של משמעויות5. יתרה מכך, מחקרים מצביעים על כך שמתן הדרכה רפלקטיבית חוזרת לסטודנטים מחזקת בהדרגה את יכולתם לאינטרוספקציה; ככל שתדירות הרפלקסיה המובנית במהלך הקורס עולה, כך משתפרות במקביל מיומנויות החקירה העצמאיות של הסטודנטים6.

פער מרכזי שני במחקרי המעורבות הנוכחיים הוא הדחיקה התכופה של הסוציאליזציה בכיתה לשוליים. בעוד שמחקרים קיימים שמים דגש רב על התנהגות או קוגניציה אינדיבידואלית, כיתות באוניברסיטה מתפקדות כסביבות למידה חברתיות מטבען, שבהן סטודנטים משפיעים זה על זה באמצעות שיתוף פעולה ואינטראקציות תגובתיות. ראיות חדשות מראות כי אקלים הכיתה ומבני ההשתתפות נמצאים במתאם חזק עם התנהגות פרוסוציאלית ותפיסה מוכוונת תרומה — תוצאות שנותרו תחת-נחקרות בהשוואה למדדים מסורתיים של ביצועים אקדמיים או שביעות רצון של הסטודנטים. התנהגות פרוסוציאלית במסגרות אקדמיות אינה רק תוצר לוואי של מצבים רגשיים או סטרס; אדרבה, היא קשורה באופן בסיסי לאופן שבו סטודנטים ממקמים את עצמם בתוך פעילויות למידה קולקטיביות7. לפיכך, מדידת כוונה פרוסוציאלית משמשת כעדשה מתאימה לקביעה האם המעורבות בכיתה חורגת מהשלמה מבודדת של משימות כדי לטפח התנהגויות שיתופיות ומעודדות מעבר לסביבת ההוראה המיידית8.

פיתוחים מושגיים אלו מדגישים את הצורך במסגרת משולבת לאיסוף ראיות המיושמת בתוך חלון הוראה בודד. עיצוב רב-מקורות מפחית את המגבלות הכרוכות בהסתמכות על מדד בודד, מאפשר תיקוף צולב בין אופני השתתפות שונים וחושף כיצד סטודנטים מפרשים את פעילויותיהם לאחר השיעור כדי לעודד למידה עצמאית9. בעוד שהערכות רפלקטיביות לוכדות את המצב הקוגניטיבי הפנימי של הלומד, עיגון של דיווחים עצמיים אלו בעקבות התנהגותיות אובייקטיביות משפר משמעותית את יכולת הפרשנות של נתוני הלמידה. נכון להיום, קיים חסר בולט בפרוטוקולים מעשיים ומוכנים ליישום בכיתה, המסנתזים בצורה חלקה תצפית התנהגותית שיטתית, דיווח רפלקטיבי מובנה ואנליטיקת למידה לצורך יישום שגרתי באוניברסיטה.

כדי להתגבר על ליקויים מתודולוגיים אלו, מאמר זה מציג פרוטוקול הערכה שנועד למדוד בו-זמנית את המעורבות בכיתה, הביטוי הרפלקסיבי והכוונות הפרו-סוציאליות של סטודנטים באוניברסיטה. הפרוטוקול, שפותח במיוחד עבור מסגרות של תואר ראשון, מציע מתודולוגיה יעילה הדורשת עומס אדמיניסטרטיבי מינימלי מבלי להתפשר על שחזוריות מדעית. על ידי גישור על הפער האנליטי בין התנהגויות ניתנות לצפייה, חוויה עצמית מנוסחת ותוצרי למידה מכווני חברה, מסגרת זו עונה על הקריאה הגוברת לבהירות מושגית רבה יותר במחקר על אינטראקציה בין אדם לטכנולוגיה בסביבות חינוכיות10.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

כל השיטות שכללו משתתפים אנושיים בוצעו בהתאם להצהרת הלסינקי ולהנחיות המוסדיות הרלוונטיות. עבור המחקר שיושם, הפרוטוקול אושר על ידי ועדת האתיקה של Nanchang Institute of Technology לפני תחילת הגיוס (מספר אישור: NITE778291). הסכמה מדעת בכתב התקבלה מכל סטודנט משתתף. לצורך הניתוח נעשה שימוש אך ורק בנתונים אנונימיים מצטברים של תצפיות בכיתה, ציוני רפלקסיה, אנליטיקה של למידה ונתוני שאלונים; סרטוני כיתה מזוהים, שמות, מזהים מוסדיים וטקסט רפלקסיבי שלא נערך הוצאו מהפרסום הציבורי.

1. מערך המחקר ובחירת המשתתפים

  1. יש ליישם את הפרוטוקול לאורך ארבעה פרקי הוראה רצופים עבור כל קבוצת כיתה שנבחרה. יש לתעד תוויות קורס אנונימיות, פורמט הוראה, גודל כיתה, ניסיון המרצה בקורס, והאם כל כיתה כוללת הוראה קבוצתית, עבודה בקבוצות או תרגול אישי. יש לשאוף לרישום ראשוני של כ-180 עד 210 סטודנטים לתואר ראשון בני 18 ומעלה, או להתאים את יעד גודל המדגם להקשר של הקורס.
  2. יש לוודא שלכל המשתתפים יש חשבון מוסדי פעיל בפלטפורמת הקורס, שהם יגיעו לשיעורים שייצפו, ושהם קיבלו את הנחיות הקורס המקדימות הניתנות בדרך כלל לכיתה. כאשר הידע המקדים משתנה באופן משמעותי, יש לספק דף הדרכה מקשר קצר, רשימת משאבים לפני השיעור, או חזרה בהנחיית המרצה לפני חלון התצפית, ולתעד את התמיכה שסופקה כמידע תיאורי (metadata) הקשרי.
  3. יש להשיג הסכמה מדעת בכתב מכל הסטודנטים לאחר מתן דף מידע מקיף בכתב. יש לציין בבירור בטופס ההסכמה כי המחקר מקשר בין תצפית התנהגותית בכיתה, כתיבה רפלקטיבית שבועית ורישומי פלטפורמת למידה אנונימיים.
  4. יש להזין למסד נתוני המחקר רק סטודנטים שהסכימו להשתתף. יש להבטיח כי סירוב להשתתף לא ישפיע על הנוכחות, הציונים, הגישה לקורס או התקשורת עם המרצה.
    1. יש להסביר את השימושים המותרים והאסורים בכלי בינה מלאכותית (AI) לפני משימת הרפלקסיה הראשונה.
      הערה: ניתן להשתמש בכלי AI רק כאשר מדיניות הקורס מאפשרת זאת ורק לתמיכה כללית בלימודים; הגשות רפלקטיביות ותשובות על כוונות פרו-סוציאליות חייבות לתאר את התנסותו האישית של הסטודנט וחייבות להצהיר על כל סיוע של AI.
    2. אם המרצה מאפשר גישור על ידע מקדים באמצעות תמיכת AI, יש לספק את אותן הנחיות (prompts) או משאבים מאושרים לכל הסטודנטים ולתעד תמיכה זו כהתאמה של הפרוטוקול. אין להשתמש בסיכומים שנוצרו על ידי AI כראיה ראשונית לרפלקסיה של הסטודנט, אלא אם כן מחקר התיקוף מעריך במפורש תשובות שנעזרו ב-AI.
  5. יש להוציא סטודנטים מהמחקר לפני הניתוח אם הם מסרבים לתת הסכמה, נסוגים מהקורס במהלך חלון הפרוטוקול, או אם חסרים נתונים תואמים בין רישומי התצפית, הרפלקסיה והאנליטיקה. יש להשתמש במערך של מדידות חוזרות (repeated-measures design) כדי לאסוף נתונים עקביים משלושת המקורות השונים לאורך תקופה של 4 שבועות2.

2. רכישת נתוני בסיס וניהול זהות

  1. מנו מנהל נתונים יחיד שיקצה מזהה מחקר אלפא-נומרי בן שמונה תווים לכל משתתף נותן הסכמה באמצעות תהליך פסאודו-אקראי.
  2. צרו קובץ קישור בין זהות למזהה מחקר המכיל את שמות הסטודנטים, מזהי מוסד, חלוקת כיתות ומספרי מחקר. שמרו קובץ זה באופן מאובטח ובנפרד מקובצי הניתוח, תוך הבטחה שיישאר בלתי נגיש לחלוטין לצופים, למקדדי רפלקסיה ולחוקרים.
  3. השמידו או ארכבו קובץ קישור זה לאחר אימות הנתונים הסופי בהתאם למדיניות שמירת הנתונים המוסדית המאושרת, תוך שמירה על עמידה בפרקטיקות הנוכחיות של אנליטיקת למידה בהשכלה גבוהה בנוגע לקישור מוגבל ודה-אידנטיפיקציה1.
  4. אספו נתוני דמוגרפיה בסיסיים על גיל המשתתפים, מגדר, שנת לימודים ומסלול לימודים במהלך השבוע הראשוני שלפני השיעור הנצפה הראשון.
  5. השתמשו בשאלון הכוונות הפרו-סוציאליות בן ששת הפריטים המופיע ב-Supplementary File 1 ככלי הבסיס המובנה לפני השיעור הנצפה הראשון. הפיצו אותו באופן אלקטרוני דרך ה-LMS או על דף נייר תוך שימוש במזהה המחקר שהוקצה בלבד. הסטודנטים מדרגים כל פריט בסולם של 5 נקודות, מ-1 = אי-הסכמה מוחלטת ועד 5 = הסכמה מוחלטת; חשבו את ציון הבסיס כממוצע של הפריטים שהושלמו כאשר נענו לפחות חמישה מתוך שישה פריטים.
  6. ייצאו את כל הטקסטים הרפלקסיביים שנאספו לאחר מכן ללא שמות, כתובות אימייל או מזהים אישיים אחרים, כדי להבטיח אנונימיות מלאה לפני תחילת תהליך הקידוד האיכותני.

3. הכנה לתצפית בכיתה

  1. תזמנו תצפיות עבור כל קבוצת שיעור פעם בשבוע במשך 4 שבועות רצופים. עבור שיעור סטנדרטי של 90-min, הגדירו חלון תצפית של 70-min על ידי ה exclusion של 10 min הראשונים ו-10 min האחרונים מהקידוד5.
  2. התחילו בקידוד בדקה ה-10th והפסיקו בדקה ה-80th של שיעור סטנדרטי של 90-min. תקופות חוצץ אלו אינן חלק מחלון התצפית של 70-min; לפיכך, שיעור סטנדרטי מניב 70 min של תצפית מקודדת ולא סשן של 30-min.
  3. הוציאו מהערכה הסופית כל בלוק הוראה שהופסק אם השיעור חווה הפרעה שנמשכה יותר מ-5 min עקב אזעקות, שינויי חדרים או תקלות בפלטפורמה.
  4. התייחסו למעורבות בכיתה כאל הרכב נצפה של התנהגויות מרובות על ידי תיעוד של מספר אינדיקטורים התנהגותיים בו-זמנית בכל נקודת מדידה11. האינדיקטורים כוללים קשב למשימה, השתתפות מילולית, שיתוף פעולה בין עמיתים, סיכום או שימוש במכשיר הממוקד במשימה, הסחת דעת ממשימה והתנהגות של בקשת עזרה.
  5. סדרו את הישיבה בכיתה לפי קבוצות לפני התצפית הראשונה ושמרו בקפידה על סידור ישיבה זה לאורך כל תקופת 4 השבועות.
  6. מקמו שני צופים מיומנים במיקומים קבועים עם נראות של הכיתה כולה כדי שיקודדו באופן עצמאי. אם צילום מוסדי מותר והמשתתפים נתנו את הסכמתם, התקינו שתי מצלמות סטטיות באזור המרכז-אחורי ובאזורי הצד-אחוריים וסנכרנו אותן לפני הסשן.
  7. השתמשו בהקלטות מצלמה אך ורק לצורך הכשרת צופים, אימות מהימנות ופתרון בעיות נראות; אל תשתמשו בהקלטות וידאו כמקור הקידוד העיקרי ואל תבצעו ניתוח של רגשות פנים, רגשות קול, ביומטריה או זיהוי זהות.

4. קידוד התנהגותי מבוסס מרווחי זמן

  1. חלק את חלון התצפית בן ה-70-min למרווחים רצופים המורכבים מסריקה חזותית של 20-s ולאחריה תקופת רישום של 10-s. אם הרצאה גדולה, מעבדה או שיעור מקוון דורשים אורך מרווח שונה, דווח על מבנה המרווח המותאם ונמק זאת לפני תחילת איסוף הנתונים.
    הערה: מבנה זה של 20-s/10-s מאזן בין תצפית כיתתית אקולוגית לבין עומס העבודה של המקודד: תקופת הסריקה ארוכה מספיק כדי לזהות קשב מתמשך, שיתוף פעולה והתנהגות שאינה קשורה למשימה, בעוד שתקופת הרישום מפחיתה את עומס הזיכרון ותומכת בקבלת החלטות בינאריות עקביות.
  2. סרוק קבוצה מוגדרת בבירור של עד עשרה סטודנטים למרווח בלולאה רציפה בהתבסס על סידור הישיבה.
  3. השתמש בקריטריוני סריקה ספציפיים כדי למנוע חוסר עקביות של המקודד הנגרם מהגדרות אופרציונליות רפויות4. קודד שישה אינדיקטורים בינאריים ברמת הסטודנט במהלך כל סריקה. אלו כוללים קשב ממוקד משימה, השתתפות מילולית, שיתוף פעולה עם עמיתים, כתיבת הערות או שימוש במכשיר הממוקדים במשימה, הסחת דעת שאינה קשורה למשימה, והתנהגות של בקשת עזרה.
  4. סמן אינדיקטור כ-"1" אם ההתנהגות שהוגדרה מתרחשת בכל נקודה במהלך הסריקה של 20-s. אחרת, סמן אותה כ-"0". קודד את המרווח כחסר אם סטודנט אינו נראה למשך לפחות 10 s של הסריקה.
  5. רשום קשב ממוקד משימה כאשר סטודנט מכוון חזותית לעבר המרצה, למשימות שהוקצו, למידע המוצג או לעמיתים העוסקים בדיון על המשימה למשך 5 s רצופים לפחות. קודד השתתפות מילולית עבור כל תרומה נשמעת הקשורה למשימה.
  6. קודד שיתוף פעולה עם עמיתים כאשר סטודנטים עוסקים בחילופים גלויים מבוססי משימה, בפתרון בעיות משותף או בהסברים לעמיתים. רשום כתיבת הערות או שימוש במכשיר הממוקדים במשימה עבור כתיבה פעילה, הקלדה או אינטראקציה דיגיטלית עם חומרי הקורס.
  7. סמן הסחת דעת שאינה קשורה למשימה אם סטודנט עוסק בשיחות לא רלוונטיות, בשימוש לא אקדמי במכשיר, או בחוסר מעורבות מתמשך למשך 5 s רצופים לפחות. רשום בקשת עזרה כאשר סטודנט מבקש במפורש הבהרה או סיוע מהמרצה או מעמיתים.
  8. חשב את הניקוד ההתנהגותי השבועי עבור כל סטודנט כסכום השיפוטים החיוביים חלקי כלל הדירוגים התקינים. גזור לאחר מכן ממוצעים של 4 שבועות עבור כל ששת האינדיקטורים.
  9. חשב מדד מעורבות כיתתית נצפית (OCEI) משולב עבור סטודנט i בשבוע w באמצעות המודל המתמטי שהוגדר מראש: OCEI_iw = [On-task attention_iw + Verbal participation_iw + Peer collaboration_iw + Task-focused note-taking/device use_iw + (1 - Off-task distraction_iw)]/5.
  10. השאר את בקשת העזרה כמשתנה אנליטי עצמאי מכיוון שהיא יכולה לייצג הן הבהרה בונה והן קושי בתוכן ההוראה, תלוי בהקשר12. עיין ב-איור 1 לצורך זרימת העבודה של המחקר וב-טבלה 1 לצורך מדדי התצפית וכללי הקידוד.

5. הכשרת צופים והערכת מהימנות

  1. בצעו הדרכת צופים באמצעות מפגש הכשרה ידני של 60 דקות, ועזרו בשלושה סבבי כיול לפני תחילת התוכנית הרשמית.
  2. בצעו את סבב הכיול הראשון באמצעות קידוד מודרך של סרטון מכיתה שאינו חלק מהמחקר. השלימו את שני הסבבים הבאים כקידודים עצמאיים של סרטונים שונים שאינם חלק מהמחקר, ולאחריהם ביצעו השוואות סטטיסטיות ישירות מול המקודד הבכיר.
  3. התחילו באיסוף נתונים רשמי רק כאשר מדד Cohen's Kappa מגיע ל-0.75 או עולה עליו, וההסכמה הכוללת בין המדרגים (inter-rater agreement) עולה על 85%.
  4. הטמיעו אימות סחף (drift verification) בסמיות כפולה על 10% מכלל המפגשים ועל מקטע אקראי אחד של 10 דקות מהמפגשים הנותרים לאורך פרוטוקול של 4 שבועות.
  5. בצעו כיול מחדש של צוות הקידוד תוך 72 h ואימות מחדש של המפגשים המושפעים לפני נעילת הנתונים, במידה וערך ה-Kappa יורד מתחת ל-0.70 עבור כל אינדיקטור. ספקו משוב באופן רציף וארגנו תרגילי כיול כדי לשמור על יציבות ההערכה לאורך זמן13.

6. איסוף והערכה של ביטוי רפלקסיבי

  1. הנחו את הסטודנטים להגיש טקסט רפלקטיבי מובנה אחד (100-350 מילים) עבור כל שיעור שנצפה, ובכך ייווצרו 4 רשומות לכל משתתף לאורך פרוטוקול של 4 שבועות.
  2. פרסמו את הנחיות הרפלקציה באמצעות ה-LMS או בטופס נייר בתוך שעתיים לאחר השיעור שנצפה, וסגרו את חלון ההגשה לאחר 72 שעות. הטופס צריך להציג את שדה ה-Study ID ואת שלוש ההנחיות הבאות באותו סדר עבור כל סטודנט:
    1. לזהות היכן הם הרגישו הכי מעורבים והכי פחות מעורבים במהלך השיעור.
    2. להסביר את הגורמים ההקשריים, כולל קושי במשימה, ידע מוקדם, אינטראקציה קבוצתית, הסבר של המרצה או שימוש בפלטפורמה.
    3. לתאר כיצד השפעת השתתפותם על האווירה בכיתה ואיזו פעולה עתידית הם מתכוונים לנקוט.
      הערה: שמרו רשומות של פחות מ-100 מילים, אך סמנו אותן במסד הנתונים כבעלות מידע נמוך. סמנו גם רשומות המשמיטות את ההנחיה לגבי המעורבות, הגורם ההקשרי או הפעולה העתידית/ההשפעה החברתית, מכיוון שהשמטות אלו משפיעות על ניקוד איכות הרפלקציה ועל דיווחי ההיתכנות.
  3. הקצו שני מקודדים עיוורים להערכת ההגשות על פני ספציפיות תיאורית, עומק אנליטי, נטייה לוויסות עצמי ומשמעות חברתית-פרוסוציאלית.
    1. דרגו כל ממד באמצעות סולם של 4 נקודות, שבו 0 מציין היעדר, 1 מציין ראיה חלשה או מעומעמת, 2 מציין ראיה ברורה אך מוגבלת, ו-3 מציין ראיה חזקה ומפורטת. לדוגמה, עומק אנליטי יקבל ציון 0 כאשר לא ניתנה סיבה, 1 כאשר הסטודנט מציין רק שהפעילות הייתה קשה, 2 כאשר הסטודנט קושר את הקושי למושג ספציפי או לתנאי כיתתי, ו-3 כאשר הסטודנט מסביר את האינטראקציה בין ידע קודם, דיון עם עמיתים, משוב מהמרצה ואסטרטגיית למידה מתוכננת. Table 2 ו- Supplementary File 1 מספקים דוגמאות לרמות הניקוד עבור כל ארבעת הממדים הרפלקטיביים.
  4. התחילו בהערכה רשמית רק לאחר השגת מקדם מתאם תוך-כיתתי (ICC) של 0.80 ומעלה עבור כל ממד בטקסטים של הפיילוט14.
  5. בצעו ניקוד כפול באופן אקראי ל-15% מהרפלקציות במחקר במהלך הפרוטוקול כדי לשלוט בסטיות של המדרגים (rater drift). העריכו את הכתיבה הרפלקטיבית על בסיס מדדים איכותניים רב-ממדיים אלה, במקום להסתמך אך ורק על אורך הטקסט או תדירות מילים.
  6. פתחו או התאימו את הרובריקה לביטוי רפלקטיבי באמצעות ביקורת מומחים של לפחות שני חוקרי חינוך ומרצה אחד מהקורס. בצעו פיילוט לרובריקה על 20 עד 30 רפלקציות שאינן חלק מהמחקר, תקנו תיאורים מעומעמים ותעדו את גרסת הרובריקה הסופית לפני תחילת הקידוד הרשמי.
  7. העבירו את שאלון הכוונות הפרוסוציאליות המופיע ב- Supplementary File 1. בקשו מהסטודנטים לדרג את נכונותם לעזור לחברים לכיתה שנתקלים בקשיים, לשתף משאבי למידה, לתרום באופן בונה לדיונים, לעודד עמיתים, לפעול בהגינות במהלך משימות קבוצתיות ולשפר את אקלים הלמידה בכיתה. השתמשו בסולם של 5 נקודות הנע בין 1 (מתנגד נחרצות) ל-5 (מסכים נחרצות). חשבו את הציון הממוצע כאשר הושלמו לפחות חמישה מתוך שישה פריטים, ודווחו על אלפא של קרונבך עבור המדידות בקו הבסיס ואחרי הפרוטוקול.

7. הפקת אנליטיקת למידה

  1. יש למנות מנהל חיצוני שיחלץ את נתוני ניתוחי הלמידה (learning analytics) לאחר שבוע 4, וזאת כדי למנוע כל זיהום של תהליכי התצפית והרפלקסיה.
  2. הגדירו את חלון החילוץ החל מהשעה 00:00 ביום השיעור הראשון שנצפה ועד השעה 23:59 ביום הסגירה של חלון הרפלקסיה האחרון.
  3. חלץ אך ורק את המשתנים שהוגדרו מראש והנחוצים לפרוטוקול. רשום את מספר הימים הפעילים בפלטפורמה, צפיות ייחודיות במשאבים, את הפרופורציה של משאבים שהוקצו ונפתחו, את כמות התגובות שפורסמו בדיונים, את שיעור השלמת הסרטונים הממוצע, ואת העמידה בלוחות הזמנים של הגשת המטלות.
  4. יש לנקות את הייצואים הגולמיים על ידי הסרת חשבונות השייכים למרצים ועוזרי הוראה, רשומות כפולות, אירועי בדיקה ונקודות נתונים שמחוץ לטווח הזמנים שהוגדר.
  5. חשב יום פעיל ככל תאריך בלוח השנה הכולל לפחות גישה אחת מאומתת לקורס, שלאחריה התבצעה אינטראקציה משמעותית, כגון פתיחת קבצים, צפייה בסרטונים או פרסום תגובות.
  6. ספור פתיחות משאבים ייחודיות תוך התעלמות מאירועי רענון כפולים המתרחשים בטווח של 60 שניות. קבע את שיעור השלמת הצפייה בסרטון על ידי קיטום חלק הצפייה ביחס לזמן המתוכנן ב-01:00, ולאחר מכן חשב ממוצע על פני כל פריטי המדיה שהוקצו.
  7. חשבו את עמידת התלמידים בלוחות הזמנים של הגשת המטלות על בסיס שיעור המשימות שהוגשו לפני המועדים שנקבעו. חשבו את שיעור הגישה בשעות הלילה המאוחרות כיחס בין אירועים משמעותיים שהתרחשו בין השעות 00:00 ל-06:00 לבין סך הפעילויות המשמעותיות בתקופת התצפית. הישענו על מדדים אלו, המוגדרים על בסיס זמן ותרומה, כדי לספק מידע עשיר יותר מאשר צבירה פשוטה של רשומות לוג (logs).15.
  8. השתמשו בזרימת עבודה (workflow) שנקבעה מראש לניהול נתונים עבור הייצוא הגולמי ממערכת ניהול הלמידה. שמרו את הייצוא המקורי כקובץ לקריאה בלבד, צרו עותק עבודה אנונימי (de-identified), הסירו חשבונות של מרצים ועוזרי הוראה, הסירו אירועים כפולים או אירועי בדיקה, ושמרו יומן עיבוד הכולל ספירת שורות לאחר כל שלב בניקוי הנתונים.
  9. בצע ניקוי נתונים בגיליון אלקטרוני (spreadsheet) או בתוכנה מאוחרת יותר, וניתוח סטטיסטי בגרסה 4.4.0 או מאוחרת יותר של R, או בתוכנה שוות ערך.
    1. בגיליון אלקטרוני, בצע את השלבים המתוארים בסעיפים 7.9.1.1–7.9.1.2.
      1. ייבאו את קובצי ה-CSV שעברו דה-אידנטיפיקציה באמצעות נתונים > קבלת נתונים > מתוך טקסט/CSV, ולהשתמש נתונים > הסרת כפילויות להסרת כפילויות מזהה מחקר/חותמת זמן/אירוע שורות.
      2. יישום מסנן כדי להחריג חשבונות של מרצים או עוזרי הוראה ורישומים שחורגים מחלון הזמן, ולשמור לוג עיבוד עם ספירת שורות לאחר כל שלב.
    2. ב-R, פעל לפי השלבים המתוארים בסעיפים 7.9.2.1–7.9.2.3.
      1. ייבוא קבצים באמצעות readr::read_csv(), עיצוב מחדש של רשומות שבועיות באמצעות dplyr::mutate(), dplyr::group_by(), dplyr::summarise(), tidyr::pivot_longer()ו- tidyr::pivot_wider().
      2. חשב את מדד הקאפה של כהן (Cohen's kappa) באמצעות irr::kappa2(), ICCs עם psych::ICC(), ואלפא של קרונבך עם psych::alpha().
      3. התאם מודלים ליניאריים מותאמי-מקטע באמצעות stats::lm()שימוש lme4::lmer() כאשר נדרש חיתוך אקראי (random intercept) מוגדר מראש עבור מחלקה-סבב, ושימוש lme4::glmer(family = binomial) רק עבור תוצאים בינאריים. ארכבו את הסקריפט המדויק ואת גרסאות החבילות יחד עם חומרי ההגשה.
  10. השתמש ברצף הניתוח הניתן לשחזור הבא.
    1. חשבו את פרופורציות התצפית של תלמיד-שבוע, חשבו את ה-OCEI באמצעות הנוסחה שבשלב 4.9, ומזגו את ציוני הרפלקסיה השבועית לפי מזהה מחקר (Study ID) ושבוע.
    2. יש לצבור את משתני ניתוח הלמידה (learning analytics) על פני אותו חלון זמן של 4 שבועות, לבחון נתונים חסרים לפי מקור הנתונים, לחשב סטטיסטיקה תיאורית והערכות מהימנות, ולהתאים את מודלי הקשר שהוגדרו מראש.
    3. אין להוסיף מנבאים שלא תוכננו לאחר בחינת התוצאות, אלא אם כן הם מסומנים כחקרים (exploratory).
  11. (אופציונלי) למען השקיפות, הפקידו מאגר ציבורי או חומרי השלמה הכוללים סקריט ניתוח אנונימי, ספר קודים, טפסי קידוד ריקים, הנחיות לרפלקסיה, מחוון (רובריקה) לרפלקסיה ושאלון פרו-סוציאלי. אין להפקיד סרטוני כיתה גולמיים מזוהים, שמות, מזהים מוסדיים או טקסט רפלקסיבי שלא נערך להסרת פרטים מזהים.

8. מדידה לאחר הפרוטוקול ושילוב מערכי נתונים

  1. הנח את שאלון הכוונות הפרו-סוציאליות פעם שנייה מיד לאחר סיום חלון הרפלקסיה האחרון.
  2. בקש מהסטודנטים לדרג את נכונותם לעזור לחברים לספסל הלימודים, לשתף משאבים, לתרום באופן בונה לדיונים, לעודד עמיתים, לפעול בהגינות ולשפר את אקלים הלמידה, על סולם הנע בין 1 (מסכים מאוד) ל-5 (לא מסכים כלל). חשב את הניקוד הכולל של כל משתתף לאחר הפרוטוקול על ידי חישוב ממוצע התשובות, בתנאי שענו לפחות לחמישה מתוך ששת הפריטים.
  3. מזג את קבצי התצפית, ציוני הרפלקסיה ורישומי אנליטיקת הלמידה באמצעות מזהה המחקר (Study ID) האנונימי. בנה שני מאגרי נתונים סופיים ממיזוג זה כדי ליצור קובץ מאסטר ברמת המשתתף וקובץ בפורמט ארוך ברמת השבוע.
  4. אין לבצע השלמה (imputation) למרווחי תצפית חסרים שנגרמו מחוסר נראות של סטודנטים, ואין להשלים רפלקסיות שבועיות חסרות שנגרמו מאי-הגשה. סמן רפלקסיות שהושלמו חלקית, משתני אנליטיקת למידה חסרים, רפלקסיות עם מידע דל ומזהי מחקר שלא נמצא להם התאמה לפני הניתוח.
  5. השתמש בניתוח מקרים מלאים (complete-case analysis) עבור מודלים של קשר שהוגדרו מראש, דווח על מספר המקרים שהוחרגו עבור כל מודל, ובצע בדיקת רגישות להשוואה בין סטודנטים שנכללו לאלו שהוחרגו על בסיס משתני הבסיס הזמינים.
  6. שמור על כוונות פרו-סוציאליות כמדד תוצאה ראשוני כדי לשקף את העמדות התומכות והשיתופיות העומדות בבסיס שינויים מבניים בהשתתפות של סטודנטים באוניברסיטה.

9. פתרון בעיות והתאמות של הפרוטוקול

  1. אם שני צופים אינם מסכימים על יותר מדפוס קטגוריה בינארית אחת באותו צביר סטודנטים, או אם מדד ה-Cohen's kappa יורד מתחת ל-0.70 עבור אינדיקטור כלשהו, יש להשהות את הניקוד הפורמלי עבור המפגש המושפע, לסקור את ההגדרות האופרציונליות, לבצע מקטע כיול מחדש של 10-min, ולקודד מחדש את המרווח המושפע לפני נעילת הנתונים.
  2. אם ייצואי הפלטפורמה אינם מלאים, יש לתעד את השדה החסר, לבקש ייצוא שני מהמנהל החיצוני, ולהשאיר את הסטודנט בסיכומי התצפית/רפלקסיה תוך החרגת משתנה האנליטיקה הבלתי זמין ממודלים הדורשים שדה זה.
  3. אם פחות מ-80% מהרפלקסיות הצפויות הוגשו תוך 48 h לאחר פתיחת המשימה, יש לשלוח תזכורת ניטרלית לכל הכיתה, להרחיב את התמיכה הטכנית לבעיות גישה, ולדווח בנפרד על הספירות הסופיות של הגשות בזמן, הגשות באיחור והגשות חסרות.
  4. אם יותר מ-10% מהסטודנטים בצביר אינם נראים למשך לפחות מחצית מחלון הסריקה, יש לקודד את המרווחים המושפעים כחסרים ולהסתמך על רישומי צופה בזמן אמת במקום לנסות להסיק התנהגות מווידאו חסום.
  5. אם סטודנט נסוג, מסרב להמשיך בהשתתפות, או שחסרים נתונים הניתנים לקישור בין המקורות, יש להסיר סטודנט זה ממודלי התבססות מקושרים, אך לשמור על ספירות סיכום של היתכנות הפרוטוקול כאשר אישור האתיקה מתיר זאת.
  6. אם מספר סטודנטים מאותתים שחלק מסוים קשה להבנה, על המדריך לספק את המענה הפדגוגי הרגיל, כגון הסבר קצר חוזר, דוגמה פתורה, דיון עמיתים או משאב המשך. יש לתעד זאת כאירוע הקשרי מכיוון שהוא עשוי להשפיע על בקשת עזרה, עומק הרפלקסיה ופעילות בפלטפורמה.
  7. יש להתאים את גודל צביר הסטודנטים, אורך המרווח, הנחיות הרפלקסיה ומשתני האנליטיקה לפורמט ההוראה, אך לשמור על אותה לוגיקה של אינדיקטורים התנהגותיים שהוגדרו מראש, רשומות אנונימיות, קידוד עצמאי וכללים שקופים לטיפול בנתונים חסרים.
  8. יש להתייחס לאמינות נמוכה, שיעור גבוה של נתונים חסרים, עומק רפלקסיה מוגבל, שינוי פרו-סוציאלי חלש והסכמה חלשה בין זרמי נתונים כתוצאות יישום בעלות ערך אינפורמטיבי ולא ככישלונות של הפרוטוקול. יש לדווח על תוצאות אלו ולהסביר אם הן משקפות את הקשרי הכיתה, מגבלות של כלי המדידה או בעיות בלכידת הנתונים.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

הכללת משתתפים, שלמות הנתונים ואמינות הציונים
קוהורט ראשוני של 204 סטודנטים מכל מקטעי הקורס הוזמנו להשתתף, מהביא ל-198 אנשים שנתנו את הסכמתם. ארבעה עשר מקרים הוצאו לאחר מכן בשל נשירה מהקורס במהלך חלון הפרוטוקול או קישור נתונים חסר בין רשומות התצפית, הרפלקסיה והפלטפורמה. כתוצאה מכך, המדגם האנליטי הסופי כלל 184 סטודנטים. מאפייני המשתתפים, שיעורי ההשלמה השבועיים ושלמות הנתונים הכללית מפורטים בטבלה 3.

במהלך התוכנית שנמשכה 4 שבועות, נצפו 24 מפגשי לימוד, אשר יצרו...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

מחקר זה מציע פרוטוקול מעשי המשלב תצפית התנהגותית, כתיבה רפלקסיבית ואנליטיקה של למידה כדי לבחון באופן מקיף את השתתפותם של סטודנטים באוניברסיטה, את הביטוי העצמי שלהם ואת המודעות הפרוסוציאלית שלהם בתוך חלון הוראה יחיד. על ידי לכידה של ממדים שונים של מעורבות, גישה טרי-מודאלית זו נותנת מענה לביקורות אחרונות במחקר על השכלה גבוהה, הטוענות כי מדדי זמן-שימוש וניטור מבוסס חיישנים אינם מספיקים כאשר הם מוערכים בבידוד1. במהלך הפרוטוקול שנמשך 4 שבועות, חלה רמה משמעותית של שיפור במעורבות גלויה בכיתה. באופן ספציפ...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

למחברים אין ניגודי עניינים להצהיר עליהם.

תודות

המחבר מביע תודה כנה לסטודנטים לתואר ראשון ולמרצי הקורס שהשתתפו במחקר זה. שיתוף הפעולה שלהם היה חיוני להשגת תצפיות התנהגותיות, כתיבה רפלקסיבית ורישומי אנליטיקה של למידה. מחקר זה לא קיבל מענק ספציפי מכל סוכנות מימון במגזר הציבורי, המסחרי או ללא מטרת רווח.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
גיליון קידוד לתצפית בכיתהפנימיששה מדדי התנהגות בינארייםקידוד מבוסס מרווחי זמן של קשב למשימה, השתתפות מילולית, שיתוף פעולה בין עמיתים, סיכום/שימוש במכשיר הממוקד במשימה, הסחת דעת מהמשימה ובקשת עזרה.
GraphPad PrismGraphpadגרסה 10.2.3יצירת תרשימי זרימה, גרפי מגמות שבועיים, גרפי התפלגות ואיורי קשר.
מערכת ניהול למידה מוסדית / פלטפורמת קורסהאוניברסיטה המארחתמערכת חשבונות LMS מוסדית קיימתאיסוף נתוני אנליטיקת למידה בעומ anonymity.
Microsoft PowerPointMicrosoftMicrosoft 365 v2402יצירת תרשימי זרימה, גרפי מגמות שבועיים, גרפי התפלגות ואיורי קשר.
RR Foundationggplot2 3.5.1
תוכנת גיליונות אלקטרונייםMicrosoft CorporationMicrosoft Excel 365 v2402הזנת נתונים, ניקוי, בדיקות אנונימיות ומיזוג של מערכי נתוני תצפיות/רפלקסיה/אנליטיקה.
SPSS StatisticsIBM Corpגרסה 26.0תוכנה לניתוח סטטיסטי; סטטיסטיקה תיאורית, השוואות במדידות חוזרות, Cohen's kappa, ICC, Cronbach's alpha, מתאמים ומודלי רגרסיה.

מקורות

  1. Bergdahl N, et al. Unpacking student engagement in higher education learning analytics: a systematic review. Int J Educ Technol High Educ. 2024;21:63.
  2. Zou W, et al. Examining learners' engagement patterns and knowledge outcome in an experiential learning intervention for youth's social media literacy. Comput Educ. 2024;216:105046.
  3. Johar NA, Kew SN, Tasir Z, Koh E. Learning analytics on student engagement to enhance students' learning performance: a systematic review. Sustainability. 2023;15(10):7849.
  4. Xu Z, et al. Leveraging learning analytics to model student engagement in graduate statistics: a problem-based learning approach in agricultural education. Behav Sci. 2025;15(10):1360.
  5. Alt D, Raichel N, Naamati-Schneider L. Higher education students' reflective journal writing and lifelong learning skills: insights from an exploratory sequential study. Front Psychol. 2022;12:707168.
  6. Suraworachet W, Zhou Q, Cukurova M. Impact of combining human and analytics feedback on students' engagement with, and performance in, reflective writing tasks. Int J Educ Technol High Educ. 2023;20:1.
  7. Zhou S, et al. How classroom climate is linked to prosocial behavior in undergraduate students: a multilevel moderated mediation model of feedback expectation and self-monitoring. BMC Psychol. 2025;14(1):1-13.
  8. Charan IA, Chongjin W, Soomro S. The relationship between academic stress, anxiety, and cognitive behavioral outcomes among young adults: the moderating role of prosocial behavior. Acta Psychol. 2025;258:105234.
  9. Yang Y, Yuan K, Zhu G, Jiao L. Collaborative analytics-enhanced reflective assessment to foster conducive epistemic emotions in knowledge building. Comput Educ. 2024;209:104950.
  10. Veiga F, et al. Higher education student engagement in learning activities: clarifying concepts and introducing a short scale. PLoS One. 2026;21(2):e0340391.
  11. De Bruijn-Smolders M, Prinsen FR. Effective student engagement with blended learning: a systematic review. Heliyon. 2024;10(23):e39439.
  12. Awidi IT, Klutsey JQ. Using online critical reflection to enhance students' confidence, motivation, and engagement in higher education. Technol Knowl Learn. 2025;30:1499-1534.
  13. Cohen J. A coefficient of agreement for nominal scales. Educ Psychol Meas. 1960;20(1):37-46.
  14. Jung Y, Wise AF, Oshima J. How students engage with learning analytics: access, action-taking, and learning routines with message-based information to support collaborative annotation. Comput Educ. 2025;232:105280.
  15. Uzun Y, et al. Engagement with analytics feedback and its relationship to self-regulated learning competence and course performance. Int J Educ Technol High Educ. 2025;22:17.
  16. NasirpourOsgoei SN, Daniel E, Jones-Devitt S. Enhancing academic performance through attendance and recognition: an active learning approach in UK higher education. Innov Educ Teach Int. 2025;1-16.
  17. Chua YHV, Yeo J, Lim WY. Testing individual and group markers of collaboration in a team-based learning classroom. Learn Instr. 2025;101:102176.
  18. Karlsson PS, Shafti F, Duffy K. The house of the business school: a pragmatic approach to conceptualising learning community. Int J Manag Educ. 2025;23(2):101141.
  19. Lackéus M, Hyldegård JS, Færgemann HM. Value creation pedagogy across disciplines in higher education: approaches and motivations. Int J Manag Educ. 2025;23(3):101270.
  20. Gordon CS, Pink MA, Rosing H, Mizzi S. A systematic meta-analysis and meta-synthesis of the impact of service-learning programs on university students' empathy. Educ Res Rev. 2022;37:100490.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

קורסי תואר ראשוןכתיבה רפלקטיביתקידוד התנהגותימערכת לניהול למידהמעורבות סטודנטים
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.