指導前の問題解決(PS-I):能力の異なる学生の評価と介入のためのプロトコル
2021年9月11日
このプロトコルは、研究者や教育者に対して、学部統計クラスにおける指導前アプローチ(PS-I)の実装を導きます。また、PS-Iの有効性が異なる認知的および情動的素因を持つ学生の学習と動機の観点から測定されるこの実装の組み込み実験的評価についても説明する。
学生の大部分は、批判的思考を必要とするコースで学習と動機付けの問題を見つけます。このプロトコルは、教育者や研究者に、この課題に直面する効果的なアプローチ、すなわち指示前の問題解決アプローチを実装するためのガイドラインを提供するため、重要です。このアプローチは、クラスの概念を説明する前に、学生にその概念に関連して個人的な解決策を発明する機会を与えることから成り立っています。
また、このプロトコルは、指導前の問題解決の有効性に関するアクセス可能かつ実験的な評価を行い、この評価を実際の教育実践と統合し、能力と動機付けの素因の面で学生の変動性に出席するため、重要である。プロトコルは、変動性の統計クラスでコンテキスト化されます。具体的には、指導前の問題解決条件は、このトピックに関する指示を受ける前に可変性の尺度を発明する学生を持つことにあります。
教育実践への指導アプローチの前に問題解決を可能にすることが重要であると考える理由の1つは、批判的思考を促進することができるからです。学生が新しい問題に直面し、これらの問題に対する創造的な解決策を見つけようとする機会です。もう一つの理由は、この経験がクラスの内容の教えと互換性があることです。
具体的には、これらの一連の問題で個人的な解決策を発明することは、学生が以前の知識を活性化し、知識のギャップをより意識し、よりやる気を感じ、最後に、カバーされた内容のより高い理解を説明し、この理解を異なる状況に移すことができるのに役立つ可能性があることを示唆しています。しかし、特にその実装は一部の学生に否定的な反応を生じさせる可能性があるため、指導前の問題解決の有効性について調査を続けることは非常に重要です。例えば、一部の学生は、この最初の発明タスクで考慮すべきさまざまな選択肢に挑戦したり、不満を感じたりすることができます。
特に、異なる認知的および動機付けの素因を持つ学生がこのアプローチから多かれ少なかれ利益を得る方法を評価することが重要です。このプロトコルは、命令アプローチの前に問題解決を実装するためのガイドとして使用できます。ただし、ユーザーがプロトコルを実装する前に実験評価にも関心がある場合は、倫理的な考慮事項を受講者に説明する必要があります。
調査に参加したくない場合は、彼らがそれらを手渡して学習活動を行うことができることを説明することによって、参加する彼らの自由な同意を保証することが重要です。倫理的配慮について口頭で、書面によるインフォームド・コンセントで通知し、学生がインフォームド・コンセントのコピーを保管できるようにします。学生が法定年齢未満の場合は、保護者のインフォームド・コンセントを要求する必要があります。
データの匿名性を保証するために、無作為に学生に任意の識別番号を割り当てます。異なる評価ツールを完了して、認知的および動機付けの素因を測定するよう生徒に依頼します。この評価は、研究者の利益を防ぐことができます。
それにもかかわらず、プロトコルでは、以前の学問知識、動機付けの目標、能力の感覚、発散思考能力、およびメタ認知調節能力の素因を測定する提案が記載されています。この評価の後、受講者は2つの学習条件、課題が課題となる指導前の課題解決を指導の前にターゲット概念に関連して解決する課題を割り当てます。指示を受けてから問題解決を行う直接指示条件下で。
2 つの条件に対応したタスクブックを、その資料を含む状態にします。このプロトコルでは、命令前の問題解決条件のタスクブックには、2 つのアクティビティが含まれています。まず、学生が変動性の対策を発明する問題です。
次に、この問題のコンテキストでの可変性の測定に関する手順を示すサンプルを作成しました。直接指示条件のタスク帳には、2 つのアクティビティも含まれています。まず、作業例を通して指示する。
第二に、学習内容を適用する実習問題です。最初のアクティビティを実行している間に受講者が 2 番目のアクティビティの内容を表示しないようにするには、2 番目のアクティビティに対応する論文を添付します。2 つのタスクブックをクラスの生徒にランダムに割り当てます。
課題は生徒の着席に依存してはなりません。最初に割り当てられたアクティビティで 15 分間作業した後、2 番目に割り当てられたアクティビティで作業するためにさらに 15 分を与えます。すべての命令はタスクブックに書かれています。
生徒を指導するために教師が利用できるようにすることをお勧めします。しかし、発明段階では、教師は、自分の個人的なアイデアの開発を短縮することができるので、従来の解決策についての手がかりを与えないことを重要です。学生が問題を深いアイデアから探求するのを助けるために、問題は対照的なケースのテクニックに基づいて設計されています。
これは、プログラムのデータには、各比較が1つまたは少数の関連特性で異なる方法で簡単に並べて比較できるいくつかの洗練された例が提示されていることを意味します。生徒が助けを必要とする場合、教師はメタ認知プロンプトを通して、どのような解決策をしようとしているのかを説明するよう求めるなど、メタ認知プロンプトを通して彼らを導くことができます。そして、一般的な手順を生成する方法の例を提供することによって、プログラムの目標を特定するのを助けることによって。
両方の学習条件の学習を補完するために、講義を通して指示を提供する。このプロトコルの具体的な文脈については、この講義のために提案されたアニメーションと指示を含む文書があります。レッスンの最後に,関心のある従属変数の評価を完了するよう生徒に言います。
このプロトコルには、学生が満たした好奇心と、知識のパフォーマンス、手続き上の知識、概念的知識、知識のタスクの3つのタイプを測定する提案があります。各評価の最終スコアのコード。このプロトコルで提案されている評価については、ガイドラインがデータセクションのコーディングで提供されています。
識別番号は、各学生に属するすべての評価を接続するために使用されます。対象の分析を実行します。プログラム、SPSS、およびプロセスに関するこのプロトコルのデータセクションの分析には、さまざまなガイドラインが用意されています。
この画像は、指導前の問題解決条件において学生が解決した発明問題に対する一般的な反応を示している。これらの解はいずれも標準偏差の目標概念に対応していません。しかし、それらは部分的な解決策であり、重要な概念的側面についての反映を明らかにする。
これに対し、直接指導条件の実践問題における解決策は、より均質であり、学生が働いた例で指導を受けた後にこの問題を解決したため、標準偏差の正規の概念と一致している。プロトコルの実験的評価の興味深い結果は、命令前の問題解決条件と各従属変数の直接命令条件との比較である。これは、指示の前に問題解決の一般的な有効性に関する情報を提供することができます。
また、指導や学習の前に問題解決の効果を仲介できるプロセスや、この効果の性質を持つ学生の役割を緩和するプロセスを探求することも興味深い場合があります。例えば、潜在的なモデレーションの結果は、指導前の問題解決の有効性が学生のメタ認知能力に依存することがある。このグラフによると、高いメタコグニティブスキルを持つ学生は指導前の問題解決からより多くの恩恵を受け、メタ認知能力の低い学生は直接指導からより多くの利益を得る。
結論として、このプロトコルは、教育者や研究者が指導アプローチと実験的評価を可能にする前に問題解決を行う上で有用である。このプロトコルには、3つの重要な利点があります。まず、教育や研究の様々な関心に適応する柔軟性。
第二に、通常の教育実践との容易な統合、そして最後に、実験的評価は、異なる認知および動機付けプロファイルを持つ学生のばらつきを考慮する。指導前の問題解決は、批判的思考、モチベーション、深層学習を促進する技術です。異なるタイプの学生におけるその有効性について調査することは、教育者が教育実践におけるその一般的な実施に関する有用な決定を下すのに役立ちます。
完全なトランスクリプトを表示し、数千本の科学動画にアクセス
概要
このプロトコルは、学部統計学の授業で問題解決優先型指導（PS-I）アプローチを実施する際の教育者のガイドとなります。PS-Iが、認知的および情意的特性の異なる学生の学習とモチベーションの向上において効果があるかを評価します。
主要な研究要素
科学分野
- 教育
- 統計学
- 心理学
背景
- 多くの学生が批判的思考コースでの学習とモチベーションに苦労しています。
- PS-Iアプローチは、正式な指導の前に学生が個人的な解決策を作り出すことを可能にします。
- この方法は、学生の能力とモチベーションの多様性に対応することを目指しています。
- このプロトコルは、変動性に焦点を当てた統計学の授業で特に文脈化されています。
研究目的
- 教育者がPS-Iアプローチを実施するためのガイドラインを提供すること。
- PS-Iが学生の学習成果にどのような効果があるかを実験的に評価すること。
- 学生の多様な認知的および情意的特性を考慮すること。
使用された方法
- 統計学の授業でのPS-Iアプローチの実装。
- 学生が指導を受ける前に変動性測定を考案します。
- 実験的評価を通じた学習とモチベーションの評価。
- 評価の実教育実践との統合。
主要な結果
- PS-Iアプローチは学生のエンゲージメントを向上させる可能性を示しています。
- 学生の反応の多様性は、カスタマイズされた教授法の必要性を強調しています。
- 実験的評価はPS-Iの効果に関する洞察を提供しています。
- 問題解決活動に参加した学生は、モチベーションの向上を示しました。
結論
- PS-Iアプローチは統計学の教授法で効果的な戦略となり得ます。
- 学生の多様性に対応することは、学習成果を向上させる上で重要です。
- PS-Iアプローチの長期的な効果を探るため、さらなる研究が必要です。
よくある質問
Executive Industry Relevance
Systematic hypothesis testing and quantitative assessment of intervention efficacy are foundational for robust target validation in biopharma R&D. The PS-I protocol's structured approach to isolating independent variables and measuring dependent outcomes mirrors critical discovery-stage requirements for predictive confidence and mechanistic de-risking. Integrating such methodologies supports risk-adjusted decision-making and portfolio advancement across early discovery and translational research.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables rigorous null hypothesis testing to clarify intervention effects on learning outcomes.
- Supports mechanistic de-risking by isolating cognitive and motivational variables influencing response to interventions.
- Facilitates predictive confidence through quantitative measurement of conceptual and procedural knowledge gains.
- Informs portfolio triage by identifying subpopulations with differential benefit from specific strategies.
Screening & Assay Development
- Establishes validated assessment tools for reproducible measurement of dependent variables such as knowledge transfer and curiosity.
- Standardizes experimental conditions to ensure comparability across intervention arms.
- Enables scalable data collection and analysis for screening intervention efficacy in diverse cohorts.
- Provides a framework for assay readiness and cross-study reproducibility.
Translational & Preclinical Research
- Aligns with translational biomarker strategies by quantifying individual variability in response to interventions.
- Supports continuity from discovery through preclinical validation by integrating mechanistic and outcome-based assessments.
- Enables risk-adjusted advancement decisions based on stratified efficacy data.
- Facilitates predictive de-risking for downstream implementation in broader populations.
Pipeline & Workflow Integration
The protocol positions experimental assessment of intervention efficacy at the intersection of early discovery and translational research, supporting lead identification and mechanistic validation.
- Discovery Biology: Provides a controlled framework for hypothesis testing and pathway clarification through independent variable isolation.
- Screening: Delivers standardized, quantitative outputs for reliable comparison of intervention arms.
- Analytics: Enables robust statistical analysis of dependent variables, supporting data-driven decision-making.
- Translational Research: Connects individual variability assessment to preclinical model selection and biomarker alignment.
- Enterprise Reuse: Offers a reusable protocol adaptable to diverse experimental and educational contexts.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in intervention assessment.
- Operational Value: Promotes standardization, reproducibility, and scalability of experimental workflows.
- Strategic Value: Enables informed go/no-go decisions and capital-efficient portfolio management.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of validated interventions.
Implementation Considerations
- Requires expertise in experimental design, statistical analysis, and assessment tool development.
- Needs infrastructure for anonymized data collection and secure management of participant information.
- Demands cross-team standardization of protocols and assessment instruments.
- Must be adaptable to different model systems and population subgroups.
- Considers ethical requirements for informed consent and participant autonomy.
Biopharma FAQs
Chapters in this video
0:00
Introduction
1:10
Why Problem Solving before Intstruction?
2:39
Protocol for Intervention and Evaluation
3:26
Protocol: Administration of Measures about Predispositions
3:55
Protocol: Administration of the Two Learning Conditions
5:27
Protocol: Specific Support During the Invention Problem
6:35
Protocol: Administration of the Lecture
6:51
Protocol: Assessment of Dependent Variables
7:12
Protocol: Coding and Analyses Procedures
7:40
Representative Results
9:11
Conclusion
