Summary
ここでは、健康科学の学生(20〜56歳)を対象としたプロジェクトベースの学習方法論の行動分析のためのプロトコルを提示します。このプロトコルは、監視ツールを使用して、eラーニングとブレンディッドラーニング(bラーニング)での参加者のパフォーマンスの比較を容易にします。結果は、教育データマイニングと定性的手法を使用して分析されます。
Abstract
世界中のアカデミックリーダーは、教育、特に高等教育における積極的な方法論の使用を奨励しています。その理由は、社会の変化がますます進んでおり、生徒と教師がデジタルスキルを開発する必要があるためです。これは、将来の卒業生が効果的な問題解決スキルを持っている必要がある健康科学の学位にとって特に重要です。この課題に対応するために、プロジェクトベースの学習(PBL)方法論の使用と、教育データマイニング(EDM)および混合方法の使用に基づくさまざまな監視手法により、教師は方法論の有効性に関する情報を提供し、個別の教育応答の実装をガイドします。
本研究は,高等教育で作業療法を学ぶ健康科学系学生を対象に,eラーニングおよびブレンディッドラーニング(bラーニング)教授法におけるPBL方法論の適用のためのプロトコルを提供する。さらに、共分散と教師なし学習の分析のための統計的手法により、2つの教育モダリティ間の違いを検出できるため、行動パターン、パフォーマンス、および満足度に関連するさまざまな変数の観点からそれらの有効性を特定できます。データの視覚化は、学習プロセスの質的側面を理解するのにも役立ちます。これらのデータは、教師が教育学習プロセスのコンテキストに基づいてPBL方法論を実装するためのより効果的な提案を作成するのに役立ちます。したがって、このプロトコルは、教師がeラーニングおよびbラーニングの教授法でPBL方法論を実装するのに役立つ多くのリソースと資料を提供します。
Introduction
プロジェクトベースの学習方法論の特徴
今日、さまざまな分野の専門家は、環境1などのさまざまな分野でのグローバリゼーションから生じる多くの(技術的、社会政治的、経済的)課題に直面しています。これらの問題は、病気の世界的な蔓延に影響を及ぼし、したがって資源を減少させ、貧困を増加させ、持続可能な社会を創造する責任を必要とします1。健康の専門家は、人々の生活の質の向上に貢献しながら、ケア戦略と技術を大規模に進歩させることにより、コミュニティの実行可能性を確保する可能性とスキルを持っています2。国連は、持続可能な開発目標(SDGs)1にすべての国が積極的に参加してこれらの課題に取り組む必要性を強調しています。医療従事者の活動は、提案された目標の多くにリンクすることができます。したがって、ヘルスケアの学生を訓練する人は、学生がこれらの新しい課題に直面することを可能にする能力を獲得するのに役立つ教育的アプローチを習得する必要があります1,2。
既存のさまざまな教育方法論の中で、プロジェクトベースドラーニング(PBL)3 は、学生が自分の職業の将来の課題に安全かつ効果的に対処するために必要な能力を開発するのに役立つ方法論として際立っています3。PBLは、従来の方法論の限界を克服し、教育・学習プロセスを変革し、学生を自分の学習の主役にした革新的な教育的アプローチです。この変更は、学生が実際の状況で問題解決スキルを習得するのに役立ちます4。PBLは、その分野に関連する実践的なシナリオに含まれる研究問題5 を作成する教師に基づいています。学生は共同グループで問題を解決する必要があります。最終的な目的は、タスクまたは問題の解決におけるグループワークによる知識(概念的、手続き的、および態度的)の獲得です6.
このアプローチは、教育と構成主義心理学の分野で始まり、それらの始まりから、さまざまな分野に適応してきました6.ただし、この方法論の実装は、教育リソースとインフラストラクチャの不足によって影響を受ける可能性があるため、従来の教育とPBL 7,8を組み合わせたハイブリッドモデルが使用されることがあります。しかし、これらのモデルは学習経験に限界を示しています1。このため、これらの方法論の使用と解釈を導き、促進する教育プロトコルを開発することが重要です。さらに、近年、PBL方法論は、仮想学習プラットフォームである学習管理システム(LMS)9を通じて、いわゆるオンラインプロジェクトベースの学習(OPBL)10で実装されています。
健康科学分野の大学生のためのプロジェクトベースの学習方法論
プロトコルは、教師がこれらの方法論を適用し、教育および学習プロセスから生じる結果を解釈するのを助けるために重要です9。このプロトコルは、学校教育の開始から高等教育まで使用でき、さまざまな精神的、身体的、社会経済的条件に合わせて調整できます11。提示されたプロトコルは、健康科学の大学生と協力することに焦点を当てています。教育モデルは、最初の刺激として機能する教師によって準備されたプロジェクトの周りに学習を整理することに基づいており、このフレームワークから、学生は自分の学習の主な焦点になります11。このアプローチは、学生が将来の専門的実践に密接に関連する基本的な能力(概念的、手続き的、態度的)を習得するための積極的、包括的、建設的な方法です4,12。
学習方法を組み合わせて、概念的および手続き的知識に関連する認知的およびメタ認知的能力の獲得を刺激します4,13,14、これらはすべて、学生が批判的思考を発達させ、学習へのモチベーションを高め、意思決定と問題解決における自律性を高めるのに役立ちます13.ただし、この方法論の適用を成功させるための鍵の1つは、教師が準備するプロジェクトが実際の実践に直接関連している必要があり、生徒は最低限の初期ガイドライン4,9に基づいて問題にアプローチする方法について自律性を与えられる必要があります。これは、教師が生徒の能力を評価するためのツールを明確に定義し、PBLの形成に使用される評価基準についてのガイダンスを提供し、評価がどれだけうまく行われているかを評価する必要があることを意味します15,16。さらに、学生は仲間と協力して議論し、討論を通じて断定的になることを学び、コミュニケーションとチームワークのスキルを開発することから恩恵を受けます4,16。
大学生の主な目的は、これらの能力の習得を容易にするために教師が設定した課題に対処することによって「学ぶことを学ぶ」ことです14(これは後で学生の将来の職業生活で実装されます)。この方法論を使用した結果は、それが実際的な問題の学習と解決における自律性を促進することを示しています4。この方法論の追加の利点は、学生が特に健康科学、オンライン教育、およびブレンディッドラーニング(b-Learning)の能力を習得するのを支援するのに非常に効果的であるということです17,18,19。これは、COVID-19パンデミック20,21のために特に重要になっています。
PBLの共通要素は、(1)まず、プロジェクトに関連する概念を学生に説明します(オンライン教育環境では、反転学習体験を使用できます)。(2)プロジェクト計画が定義され、分析されます。(3)支持理論のレビューが行われ、研究対象を理解するのに役立つ計画が作成されます。(4)問題に対処するための目的と質問が提案されている。(5)可能な解決策が策定され、最も実行可能なオプションが評価されます。(6)これらのソリューションが実装されています。(7)結果が報告されます。(8)批判的な反省が行われ、フィードバックが提供され、新しい質問の提案を含むプロセスが評価されます。(9)作業4,6,13を提示することでプロセスが終了する。
また、すべての学生がこの種の方法論に同じように反応するわけではないことにも留意する必要があります。学習により積極的に関与している学生、より批判的思考者である学生、およびより優れた対人関係スキルを持っている学生は、より良い結果を達成する傾向があります22。また、従来の学習方法に慣れている学生は、欲求不満を感じるかもしれません。これが、学生に明確な作業規則とプロジェクトフェーズの実施のためのスケジュールを最初から与える必要がある理由です8。上記のように、PBLは健康科学の学位内で広く使用されており、文献18,23,24にはPBLを裏付ける広範な証拠があります。しかし、臨床スキルセミナーと科学界での経験の普及に関連する、改善できるいくつかの側面が特定されています25,26。
この方法論は、インターンシップの割合が高い学位(たとえば、看護と医学、作業療法と心理学または栄養)でより良い結果をもたらすようです3。さらに、最近の研究では、実際の状況での相互作用に取り組むために、異なる学位間の共同トレーニングプロジェクトを通じてPBL方法論を実装することが提案されています。目的は、学際的および学際的な能力の獲得です27,28。ただし、このタイプの方法論をうまく実装するには、教員はそれを実装する資格が必要であり、学生は、特に健康科学3,15,18,29の場合、臨床実践に関して批判的で発散的な思考を発達させる必要があります。
実装のもう一つの重要な側面は、PBL方法論トレーニングに対する学生の満足度を評価し、改善のためのアイデアを分析する必要があることです19,30,31。より具体的には、作業療法の学生は、この方法論が職業生活で直面する問題と同様の問題を解決する方法を学ぶことができ、モチベーションを高めるため、学習に不可欠であることに気付いたと報告されています31。同様に、1993年に開始された縦断的研究(作業療法の学生でPBLのハイブリッドモデルが評価された)は、学生が将来の専門的実践のためにグループ学習について非常に肯定的な意見を持っていることを示しました7。作業療法の学生に関する別の研究では、方法論に対する満足度が高いことがわかりました。これは、この学習方法が実践を通じて知識を習得し、将来の仕事に適切に対応できるようになると考えるためです13。
要約すると、健康科学のコースでPBL方法論を使用することは、学生が専門的能力を習得するための鍵です。さまざまな研究が、効果的で満足のいく学習を達成するために、介入と教材の設計に優先順位を付けるために従うべきステップを示しています。したがって、生徒の学習プロセスを監視して、学習に関する早期または潜在的な問題を検出し、それらに対処することが非常に重要です。モニタリングには、教育データマイニング(EDM)と混合メソッド分析手法を使用する必要があり、その基本的な基礎については以下で説明します。
教育データマイニング技術
eラーニングまたはbラーニングの教育モデルでLMSを使用すると、生徒と教師のやり取りをキャプチャする一連のログまたはログファイルが生成されます。これらのログは学習行動の証拠であり、EDMまたは学習分析(LA)32手法を使用して分析できます。これらの技術により、教師は、どのような生徒の相互作用が存在するか、どれだけの相互作用が存在するか、および相互作用の質は何かを学ぶことができます33。特に、EDM技術は、学生の学習行動パターンとその相互作用を発見しやすくします4。EDM技術は、異なるプロファイル35,36(学生向けまたは教育者向け)を研究するために使用することができる。
最終的な目的は、指導に対するフィードバックの提供、コースコンテンツ構造の評価、学習プロセスで効果的な要素の分析、学生のタイプの分類、および学習のガイダンスと監視のニーズの特定です。これは、各生徒の最も一般的な学習パターンとエラーの頻度を決定するのに役立ち、それを使用して最も適切な教育的回答を調整することができます。EDM技術を使用できることの1つは、学生の学習プロセスを監視して、メンタリング を通じて 適切な支援を提供することです。EDM技術には、教師あり学習技術(予測または分類技術)37 および教師なし学習技術36 (クラスタリング技術)38が含まれる。PBLなどの積極的な教授法を含む教育プロセスでEDM技術を使用することは、個々の生徒の行動と共同グループでの生徒の行動を研究するのに非常に効果的であることが示されています10。
コンピュータ支援定性分析技術の応用
過去20年間で、定量的および定性的手法、または2つの組み合わせが、混合方法と呼ばれる研究に適用されてきました39。データ分析に混合方法を使用することは、学生の学習行動の監視など、分析の複雑な問題に対処する場合に特に役立ちます。これらの方法の使用により、調査の自由回答形式の質問からの学生のフィードバックなどの定性的データを定性的データに変換し、異なるデータ視覚化技術を用いてデータを分析することができます40。様々なコンピュータ支援(または支援)定性的データ分析ソフトウェア(CAQDAS)を使用して、データ変換および分析を容易にすることができる41。
PBL方法論による指導手順、学習行動の分析、EDMの使用、およびコンピューターベースの質的分析手法の概要を 図1に示します。
図1:PBL作業とEDMおよびコンピューターベースの定性分析技術の使用。 eラーニングおよびbラーニングの教育環境でEDMおよびテキストマイニング技術を適用したデータ収集と処理。略語:PBL =プロジェクトベースの学習。EDM = 教育データ マイニング;DB = データベース;eラーニング=オンラインクラス。b-ラーニング=混合クラス(オンラインクラスと物理クラス)。 この図の拡大版を表示するには、ここをクリックしてください。
RQ1:作業療法を学ぶ健康科学系の学生の学習成果と満足度は、PBL方法論がeラーニングで実施されているかbラーニングで実施されているかによって、学生の事前知識の影響を考慮して有意差がありますか?RQ2:見つかった参加者のクラスターは、学習成果、学習行動、およびモダリティの関数としての認識された満足度と一致していますか(eラーニングとbラーニング)?RQ3:PBL方法論の改善に関する学生の提案は、教授法、eラーニングとbラーニングによって異なりますか?
次のプロトコルは、ヘルスケアの教師が使用でき、他の知識分野の学生と協力するように変更することもできます。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
このプロトコルは、ブルゴス大学(スペイン)番号IO 03/2022の生命倫理委員会の手続き規則に準拠して実行されました。参加前に、回答者は研究目的を十分に認識し、インフォームドコンセントを提供しました。彼らは彼らの参加に対して金銭的補償を受け取っていませんでした。
1. 参加者募集
- 高等教育の2つのグループ(学生と教師)、特に作業療法の学部生から20歳から56歳までの成人参加者を募集します。
注: 表1 は、指導モダリティ別、年齢別、性別別に細分化された生徒のリストを示しています。PBL方法論は、COVID-19パンデミックの2つの異なる時期に使用されました:完全監禁を伴う緊急事態宣言(完全な監禁のためにeラーニング を介して 教育を行う必要がありました)と部分的監禁を伴う緊急事態宣言(COVID-19の検査で陽性となった学生、または陽性と判定された人と直接接触した学生のみが閉じ込められました;この場合、 b-ラーニングが適用されました)。
表1:サンプル特性。 両方のグループの特徴(年齢、性別)のサンプル(eラーニング教授法とbラーニング教授法)。略語:eラーニング=オンラインクラス。bラーニング=混合クラス(オンラインクラスと物理クラス)。M年齢=平均年齢;SD年齢=標準偏差年齢。 この表をダウンロードするには、ここをクリックしてください。
2. 実験手順
- セッション1: 同意の収集と参加者へのブリーフィング
- インフォームドコンセント、個人データ、および背景知識を収集します。
- 教育の最初の週に、研究の目的とデータの収集、処理、および保存について研修生に通知します。学生が参加に同意する場合は、インフォームドコンセントフォームに署名するように依頼します。
注:この研究への参加は任意であり、金銭的補償はありませんでした。この側面は、経済的条件付け要因のないタスクの実行に対する動機付けを保証します。
- セッション2: 学生の事前知識を評価する
- 指導の最初の週に、生徒にコア科目の概念に関する事前の知識についてのアンケートに回答するように依頼します。クローズド質問への回答を二分法で、または1から5までのリッカート型スケールで記録します(表2)。
注:事前知識アンケートには、主題に適用される方法論に関連するクローズド質問が含まれており、この場合、コースイベントを報告するためのパーソナライズされた音声アシスタント、プロセス指向の自動 フィードバックシステム、仮想ラボ、 反転授業体験、およびPBLが含まれます。アンケートは、Moodle環境(モジュラーオブジェクト指向動的学習環境)であるUBUVirtual学習プラットフォームを通じて匿名で適用され、オンラインで学生が記入しました。本研究の質問紙のクロンバックのアルファ信頼性指数は,全体尺度でα = 0.88,項目を削除した場合の各項目でα = 0.87-0.89であった。アンケートには、主題に対する学生の動機に関する自由形式の質問も含まれています。
- 指導の最初の週に、生徒にコア科目の概念に関する事前の知識についてのアンケートに回答するように依頼します。クローズド質問への回答を二分法で、または1から5までのリッカート型スケールで記録します(表2)。
- セッション3: プロジェクトベースの教授法と使用するさまざまなリソースについて学生に通知する
- 学生に、PBLがどのように提供されるかについてのガイドと、プロジェクトの評価とプロジェクトのプレゼンテーションのためのルーブリックを提供します。
- 利用可能な高度な学習テクノロジーリソース(インテリジェントな音声アシスタント、プロセス指向のパーソナライズされたフィードバック、仮想ラボ、資格に関するフィードバック付きのアンケート、反転授業の経験、PBLの経験)について学生に知らせます。
注:学生は、PBL方法論を詳述したドキュメント(補足資料付録1を参照)と、プロジェクトを実行して提示するための2つのルーブリック(補足資料付録2を参照)にアクセスできます。- eラーニンググループでは、コースイベントについて通知するインテリジェントな音声アシスタントによって学生が支援されていることを確認します。
- bラーニンググループでは、このリソースを使用せず、eラーニンググループの場合のように、仮想だけでなく物理シミュレーションラボでプロジェクトを実行するように参加者に依頼します。
- セッション4: ケーススタディの選択
- 生徒を2〜5人の参加者のグループに編成し、各グループに0〜6歳の子供のさまざまな発達障害(身体的、心理的、または感覚的)に関連する一連の実践的なケースから選択するように依頼します。
注:ケーススタディには、病歴からのデータが含まれています(例は 補足資料付録3にあります)。
- 生徒を2〜5人の参加者のグループに編成し、各グループに0〜6歳の子供のさまざまな発達障害(身体的、心理的、または感覚的)に関連する一連の実践的なケースから選択するように依頼します。
- セッション5: プロジェクト介入の範囲の説明
- 各グループに、プロジェクトを実施するサービスの種類を説明する紹介文を準備するように依頼します(早期ケアの枠組みの中で、健康、教育、患者グループ、または民間サービスの分野での介入から選択できます)。
注:生徒は創造的な方法で作品を精緻化します。いくつかの例は、 補足資料付録4で参照できます。
- 各グループに、プロジェクトを実施するサービスの種類を説明する紹介文を準備するように依頼します(早期ケアの枠組みの中で、健康、教育、患者グループ、または民間サービスの分野での介入から選択できます)。
- セッション6: 介入分野で働く専門家の説明
- 各グループに、介入する専門家の役割と、学際的な作業を促進するために適用される関係構造を説明してもらいます。
- セッション7: 介入ケーススタディの説明
- 各グループに病理または発達障害の特徴を説明してもらいます。
- セッション8: 介入プログラムの作成
- 各グループに、次の要素に対処する介入プログラム内のさまざまなフェーズを準備するように依頼します:初期ユーザー評価、初期評価の結果に基づいて提案された評価指標、子供のスキルまたは行動の発達を達成するための提案された介入手順、介入に必要な資料、一般化活動の提案、 介入のフォローアップの計画。
- 仮想ラボでは、教師にeラーニンググループの生徒を助けてもらいます。
手記。仮想ラボでeラーニングの学生に提供されるヘルプの例については、 補足資料の付録5を参照してください。 - プロジェクトのこの部分は、b-Learningグループのシミュレーションセンターでの実践的なクラス を介して 実行します。
- 仮想ラボでは、教師にeラーニンググループの生徒を助けてもらいます。
- 各グループに、次の要素に対処する介入プログラム内のさまざまなフェーズを準備するように依頼します:初期ユーザー評価、初期評価の結果に基づいて提案された評価指標、子供のスキルまたは行動の発達を達成するための提案された介入手順、介入に必要な資料、一般化活動の提案、 介入のフォローアップの計画。
- セッション9: プロジェクト文書の作成
- 各グループに、選択した実際のケース用に作成されたプロジェクトを説明するドキュメントを提供するように依頼します。
注:プロジェクトは、プロジェクト開発評価ルーブリックを使用して評価されます( 補足資料の付録2を参照)。
- 各グループに、選択した実際のケース用に作成されたプロジェクトを説明するドキュメントを提供するように依頼します。
- セッション10: プロジェクトのプレゼンテーション
- 各グループに、選択した実践的なケースについてプロジェクトを発表してもらいます。
注:プレゼンテーションはクラスメートと教授に与えられます。 - プレゼンテーションを評価します。プレゼンテーション評価ルーブリックに従ってプレゼンテーションの評価を実行します( 補足資料付録2を参照)。
- 各グループに、選択した実践的なケースについてプロジェクトを発表してもらいます。
- セッション11: 学生の作業のフォローアップ
- 学生の行動監視ソフトウェア41ツールを使用して、UBUVirtualプラットフォーム上の学生グループの相互作用を評価し、学生の相互作用を個別に(図2)およびグループ(図3)で分析できます。
- グループ分析を実行するには:グループ01>グループアイコンをクリックし>すべての>ログを選択します。[コンポーネント] を選択し> [ビジュアル分析] から [すべてのポイント] を選択し、[ヒートマップ] を選択します。これにより、図2に示すように、相互作用を個別に分析できるヒートマップが生成されます。
- 個別分析を実行するには:すべての>比較を選択をクリックします。[ログ] > [コンポーネント] を選択します。次に、[ビジュアル分析からすべてのポイントを選択] をクリックし、[ヒートマップ] を選択します。これにより、図3に示すように、相互作用をグループとして分析できるヒートマップが生成されます。
- このツールを使用して、各生徒が個別に(図4)、グループ内でどのようなやり取りをしているかを判断します(手順2.11.2および手順2.11.3に従います)。
- セッション12: プロジェクト型学習に対する学生の満足度評価
- 各学生に、コース終了時にPBL作業に対する満足度について意見調査を行ってもらいます(表3)。
注:PBL満足度調査は、1から5までのリッカート型尺度で測定された17のクローズド回答質問と2つのオープン回答質問で構成されています。この研究におけるクロンバックのアルファ信頼性指数は、全体的なスケールでα = 0.89であり、項目が削除された場合、各項目でα = 0.88-0.91でした。
- 各学生に、コース終了時にPBL作業に対する満足度について意見調査を行ってもらいます(表3)。
- セッション13: データ分析
- 最初の質問 (RQ1:作業療法を勉強している健康科学の学生の学習成果と満足度は、学生の事前知識の影響を考慮して、PBL方法論がeラーニングを介して実装されているかbラーニング によって 有意差がありますか?)については、スプレッドシートから統計プログラムSPSS42にすべてのデータをインポートします。:PBLの精緻化(LOEPBL)、PBLのプレゼンテーション(LOEXPBL)、学習成果の合計(LOT)、LMSアクセスの取得(LMSA)、教育に対する学生の満足度(SPBL)、独立変数(eラーニングモダリティのタイプ、すなわち、教育の実施年、および共変量(事前知識)。
- これは、eラーニングとbラーニングの教育モダリティのグループ(オンライン教育によるCOVID-19パンデミックの最初の年)とbラーニング(混合教育を伴うCOVID-19パンデミックの2年目、一部は対面、一部はオンライン)の両方で行います。
- 固定効果(教育モダリティ:eラーニングとbラーニング)と共変量(事前知識)を使用してANCOVAを実行します。
- 多変量解析を選択し、従属変数(LOEPBL、LOEXPBL、LOT、LMSA、およびSPBL)、独立変数(bラーニングの教授法のタイプ)、および共変量(事前知識)を含めます。
- 周辺平均を推定し、 OK ボタンを押してANCOVA分析を実行します。
- 2 番目の質問 (RQ2: 見つかった参加者のクラスターは、学習成果、学習行動、およびモダリティの関数としての認識された満足度と一致しているか [eラーニングと b-ラーニング]?) では、次の手順を実行します。
- 平均クラスター分析を選択し、変数 LOEPBL、LOEXPBL、LOT、LMSA、および SPBL を選択します。次に、[クラスターメンバーシップ]を選択してから非常にわずかに一時停止し、[継続]をクリックして、もう一度少し一時停止します。各ケースのクラスター情報>分散分析表>初期クラスター中心を選択します。次に、 [続行] を選択します。
- クラスターメンバーシップとeラーニング対bラーニングの教育モダリティグループで見つかったデータの間のクロステーブルを選択します。行では、変数年(eラーニングモダリティのタイプ、つまり教育実施 年 )を選択します。[列] で、ケースの クラスター番号 を選択します。
- 視覚化ソフトウェアを使用してクラスター分析を実行します。これを行うには、データを視覚化ソフトウェアにインポートし、 Radviz>ヒートマップを選択します。使用される教育モダリティとの関係に関して調査されたさまざまな変数を使用してクラスターの視覚化を実装します。
注:この分析には、無料のデータマイニングソフトウェア43 ( 材料表を参照)が使用されました。
- 3番目の質問 (RQ3:PBL方法論の改善のための学生の提案は、教授法、eラーニングとbラーニングによって異なりますか?)については、次の手順を実行します。
- 定性的データ分析ソフトウェア44を用いて、eラーニング対bラーニングの2つのグループについて、PBL13満足度尺度で見つかった未解決回答の定性分析を行う。教育に対する学生の満足度(SPBL)について得られた自由形式の質問に対する回答をソフトウェアにインポートします。
- eラーニングとbラーニングの2つの教育モダリティで [学生の回答を分類 する]を選択します。
- ドキュメントグループ(教育モダリティ:eラーニングとbラーニング)分析を選択します。
- [サンキー図] を選択します。
- 結果をスプレッドシートソフトウェアにエクスポートします。
注:まず、自由形式の質問に対する回答を各教育モダリティグループ(eラーニングとbラーニング)に分類し、グループ別および分類ごとに回答の頻度分析を実行しました。結果は、サンキー図を使用して視覚化されました。これは、定性データ分析ソフトウェア44 ( 材料表を参照)を使用して行われました。
- 最初の質問 (RQ1:作業療法を勉強している健康科学の学生の学習成果と満足度は、学生の事前知識の影響を考慮して、PBL方法論がeラーニングを介して実装されているかbラーニング によって 有意差がありますか?)については、スプレッドシートから統計プログラムSPSS42にすべてのデータをインポートします。:PBLの精緻化(LOEPBL)、PBLのプレゼンテーション(LOEXPBL)、学習成果の合計(LOT)、LMSアクセスの取得(LMSA)、教育に対する学生の満足度(SPBL)、独立変数(eラーニングモダリティのタイプ、すなわち、教育の実施年、および共変量(事前知識)。
表2:事前知識アンケート13. 事前知識アンケートからのオープン質問とクローズド質問。 この表をダウンロードするには、ここをクリックしてください。
表3:PBLに対する満足度の尺度13. PBL満足度尺度からのオープン質問とクローズド質問。略称:PBL =プロジェクトベースの学習。 この表をダウンロードするには、ここをクリックしてください。
図2:UBUVirtualプラットフォームでの1人の学生の行動の分析。 仮想学習プラットフォームで学生が実行した行動のヒートマップ。 この図の拡大版を表示するには、ここをクリックしてください。
図3:UBUVirtualプラットフォームでのすべての学生の行動の分析。 タスクの完了に関して仮想学習プラットフォームで学生が実行した学習行動の分析。 この図の拡大版を表示するには、ここをクリックしてください。
図4:UBUVirtualプラットフォーム上のグループにおける学生の行動の分析。 タスクの完了に関して、仮想学習プラットフォーム上のワークグループの学生が実行した学習行動の分析。 この図の拡大版を表示するには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
本研究のために募集された98人の参加者は、21歳から56歳までの学部作業療法学生でした(表1)。プロトコルは、ブルゴス大学で2学年にわたってテストされました。プロトコルの配信を 表 4 にまとめます。
表4:大学生向けのプロジェクトベースの学習のためのプロトコルの適用の概要。 略語: LMS = 学習管理システム。 この表をダウンロードするには、ここをクリックしてください。
最初の研究課題(RQ1)は,作業療法を学ぶ保健科学系学生の学習成果や満足度は,PBL方法論をeラーニング で 実施するかbラーニングで実施するかで,学生の事前知識の影響を考慮すると有意差があるか。
表5が示すように、精緻化(LOEPBL)スコアには有意差があり、eラーニンググループのスコアが高かった。bラーニンググループは、プレゼンテーション(LOEXPBL)とLMSアクセス(LMSA)でより高いスコアを獲得しました。総学習成果(LOT)に有意差は見られず、共変量としての事前知識には効果は見られなかった。
表5:固定効果因子のANCOVA(教授法、eラーニング対bラーニング)、共変量(事前知識のレベル)、および効果値、 η2。 固定効果因子(指導モダリティ、eラーニング対bラーニング)、共変量(事前知識のレベル)、および効果値のANCOVA η2。略語:PBL =プロジェクトベースの学習。LOEPBL = PBLの精緻化;LOEXPBL = PBL のプレゼンテーション。LOT =総学習成果。LMS = 学習管理システム;LMSA = LMS アクセス。SPBL = PBLに対する満足度;eラーニング=オンラインクラス。bラーニング=混合クラス(オンラインクラスと物理クラス)。M =平均;SD = 標準偏差ANCOVA = 共分散の分析。 この表をダウンロードするには、ここをクリックしてください。
2番目の研究質問(RQ2)は次のとおりでした:見つかった参加者のクラスターは、学習成果、学習行動、およびモダリティの関数としての認識された満足度と一致しますか(eラーニング対bラーニング)?
異なる変数に差が検出された2つのクラスターが見つかりましたが、すべての変数で一方が他方より優れていることを立証することはできませんでした(表6)。
表 6: 最終的なクラスター センター。 略語:PBL =プロジェクトベースの学習。LOEPBL = PBLの精緻化;LOEXPBL = PBL のプレゼンテーション。LOT =総学習成果。LMS = 学習管理システム;LMSA = LMS アクセス。SPBL = PBLに対する満足度。 この表をダウンロードするには、ここをクリックしてください。
続いて、指導モダリティ変数(eラーニング対bラーニング)に関して各参加者に割り当てられた所属のクラスターの値(表6)と各グループへの帰属率との間のクロステーブルを作成しました。 C = 0.40、 p < 0.001の分割係数が得られた(表7)。
表 7: クラスター番号による参加者のクロス集計 略語:eラーニング=オンラインクラス。b-ラーニング=混合クラス(オンラインクラスと物理クラス)。 この表をダウンロードするには、ここをクリックしてください。
さらに、精緻化(LOEPBL)、プレゼンテーション(LOEXPBL)、総学習成果(LOT)、LMSアクセス(LMSA)、および学生の教育満足度(SLPBL)の変数について、クラスター間でANOVAを実行しました。提示(LOEXPBL、p = 0.03 )およびLMSアクセス(LMSA、p < 0.001)に有意差が見られた(表8を参照)。
表 8: 分散分析クラスター。 略語:PBL =プロジェクトベースの学習。LOEPBL = PBLの精緻化;LOEXPBL = PBL のプレゼンテーション。LOT =総学習成果。LMS = 学習管理システム;LMSA = LMS アクセス。SPBL = PBLに対する満足度;df =自由度。ANOVA = 分散分析。 この表をダウンロードするには、ここをクリックしてください。
視覚的クラスター分析は、視覚化ソフトウェア43を使用してk-means技術によって実行され、学習されたさまざまな変数(精緻化(LOEPBL)、プレゼンテーション(LOEXPBL)、総学習成果(LOT)、LMSへのアクセス(LMSA)、および教育に対する学生の満足度(SPBL))に関する変数として、教育モダリティ、eラーニング対bラーニングを採用しました(図5)。
図5:変数「ティーチングモダリティ、eラーニング対bラーニング」に関する変数LOEPBL、LOEXPBL、LOT、LMSA、およびSPBLのクラスター分析。 変数 LOEPBL、LOEXPBL、LOT、LMSA、および SPBL に関して検出されたクラスターの視覚化。略語:PBL =プロジェクトベースの学習。LOEPBL = PBLの精緻化;LOEXPBL = PBL のプレゼンテーション。LOT =総学習成果。LMS = 学習管理システム;LMSA = LMS アクセス。SPBL = PBLに対する満足度;eラーニング=オンラインクラス。b-ラーニング=混合クラス(オンラインクラスと物理クラス)。 この図の拡大版を表示するには、ここをクリックしてください。
次に、クラスター内の変数の動作に関するヒート マップを作成しました。クラスター1(このクラスターに含まれる学生は仮想学習プラットフォームへのアクセスが少なかった)とクラスター2(このクラスターに含まれる学生は仮想学習プラットフォームへのアクセスが多かった)では、仮想学習プラットフォーム(UBUVirtualはMoodleに基づく仮想学習プラットフォーム)での学生の行動と教育の種類(eラーニングとbラーニング)でより大きな差別が見られました(図6)。
図6:変数LOEPBL、LOEXPBL、LOT、LMSA、およびSPBL内のクラスターのヒートマップの視覚化。 略語:PBL =プロジェクトベースの学習。LOEPBL = PBLの精緻化;LOEXPBL = PBL のプレゼンテーション。LOT =総学習成果。LMS = 学習管理システム;LMSA = LMS アクセス。SPBL = PBLに対する満足度。 この図の拡大版を表示するには、ここをクリックしてください。
3番目の研究課題(RQ3)は、PBL方法論の改善に対する学生の提案は、教授法(eラーニングとbラーニング)によって異なるかというものでした。
回答は、定性データ分析ソフトウェア44を使用して、eラーニンググループとbラーニンググループの2つのグループに分類されました。分類コード別の度数を 表9に示し、図7はサンキー 図 を適用して2つのグループの学生の回答を分析したものです。
表9:2つの介入グループ(グループ1、eラーニング教育、およびグループ2、bラーニング指導)の学生の分類された応答の頻度分析。 略語:eラーニング=オンラインクラス。b-ラーニング=混合クラス(オンラインクラスと物理クラス)。 この表をダウンロードするには、ここをクリックしてください。
図7:2つの介入グループ(グループ1、eラーニング教育、およびグループ2、bラーニング教育)の分類された応答のサンキープロット。 2つの介入群に分類された回答のサンキープロット。略語:eラーニング=オンラインクラス。b-ラーニング=混合クラス(オンラインクラスと物理クラス)。 この図の拡大版を表示するには、ここをクリックしてください。
これらの結果は、eラーニングによるものかbラーニングによるものかによって、授業の改善のための提案が異なっていたことをどのように示していますか?両方のグループの学生は、指導が満足のいくものであったことに同意しました。それにもかかわらず、b-Learningグループは、シミュレーションセンターを使用することの重要性と、子供たちとの実際の練習への欲求を指摘し、それによって教室での実践における教育を増やしました。使用した教授法(eラーニングとbラーニング)は、PBL方法論を適用した結果に違いをもたらしました。
具体的には、eラーニンググループの学生はプロジェクトの実行でより高いスコアを獲得し、bラーニンググループの学生はプロジェクトのプレゼンテーションでより高いスコアを獲得しました。また、b-Learningグループの仮想プラットフォームへのアクセスも増加しました。2つのクラスターが見つかり、クラスター2は、2つを除くすべての変数でより良い結果を示しました(2つのグループ間で結果が同じであった合計学習成果、および両方のグループで結果が非常に類似した教授法への満足度)。
同様に、eラーニンググループでは、学生の82.6%がクラスター1に属し、17.39%がクラスター2に属していました。bラーニンググループでは、59.62%がクラスター2に属し、40.38%がクラスター1に属していました。したがって、使用される教育モダリティは、LMSでの学生の学習成果と学生の活動に影響を与えるようであり、プロジェクトのプレゼンテーションとLMSでの学生の活動において、bラーニングはeラーニングよりも効果的であると結論付けることができます。これに対して、eラーニングはプロジェクトの作成に関してより効果的であるように思われます。それにもかかわらず、PBL方法論は、最終的な学習成果の平均が両方のグループで高く、変動性が非常に低いため、どちらの場合も非常に効果的です(eラーニング平均= 8.89、標準偏差= 0.48、bラーニング平均= 8.65、標準偏差= 0.92)。さらに、満足度は両方のモダリティで非常に高く、グループ間に有意差はありませんでした。
これらの結果は、RQ1の最初の質問を支持し、これらの側面をより深く検討するための今後の研究の方向性を示しています。上記の違いは、2つの教育モダリティ内の生徒の満足度に関する定性的データを分析することによっても見ることができます。eラーニングは、COVID-19による緊急事態の最も重要な時点で提供され、その間、対面教育も混合教育も実施できなかったことを覚えておくことが重要です。オンラインモードでのPBL方法論の実装方法に関する学生の評価は、通常に近い方法でトレーニングを継続し、それを専門的な実践に関連付けることができるため、非常に満足のいくものであることが示されました。eラーニンググループが改善提案をあまり行わなかったのは、このためかもしれません。対照的に、パンデミックの2年目に教えられたb-Learningグループは、LMSと対面シミュレーションセンター を介して 与えられたPBL方法論が彼らのトレーニングに有益であると感じました。しかし、このグループは、特に実際のユーザーとの実践的な活動の観点から、主に対面式のクラスを増やすことに焦点を当てた、教育を改善するためのより多くのアイデアを提案しました。
補足資料付録1。 これには、表 1 と表 2 が含まれます。(表1)メタ認知戦略、サブ戦略、およびそれらを開発するための活動との関係を含むドキュメント。プロジェクトベースの学習は、現場の現状から記述されます。さらに、PBLのステップとさまざまなメタ認知戦略の開発との関係に関する情報が提示されます。これは、この教育方法論を適用したい教師にとって非常に有用な文書です。(表2)プロジェクト解決プロセスの評価のためのルーブリック。さまざまなメタ認知戦略の使用に関してプロジェクト開発プロセスを監視するためのルーブリックが提示されます。 このファイルをダウンロードするには、ここをクリックしてください。
補足資料付録2: これには、表 1 と表 2 が含まれます。(表1)PBLのプレゼンテーションの評価のためのルーブリック。ルーブリックは、プロジェクトのプレゼンテーションと防御に関するプロジェクト開発プロセスの評価のために提示されます。(表2)PBLの精緻化の評価のためのルーブリック。プロジェクト評価に関するプロジェクト開発プロセスの評価のためにルーブリックが提示されます。 このファイルをダウンロードするには、ここをクリックしてください。
補足資料付録3:ケーススタディの例。このファイルをダウンロードするには、ここをクリックしてください。
補足資料付録4:学生が作成した作品の例。このファイルをダウンロードするには、ここをクリックしてください。
補足資料付録5:開発された仮想ラボの例。このファイルをダウンロードするには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
この研究は、教授法(eラーニングとbラーニング)がPBL17,18のさまざまな要素の結果に影響を与える可能性があるという結論につながります。将来の研究では、このプロトコルの主題であるため、この側面をより深く調査して、他の(特に健康科学)コースの学生に同じパターンが見られるかどうかを確認します。対照的に、全体的な学習成果や教授法に対する生徒の満足度に差は見られなかった。これは、他の研究の結果と一致しています4、13、14、15、18、29。
要約すると、PBL教授法の使用は、生徒の学習成果と学習意欲の両方に効果的であることが示されており、これは他の研究の結果と一致しています2,3,4。しかし、bラーニンググループの学生は、より多くの対面教育に興味を示しました。この側面は、方法論のハイブリッド使用をサポートします8.同様に、両方のグループの学生は、この方法論が彼らの職業の実践的な側面に向かって彼らを導くことを高く評価しました4,13。また、指導が行われた社会的状況は、生徒の満足度と学習に対する批判的反省に影響を与えることもわかりました。パンデミックの第2部では、学習はより参加型であり、対面学習の可能性が高まりました4,14,15,18,29。すべての学生が同じように反応したり、同じ量の参加を経験したりするわけではありません22。これは、この方法論の使用に関して教師が考慮すべき重要な側面であり、方法論をサポートするには、EDM技術の使用32,33,36と混合技術を使用した生徒のオープンレスポンスの分析とともに、デジタルコンピテンシーを持つ教師が必要です39,40,41。
最後に、この研究の1つの制限は、単一の学位作業療法のために勉強している学生にのみ使用されたPBL方法論に関連しています。この方法論は、学際的または学際的な教育デザインでは実装されませんでした31。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
この作品で提示された画像やビデオを録画するための許可が添付されています。
PBLを用いた作業に適用される実践的な仮定のモデルも添付されている(補足資料付録3:ケーススタディの例を参照)。著者は、競合する経済的利益はないと宣言しています。
Acknowledgments
この研究は、スペイン科学イノベーション省2020 I + D + iプロジェクト-RTIタイプBが資金提供する研究プロジェクト「SmartLearnUni」の一環として実施されました。著者はまた、ブルゴス大学の健康科学の学生、特に作業療法と看護学の学位を取得するために勉強している学生の協力に感謝の意を表します。
Materials
Name | Company | Catalog Number | Comments |
Atlas.ti v.9 | Atlas.ti | ||
Orange v. 3.30 | Orange | ||
SPSS v.24 | SPSS | ||
UBUVirtual | UBU |
References
- Mann, L., et al. et al. problem-based learning to practice-based education: A framework for shaping future engineers. European Journal of Engineering Education. 46 (1), 27-47 (2021).
- Alonso Martínez, L., Puente Alcaraz, J. The importance of global health in nursing, what do we know. Nursing Index. 29 (3), 160-164 (2020).
- enyuva, E., Kaya, H., Bodur, G. Effect social skills of nursing students of the project based teaching methods. Florence Nightingale Journal of Nursing. 23 (2), 116-125 (2014).
- Sáez López, J. M. Estilos de Aprendizaje y Métodos de Enseñanza [Learning Styles and Teaching Methods]. Universidad Nacional de Educación a Distancia - UNED. , Madrid, Spain. 35-56 (2018).
- Holm, M. Project-based instruction: A review of the literature on effectiveness in prekindergarten through 12th grade classrooms. InSight: Rivier Academic Journal. 7 (2), 1-13 (2011).
- Kokotsaki, D., Menzies, V., Wiggins, A. Project-based learning: A review of the literature. Improving Schools. 19 (3), 267-277 (2016).
- Jay, J. Problem based learning-A review of students' perceptions in an occupational therapy undergraduate curriculum. South African Journal of Occupational Therapy. 44 (1), 56-61 (2014).
- Fortune, T., et al. Transformative learning through international project-based learning in the global south: Applying a students-as-partners lens to a "high-impact" Capstone. Journal of Studies in International Education. 23 (1), 49-65 (2019).
- Sáiz-Manzanares, M. C., et al. Teaching and learning styles in Moodle: An analysis of effectiveness of use in STEM and Non-STEM qualifications from a gender perspective. Sustainability. 13 (3), 1166 (2021).
- Sáiz-Manzanares, M. C., et al. Improve teaching with modalities and collaborative groups in an LMS: An analysis of monitoring using visualisation techniques. Journal of Computing in Higher Education. 33, 747-778 (2021).
- Yazici, H. J. Project-based learning for teaching business analytics in the undergraduate curriculum. Decision Sciences Journal of Innovative Education. 18 (4), 589-611 (2020).
- Sáiz-Manzanares, M. C., Garcia-Osorio, C. I., Díez-Pastor, J. F. Differential efficacy of the resources used in b-learning environments. Psicothema. 31 (2), 170-178 (2019).
- Sáiz-Manzanares, M. C. E-Project Based Learning in Occupational Therapy: An Application in the Subject "Estimulación Temprana". , Servicio de Publicaciones de la Universidad de Burgos. Burgos, Spain. 15-250 (2018).
- Sáiz-Manzanares, M. C., Marticorena, R., García-Osorio, C. I., Díez-Pastor, J. F. How do b-learning and learning patterns influence learning outcomes. Frontiers in Psychology. 8, 745 (2017).
- Chen, C. H., Yang, Y. C. Revisiting the effects of project-based learning on students' academic achievement: A meta-analysis investigating moderators. Educational Research Review. 26, 71-81 (2019).
- Spikol, D., Ruffaldi, E., Dabisias, G., Cukurova, M. Supervised machine learning in multimodal learning analytics for estimating success in project-based learning. Journal of Computer Assisted Learning. 34 (4), 366-377 (2018).
- Guo, P., Saab, N., Post, L. S., Admiraal, W. A review of project-based learning in higher education: Student outcomes and measures. International Journal of Educational Research. 102, 101586 (2020).
- Almulla, M. A. The effectiveness of the project-based learning (PBL) approach as a way to engage students in learning. SAGE Open. 10 (3), (2020).
- Sáiz-Manzanares, M. C., Escolar-Llamazares, M. C., Arnaiz, Á Effectiveness of blended learning in nursing education. International Journal of Environmental Research and Public Health. 17 (5), 1589 (2020).
- Sáiz-Manzanares, M. C., Marticorena-Sanchez, R., Ochoa-Orihuel, J. Effectiveness of using voice assistants in learning: A study at the time of COVID-19. International Journal of Environmental Research and Public Health. 17 (15), 5618 (2020).
- Simonton, K. L., Layne, T. E., Irwin, C. C. Project-based learning and its potential in physical education: an instructional model inquiry. Curriculum Studies in Health and Physical Education. 12 (1), 36-52 (2021).
- Yadav, R. L., et al. Attitude and perception of undergraduate medical students toward the problem-based learning in Chitwan Medical College, Nepal. Advances in Medical Education and Practice. 9, 317-322 (2018).
- Brinkman, D. J., et al. Switching from a traditional undergraduate programme in (clinical) pharmacology and therapeutics to a problem-based learning programme. European Journal of Clinical Pharmacology. 77 (3), 421-429 (2021).
- de la Puente-Pacheco, M. A., Guerra-Florez, D., de Oro-Aguado, C. M., Llinas-Solano, H. Does project-based learning work in different local contexts? A Colombian Caribbean case study. Educational Review. 73 (6), 733-752 (2019).
- Cavicchia, M. L., Cusumano, A. M., Bottino, D. V. Problem-based learning implementation in a health sciences blended-learning program in Argentina. International Journal of Medical Education. 9, 45-47 (2018).
- Wu, T. T., Huang, Y. M., Su, C. Y., Chang, L., Lu, Y. C. Application and analysis of a mobile E-Book system based on project-based learning in community health nursing practice courses. Journal of Educational Technology & Society. 21 (4), 143-156 (2018).
- Avrech Bar, M., et al. Problem-based learning in occupational therapy curriculum-implications and challenges. Disability and Rehabilitation. 40 (17), 2098-2104 (2018).
- DeFillippi, R., Milter, R. G. Chapter 18: Problem-based and project-based learning approaches: Applying knowledge to authentic situations. The SAGE Handbook of Management Learning, Education and Development. Armstrong, S. J., Fukami, C. V. , SAGE Publications Ltd. London, United Kingdom. (2009).
- Theobald, K. A., Ramsbotham, J. Inquiry-based learning and clinical reasoning scaffolds: An action research project to support undergraduate students' learning to 'think like a nurse'. Nurse Education in Practice. 38, 59-65 (2019).
- AlHaqwi, A. I., et al. Problem-based learning in undergraduate medical education in Saudi Arabia: Time has come to reflect on the experience. Medical Teacher. 37 (1), S61-S66 (2015).
- Wright, S. L., Duncana, M. J., Savin-Badenb, M. Student perceptions and experiences of problem-based learning in first year undergraduate sports therapy. Journal of Hospitality, Leisure, Sport & Tourism Education. 17, 39-49 (2015).
- Baker, R. S., Inventado, P. S. Chapter 4. Educational data mining and learning analytics. Learning Analytics: From Research to Practice. Larusson, J. A., White, B. , Springer: Science+Business Media. New York, United States. 61-75 (2014).
- Yücel, ÜA., Usluel, Y. K. Knowledge building and the quantity, content and quality of the interaction and participation of students in an online collaborative learning environment. Computers & Education. 97 (1), 31-48 (2016).
- Gibson, D., de Freitas, S.
Exploratory analysis in learning analytics. Technology, Knowledge and Learning. 21 (1), 5-19 (2016). - Romero, C., Ventura, S. Educational data mining: A survey from 1995 to 2005. Expert Systems with Applications. 33 (1), 135-146 (2007).
- Romero, C., Espejo, P. G., Zafra, A., Romero, J. R., Ventura, S. Web usage mining for predicting final marks of students that use Moodle courses. Computer Applications in Engineering Education. 21 (1), 135-146 (2013).
- Arnaiz-González, Á, Díez-Pastor, J. F., Rodríguez, J. J., García-Osorio, C. Instance selection for regression: Adapting DROP. Neurocomputing. 201 (12), 66-81 (2016).
- García, S., Luengo, J., Herrera, F. Data Preprocessing in Data Mining, Volume 72 of Intelligent Systems Reference Library. , Springer. New York, United States. (2015).
- Verd Pericás, J. M. Introducción a la investigación cualitativa [Introduction to qualitative research]. , Síntesis. Madrid, Spain. 370 (2016).
- Castañer, M., Camerino, O., Anguera, M. T. Métodos mixtos en la investigación de las ciencias de la actividad física y el deporte. Apunts. Educación física y deportes. 2 (112), 31-36 (2013).
- Ji, Y. P., Marticorena-Sánchez, R., Pardo-Aguilar, C. UBUMonitor: Monitoring of students on the Moodle platform. , Available from: https://github.com/yjx0003/ (2018).
- IBM Corp. SPSS Statistical Package for the Social Sciences (SPSS) (Version 24). IBM Corp. , Madrid, Spain. (2016).
- Software Package. Orange. , Available from: https://orange.biolab.si/docs/ (2021).
- Software Package Qualitative Data Analysis (Version 9). Atlas.ti. , Scientifc Software Development GmbH. Berlin, Germany. Available from: https://atlasti.com/es/ (2020).