Artykuł metodologiczny

Multimodalny protokół oceny metapoznania i samoregulacji u dorosłych z trudnościami w uczeniu się

DOI:

10.3791/60331

27 września 2020

W tym artykule

Podsumowanie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Obecna praca proponuje multimodalny protokół oceny skoncentrowany na procesach metapoznawczych, samoregulacji uczenia się i emocjonalnych, które stanowią podstawę trudności u dorosłych z LDs.

Streszczenie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Trudności w uczeniu się (LDs) obejmują zaburzenia osób, które mają trudności z nauką i korzystaniem z umiejętności akademickich, wykazując wyniki poniżej oczekiwań dla ich wieku chronologicznego w zakresie czytania, pisania i/lub matematyki. Każde z zaburzeń składających się na LD wiąże się z innymi deficytami; Jednak w tej heterogeniczności można znaleźć pewne podobieństwa, takie jak uczenie się samoregulacji i metapoznania. W przeciwieństwie do wczesnego wieku i późniejszych poziomów edukacji, nie ma prawie żadnych opartych na dowodach protokołów oceny dla dorosłych z LD. LD wpływają na wyniki w nauce, ale mają również poważne konsekwencje w kontekście zawodowym, społecznym i rodzinnym. W odpowiedzi na to, w obecnej pracy zaproponowano multimodalny protokół oceny skoncentrowany na procesach metapoznawczych, samoregulacji uczenia się i emocjonalnych, które stanowią podstawę trudności u dorosłych z LD. Ocena odbywa się poprzez analizę procesu uczenia się on-line przy użyciu różnych metod, technik i czujników (np. śledzenie oczu, wyraz emocji twarzy, reakcje fizjologiczne, równoczesne werbalizacje, pliki dziennika, nagrania ekranowe interakcji człowiek-maszyna) oraz metod off-line (np. kwestionariusze, wywiady i pomiary samoopisowe). Te teoretyczne i empirycznie oparte wytyczne mają na celu zapewnienie dokładnej oceny LD w wieku dorosłym w celu opracowania skutecznych propozycji profilaktyki i interwencji.

Wprowadzenie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Specyficzne zaburzenia uczenia się (SLD) obejmują zaburzenia osób, które mają trudności z nauką i korzystaniem z umiejętności akademickich, wykazując wyniki poniżej oczekiwań dla swojego wieku chronologicznego w zakresie czytania, pisania i/lub matematyki1,2. Istnieją różne szacunki dotyczące wskaźników rozpowszechnienia w zależności od analizowanego wieku, języka i kultury, ale wynoszą one od 5% do 15%1,3. W ramach globalnej kategorii zaburzeń neurorozwojowych w Diagnostycznym i Statystycznym Podręczniku Zaburzeń Psychicznych (wyd. 5)1, konieczne jest również skupienie się na występowaniu zespołu nadpobudliwości psychoruchowej z deficytem uwagi (dalej ADHD), ponieważ jest to powszechne zaburzenie, które w ostatnich latach wywołało różne kontrowersje dotyczące tego, jak do niego podejść. Opierając się na DSM-51, można go zdefiniować jako wzorzec uporczywych zachowań polegających na nieuwadze i/lub nadpobudliwości i impulsywności. Podobnie zaburzenie ze spektrum autyzmu (zwane dalej ASD) jest kategorią w tym samym podręczniku, która obejmuje uczniów, którzy prezentują zaburzenia neurorozwojowe w wyniku wieloczynnikowych dysfunkcji ośrodkowego układu nerwowego, które skutkują dysfunkcjami jakościowymi w trzech podstawowych obszarach rozwoju osoby: interakcja społeczna, komunikacja oraz zainteresowania i zachowania1,2.

W związku z tym pojawiła się nowa koncepcja, która odchodzi od poczucia deficytu i oferuje bardziej pozytywne podejście do tych zaburzeń, aby być spójnym z obecnymi ideami trudności neurorozwojowych jako wysoce współistniejących i nakładających się na siebie4. Z tych nowych modeli wynika, że umiejętności związane z procesami poznawczymi wysokiego poziomu, które pozwalają zarządzać i regulować swoje zachowanie w celu osiągnięcia pożądanego celu, są kluczowe dla samoregulacji, a tym samym dla czynności życia codziennego, w tym akademickich5. W kontekście dorosłości neuroróżnorodność ewoluowała, obejmując różne rodzaje trudności, w tym ADHD i ASD, a także dysleksję, dyspraksję i/lub dyskalkulię. W związku z tym podchodzimy do tej neuroróżnorodności z szerokiej koncepcji trudności w uczeniu się (LD). Wzrost liczby uczniów z tą różnorodnością zapisanych do szkół policealnych jest dobrze udokumentowany i wynika częściowo ze wzrostu wskaźników ukończenia szkół średnich przez uczniów niepełnosprawnych6, ale jednocześnie jest mniej badań na temat procesu uczenia się tych uczniów niż to konieczne7.

Każde z zaburzeń, do których podchodzi się w izolacji, wiąże się z różnymi deficytami i objawami; jednak można znaleźć pewne podobieństwa w tej heterogeniczności pod względem LD, takie jak metapoznawcze, samoregulacyjne i emocjonalne nieprawidłowe funkcjonowanie8,9,10,11. Trzy podstawowe podstawy w literaturze dotyczącej uczenia się w ogóle, a LD w szczególności, które stanowią podstawę udanego uczenia się i odgrywają zasadniczą rolę w tych dobrze znanych trudnościach na poziomie akademickim12. Oprócz tego inne podejścia rozumieją, że może istnieć pewna wspólność między deficytami funkcji wykonawczych, takimi jak problemy z automatycznym przetwarzaniem lub pamięcią roboczą, które występują w różnych zaburzeniach, takich jak ADHD i zaburzenia czytania13 lub ADHD i ASD5. Jednak nadal jest wiele do zrobienia w tej dziedzinie, ponieważ nie wszystkie badania prowadzą do tych samych wniosków dotyczących tych punktów wspólnych w odniesieniu do funkcji wykonawczych. Może to wynikać z różnic prezentowanych przez próbki, na podstawie których opierają się badania, oraz procedur oceny funkcji wykonawczych stosowanych w badaniach5,14.

Z punktu widzenia edukacji, ta różnorodna mieszanka wpływa nie tylko na jakość uczenia się, ze względu na fundamentalny charakter dotkniętych funkcji, ale także na zjawiska takie jak porzucenie szkoły, zmiana stopnia naukowego itp., z ekonomicznymi implikacjami dla rządów i uniwersytetów15. Odsetek uczniów przedwcześnie kończących naukę jest wyższy niż w przypadku uczniów w populacji ogólnej16, ale także wyższy niż odsetek uczniów przedwcześnie kończących naukę w przypadku jakiejkolwiek innej kategorii niepełnosprawności psychicznej, z wyjątkiem uczniów z zaburzeniami emocjonalnymi17. Z kolei liczba uczniów z LD, którzy uzyskują dostęp do edukacji ponadobowiązkowej (szkolenie zawodowe, studia itp.) rośnie15, szczególnie w szkolnictwie wyższym19,20,21,22. Co więcej, można by założyć, że jest znacznie więcej uczniów z LD niż tych, którzy oficjalnie przechodzą przez usługi studenckie i zazwyczaj tworzą statystyki rozpowszechnienia23.

Te trudności nie zawsze są wykrywane w dzieciństwie, zwłaszcza u dorosłych urodzonych zanim te zaburzenia były brane pod uwagę w regularnym systemie akademickim, a objawy tych zaburzeń utrzymują się przez całe życie ludzi i powodują trudności w pracy, edukacji i życiu osobistym24. Badania wykazały, że chociaż ludzie mogą przezwyciężyć niektóre ze swoich trudności, większość z nich nadal ma problemy z nauką w wieku dorosłym, a ich wytrwałość jest nadal problematyczna na wyższych poziomach edukacji25.

Paradoksalnie, w przeciwieństwie do poprzednich poziomów edukacji i wcześniejszych wieków, nie ma prawie żadnych opartych na dowodach narzędzi ani protokołów oceny dla dorosłych z LDs. Pomimo rozpowszechnienia narzędzi diagnostycznych do oceny LD w dzieciństwie, dostępność ważnych, wiarygodnych narzędzi i metodologii dla dorosłej populacji jest znacznie ograniczona24. Niedawny przegląd literatury na temat trudności w uczeniu się w szkolnictwie wyższym wykazał, że większość informacji zebranych w tym zakresie odbywa się za pomocą wywiadów i tylko sporadycznie wykorzystuje się kwestionariusze samoopisowe26. Metodologia samoopisu i wywiady, choć wartościowe, nie wystarczą, aby trafnie ocenić procesy metapoznawcze, samoregulacyjne i umiejętności emocjonalne, w rzeczywistości m.in. ze względu na charakter procesu. Znaczenie skal i metodologii wywiadu dla pomiaru tych procesów jest niezaprzeczalne27,28, ale także związane z tym problemy z trafnością29 i niezgodnością z innymi innowacyjnymi metodami oceny30. Dodatkowym problemem w wykrywaniu LD jest stronniczość w diagnozie zaburzenia wynikająca z braku kompleksowych protokołów oceny. Fakt, że profesjonaliści nie mają protokołu referencyjnego opartego na obiektywnych zmiennych, często powoduje wiele fałszywie dodatnich i fałszywie ujemnych przypadków LDs31.

W odpowiedzi zarówno na niedobór narzędzi dla dorosłych, jak i potrzebę ulepszenia istniejącej metodologii, obecne badanie proponuje multimodalny protokół oceny skoncentrowany na procesach metapoznawczych, samoregulacji i emocjonalnych, które stanowią podstawę trudności u dorosłych z LDs. Zgodnie z aktualną literaturą proponujemy przejście w kierunku pomiaru integracyjnego i wielokanałowego32,33. Ocena odbywa się poprzez analizę procesu uczenia się on-line przy użyciu kilku metod, technik i czujników (np. hipermedialne środowisko uczenia się, rzeczywistość wirtualna, śledzenie oczu, mimika emocji twarzy, reakcje fizjologiczne, pliki dziennika, nagrania ekranowe interakcji człowiek-maszyna) oraz metod off-line (np. kwestionariusze, wywiady i pomiary samoopisowe). Ta mieszana metodologia dostarcza dowodów na wdrożenie procesów docelowych przed, w trakcie i po uczeniu się, które można triangulować w celu lepszego zrozumienia, w jaki sposób uczniowie się uczą i gdzie leży problem, jeśli taki istnieje34.

Protokół oceny jest przeprowadzany w dwóch sesjach. Sesje mogą być wykonywane za jednym posiedzeniem lub mogą wymagać częściowych aplikacji w zależności od osoby. Pierwsza z nich skupia się na wykryciu lub potwierdzeniu LD i na tym, z jakim konkretnym rodzajem zaburzenia mamy do czynienia, a druga ma na celu dogłębne zagłębienie się w procesy metapoznawcze, samoregulacyjne i emocjonalne w każdym indywidualnym przypadku.

Sesja 1 ma być diagnozą lub potwierdzeniem trudności uczestnika w uczeniu się: SLD, ADHD i/lub ASD (wysokie funkcjonowanie), aby określić, jakiego rodzaju konkretne problemy mają uczestnicy. Ocena ta jest niezbędna z dwóch powodów. 1) Dorośli z trudnościami w uczeniu się rzadko mają dokładne informacje na temat swojego dysfunkcyjnego zachowania. Niektórzy z nich podejrzewają, że mają LD, ale nigdy nie zostali poddani badaniu. Inni mogli być badani, gdy byli dziećmi, ale nie mają żadnych raportów ani dalszych informacji. 2) Mogą występować rozbieżności z wcześniejszymi diagnozami (np. wcześniejsza diagnoza dysleksji w przeciwieństwie do obecnej diagnozy deficytu uwagi i powolnej szybkości przetwarzania; poprzednia diagnoza ASD w przeciwieństwie do obecnych ograniczonych zdolności intelektualnych itp.). Z uczestnikiem przeprowadzany jest wywiad, a następnie stosowane są kwestionariusze i standaryzowane testy. Ta sesja jest prowadzona przez terapeutów z doświadczeniem w diagnozowaniu trudności rozwojowych i trudności w uczeniu się w kontekście badawczym i klinicznym w różnych gabinetach hiszpańskiego wydziału psychologii. Sesja rozpoczyna się ustrukturyzowanym wywiadem, który zbiera informacje biograficzne wraz z obecnością objawów związanych z SLD, o których mowa w DSM-51. Następnie, referencyjny test zdolności intelektualnych WAIS-IV35 jest używany w przypadku implementacji kryterium wykluczenia i dlatego, że dostarcza bardzo cennych informacji na temat trudności w uczeniu się ze skal "pamięć robocza" i "szybkość przetwarzania"36. Dodatkowo, PROLEC SE-Revised Test37 jest szeroko stosowany do oceny trudności w czytaniu (leksykalnych, semantycznych i/lub syntaktycznych procesów czytania), jednej z najbardziej rozpowszechnionych i niepełnosprawnych trudności w uczeniu się w obecnych kontekstach akademickich, która pokrywa się z innymi zaburzeniami, takimi jak ADHD38. Ta ocena zbiera dokładność, szybkość i płynność czytania wraz z trudnościami w czytaniu, a co ważniejsze, w którym procesie czytania występuje niepowodzenie37 (ten test został oceniony na studentach przed uniwersytetem. Obecnie w Hiszpanii nie ma testów dostosowanych do ogólnej populacji dorosłych, więc ten test został wybrany, ponieważ jest najbliższy populacji docelowej). Następnie badamy objawy ADHD za pomocą Światowej Organizacji Zdrowia Skala Samooceny ADHD dla dorosłych (ASRS)39 i udoskonalamy ocenę tego zaburzenia, wprowadzając multimodalność z najnowocześniejszym testem ciągłej wydajności rzeczywistości wirtualnej do oceny procesów uwagi i pamięci roboczej u dorosłych, Nesplora Aquarium31,40. Test ten jest bardzo przydatnym narzędziem podczas diagnozowania ADHD u dorosłych i młodzieży powyżej 16 roku życia w scenariuszu ekologicznym, dostarczając obiektywnych, wiarygodnych danych. Ocenia selektywną i trwałą uwagę, impulsywność, czas reakcji, uwagę słuchową i wzrokową, wytrwałość, jakość koncentracji uwagi, aktywność motoryczną, pamięć roboczą i koszt zmiany zadania. Dodatkowo, wraz z klasą WAIS-IV35 jako całością służącą do zbierania informacji o zdolnościach intelektualnych uczestnika, zwracamy szczególną uwagę na skale "pamięć pracy" i "szybkość przetwarzania", ponieważ są one związane z trudnościami w uczeniu się, a wyniki tych skal są wykorzystywane w ostatecznej decyzji. Na koniec dołączamy do protokołu iloraz spektrum autyzmu (AQ-Short)41, skróconą wersję niezawodnego AQ-Adult od Baron-Cohen, Wheelwright, Skinner, Martin and Clubley42.

Sesja 2 skupia się na multimodalnej ocenie procesu uczenia się uczestnika. Kluczem do zrozumienia złożonego uczenia się jest zrozumienie wykorzystania procesów poznawczych, metapoznawczych, motywacyjnych i afektywnych uczniów43. W tym celu uczestnicy pracują z MetaTutorem, w którym obserwuje się wykorzystanie strategii metapoznawczych i poznawczych podczas nauki. MetaTutor to hipermedialne środowisko edukacyjne, które zostało zaprojektowane do wykrywania, modelowania, śledzenia i wspierania samoregulacji uczenia się uczniów podczas nauki różnych tematów ścisłych44. Projekt MetaTutor opiera się na szeroko zakrojonych badaniach przeprowadzonych przez Azevedo i współpracowników43,45,46,47 i należy do nowego trendu w pomiarze SRL, tzw. trzeciej fali, która charakteryzuje się połączonym wykorzystaniem pomiarów i zaawansowanych technologii uczenia się33. Korzystanie z MetaTutor zapewnia również multimodalne dane śladowe, obejmujące takie środki, jak śledzenie oczu, emocjonalne reakcje fizjologiczne (galwaniczna reakcja skóry (GSR) i mimika emocji na twarzy)48, dane dziennika i kwestionariusze. Wszystkie te środki są łączone w celu osiągnięcia głębszego zrozumienia uczestników SRL i metapoznania.

Śledzenie oczu pozwala zrozumieć, co przyciąga natychmiastową uwagę, które elementy docelowe są ignorowane, w jakiej kolejności elementy są zauważane, lub jak elementy wypadają w porównaniu z innymi; aktywność elektrodermalna pozwala nam wiedzieć, jak zmienia się pobudzenie emocjonalne w odpowiedzi na otoczenie; rozpoznawanie emocji twarzy pozwala na automatyczne rozpoznawanie i analizę mimiki twarzy; a rejestrowanie danych zbiera i przechowuje interakcję ucznia ze środowiskiem uczenia się w celu dalszej analizy. Jeśli chodzi o kwestionariusze, Mini International Personality Item Pool49 informuje o szeregu działań i myśli, których ludzie doświadczają w codziennym życiu, oceniając każdą z pięciu głównych cech osobowości (ekstrawersja, ugodowość, sumienność, neurotyczność i otwartość). The Connotative Aspects of Epistemological Beliefs50 dostarcza informacji o przekonaniach uczestników na temat wiedzy. Skala samooceny Rosenberga pokazuje, jak uczestnicy ogólnie myślą o sobie51. Kwestionariusz Regulacji Emocji52 dostarcza informacji na temat regulacji emocji uczestników. Kwestionariusz Emocji Osiągnięć (AEQ)53 informuje o emocjach typowo doświadczanych na uniwersytecie.

Krótko mówiąc, ocena LD w wieku dorosłym jest szczególnie trudna. Edukacja i doświadczenie pozwalają wielu dorosłym zrekompensować swoje deficyty, a później wykazywać niezróżnicowane lub zamaskowane objawy, na temat których wiedza naukowa jest nadal rzadka. Biorąc pod uwagę krytyczną lukę badawczą, która się pojawia, obecne prace mają na celu zapewnienie teoretycznych, opartych na empirycznych wytycznych dotyczących dokładnej oceny LD w wieku dorosłym w celu zaprojektowania skutecznych działań zapobiegawczych i interwencyjnych.

Aby pomóc czytelnikom zdecydować, czy opisana metoda jest odpowiednia, czy nie, konieczne jest określenie, że protokół nie jest odpowiedni dla osób z niepełnosprawnością intelektualną, ponieważ ich diagnoza unieważnia diagnozę trudności w uczeniu się. Ponadto, ze względu na specyfikę wykorzystywanego sprzętu i format pokazywania treści nauczania, nadal nie jest możliwa ocena osób z niepełnosprawnością ruchową (kończyny górne, szyja i/lub twarz), niedosłyszącymi lub widzącymi. Nie byłby też odpowiedni dla uczestników z poważnymi zaburzeniami psychicznymi. Wymagałoby to stosowania leków, które mogłyby zmienić przetwarzanie informacji lub fizjologiczne wyrażanie emocji.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Komisja etyki badań Księstwa Asturii i Uniwersytetu w Oviedo zatwierdziła ten protokół.

1. Sesja 1: ocena diagnozy

UWAGA: W tej sesji protokołu używane są testy ewaluacyjne od różnych wydawców, które mają swoje własne instrukcje dotyczące zastosowań i interpretacji. Ponieważ te testy, lub inne podobne, są szeroko znane w środowisku naukowym w dziedzinie psychologii i edukacji, procedura ich stosowania nie jest szczegółowa krok po kroku (na przykład, biorąc pod uwagę cel tego artykułu, nie ma sensu szczegółowo opisywać każdego kroku aplikacji WAIS-IV35).

  1. Świadoma zgoda
    1. Wyjaśnij uczestnikom etyczne i poufne aspekty badania i poproś ich o potwierdzenie i podpisanie indywidualnej świadomej zgody.
  2. Wywiad ustrukturyzowany
    1. Wyjaśnij uczestnikowi następujące instrukcje: "Teraz przeprowadzę z tobą wywiad, aby uzyskać ważne informacje na temat twojego życia i problemów akademickich. Są pytania otwarte i zamknięte, ale możesz mi przerwać, kiedy tylko chcesz. Proszę, daj mi znać, jeśli potrzebujesz, żebym wyjaśnił jakąś kwestię. Po tej wstępnej rozmowie kwalifikacyjnej mogę poprosić Cię o wykonanie kilku testów ewaluacyjnych i kwestionariuszy. Opowiem ci szczegółowe instrukcje dla każdego z nich. Jesteś gotowy?"
    2. Zbierz informacje biograficzne wraz z obecnością objawów związanych z SLD i kryteriami wykluczenia, które są wymienione w DSM-51 zgodnie ze skryptem wywiadu (patrz Plik uzupełniający A ).
  3. Pierwszy punkt decyzyjny w odniesieniu do wywiadu ustrukturyzowanego (kryteria wykluczenia)
    1. Zakończ ocenę, jeśli uczestnik spełnia początkowe kryteria wykluczenia, to znaczy wyjaśni, że ma niepełnosprawność ruchową (górne segmenty), niepełnosprawność sensoryczną (wzrokową lub słuchową), diagnozę niepełnosprawności intelektualnej lub poważne zaburzenie psychiczne.
    2. Kontynuuj ocenę, jeśli wydaje się, że uczestnik ma lub myśli, że ma SLD i nie spełnia kryteriów wykluczenia.
  4. Zdolności intelektualne
    1. Zastosuj test WAIS-IV35, aby zebrać informacje o zdolnościach intelektualnych uczestnika, postępując zgodnie z instrukcjami zawartymi w instrukcji.
  5. Drugi punkt decyzyjny w odniesieniu do zdolności intelektualnych (kryteria wykluczenia)
    1. Zakończ ocenę, jeśli uczestnik nie rozumie instrukcji testu, jeśli nie może zostać oceniony lub ma IQ poniżej 70.
    2. Kontynuuj ocenę, jeśli dana osoba ma normalne lub ograniczone zdolności intelektualne.
      UWAGA: Granica IQ przyjęta w niniejszym badaniu została ustalona jako wynik ponad 70.
  6. ADHD (ADHD)
    1. Poproś uczestnika, aby wypełnił sześć pozycji Kwestionariusza Samooceny Przesiewowej Osoby Dorosłej v1.1. (ASRS39) Międzynarodowego Wywiadu Diagnostycznego Światowej Organizacji Zdrowia (WHO).
      UWAGA: Ten kwestionariusz dostarcza informacji na temat obecności objawów związanych z ADHD, o których mowa w DSM-IV54.
    2. Zastosuj test Nesplora Aquarium40, jeśli uczestnik uzyska 12 lub więcej punktów w poprzednim kwestionariuszu ASRS36.
  7. Trudności w czytaniu
    1. Zastosuj test przesiewowy PROLEC SE-R dotyczący trudności w czytaniu37 postępuj zgodnie z instrukcjami zawartymi w instrukcji.
  8. Zaburzenie ze spektrum autyzmu (poziom 1)
    1. Poproś uczestnika o wypełnienie 28 pozycji kwestionariusza Ilorazu Spektrum Autyzmu (AQ-Short) z Hoekstra et al.41
      UWAGA: Ten kwestionariusz dostarcza informacji na temat obecności objawów związanych z zachowaniami społecznymi, umiejętnościami społecznymi, rutyną, przełączaniem, wyobraźnią i liczbami/wzorcami.
  9. Przeanalizuj wyniki.
    1. Przeanalizuj wywiad, kwestionariusze i wyniki testów każdego uczestnika i zdecyduj, czy ma on znaczące trudności w uczeniu się, czy nie, lub czy jest zagrożony ich wystąpieniem.
      UWAGA: Dwóch członków komitetu ekspertów (oceniający i inny członek zespołu badawczego) analizuje profil uczenia się każdego uczestnika i decyduje, czy jest on uczniem z SLD, ADHD i/lub ASD, czy też nie, lub czy jest narażony na ich wystąpienie. Żadne kryterium nie zastąpi oceny biegłego.
  10. Punkt końcowej decyzji
    1. Zakończ ocenę, jeśli uczestnik wyraźnie nie jest uczniem z trudnościami w nauce.
    2. Kontynuuj ocenę, jeśli uczestnik jest osobą z LDs (lub w grupie ryzyka) i przejdź do Sesji 2.

2. Sesja 2: ocena multimodalna

UWAGA: Sesja 2 musi być wykonana między 1 a 7 dni po Sesji 1.

  1. Przygotuj uczestnika.
    1. Przypomnij uczestnikom, że sesja trwa około 2 godzin i że zamierzają wypełnić niektóre kwestionariusze i zadania w środowisku edukacyjnym MetaTutor, podczas gdy niektóre urządzenia rejestrują ich wyniki przez całą sesję.
    2. Poproś uczestników, aby związali włosy, oczyścili szyję, zdjęli okulary i usunęli gumę do żucia, jeśli dotyczy.
      UWAGA: Jeśli uczestnik nosi okulary, ma długie włosy lub grzywkę, która zakrywa część twarzy, urządzenie śledzące ruch gałek ocznych nie będzie w stanie odczytać ruchów jego oczu.
    3. Przedstaw uczestnikom MetaTutor. Wyjaśnij, że celem sesji jest samodzielne poznanie układu krążenia za pomocą tego narzędzia.
    4. Upewnij się, że głośniki są podłączone i działają.
      UWAGA: Uczestnik może również korzystać ze słuchawek, jeśli woli.
  2. Przygotowanie i kalibracja reakcji galwanicznej skóry
    UWAGA: Pamiętaj, że istnieje wiele rodzajów GSR-ów produkowanych przez różne firmy. Używaj go zgodnie ze specyfikacją dostawcy.
    1. Oczyść GSR i palce uczestnika alkoholem.
    2. Umieść czujniki GSR na palcu/nadgarstku na palcu wskazującym i serdecznym tak, aby złącza znajdowały się po stronie opuszków palców lub zgodnie z instrukcjami producenta.
    3. Poproś uczestnika, aby w ciszy oparł rękę na stole i spróbował się zrelaksować przez 5 minut.
    4. Otwórz oprogramowanie w komputerze.
    5. Upewnij się, że wykres rejestracji działa. Sprawdź, czy rejestruje się wykres rejestracji.
    6. Kliknij Uruchom eksperyment > Szybkość 10 na sekundę > Czas trwania > 10 > minut. Rejestruj informacje przez dziesięć minut, aby ustalić linię bazową.
      UWAGA: Szybkość 10 na sekundę oznacza częstotliwość, z jaką podejmowane są środki.
    7. Zminimalizuj ekran.
    8. Kontynuuj kalibrację innych urządzeń, a po 10 minutach zapisz informacje w pliku .csv.
  3. Śledzenie ruchu gałek ocznych oraz przygotowanie i kalibracja kamery internetowej
    UWAGA: Pamiętaj, że istnieje wiele rodzajów kamer śledzących ruch gałek ocznych i kamer internetowych produkowanych przez różne firmy. Używaj ich zgodnie ze specyfikacją dostawcy.
    1. Otwórz oprogramowanie w bocznym laptopie i w komputerze.
      UWAGA: Ruchy gałek ocznych są rejestrowane na komputerze, na którym pracuje uczestnik, ale dane są rejestrowane na bocznym laptopie. Ponadto w bocznym laptopie eksperymentator może zobaczyć ruchy, które wykonuje uczestnik i w razie potrzeby skorygować pozycję uczestnika.
    2. Wskaż, która sesja będzie nagrywana (w tym przypadku Metatutor) oraz dane rejestracyjne uczestnika: File > Recent Experiment > Metatutor > Include Registration data of the participant > OK.
    3. Sprawdź, czy oba komputery są ze sobą połączone i czy światła podczerwone śledzące ruch gałek ocznych są włączone i gotowe do uchwycenia ruchu oczu.
    4. Dostosuj kamerę internetową w komputerze do pozycji uczestnika.
    5. Poproś uczestnika, aby siedział przodem do przodu i zachowywał się tak neutralnie, jak to tylko możliwe, chociaż oczekuje się, że jego mimika będzie się różnić podczas sesji uczenia się.
      UWAGA: Podczas sesji edukacyjnej kamerą internetową nagrywany jest film przedstawiający twarz uczestnika, który jest następnie analizowany za pomocą aplikacji komputerowej55.
    6. Poproś uczestnika, aby nie ruszał się i wpatrywał się w różne punkty ekranu z nosem ustawionym w jednej linii z krawędzią biurka lub lekko nad nią (pod kątem 90°).
    7. Kliknij przycisk Nagraj > Wpisz dane rejestracyjne uczestnika > OK, aby rozpocząć proces kalibracji.
    8. Poproś uczestnika, aby nacisnął spację i podążał wzrokiem za punktami na ekranie.
    9. Upewnij się, że oczy uczestnika, gdy patrzy na ekran, są wyśrodkowane przed przejściem do następnego kroku, używając bocznego laptopa do sprawdzenia tych informacji.
      UWAGA: Wzrok uczestnika jest wyśrodkowany, gdy ruchy jego oczu są rejestrowane na bocznym ekranie laptopa za pomocą dwóch białych kółek. Gdy wzrok opuści obszar rejestracji, oprogramowanie ostrzega żółtymi strzałkami (jeśli nieznacznie odchylenia), czerwonymi strzałkami (jeśli często odchyla) lub bez białych kółek (jeśli nie rejestruje). Ścieżka ruchu oczu jest odbita żółtym światłem (skupienie uwagi), a ścieżka przez ekran zieloną linią.
    10. Poproś uczestników, aby w miarę możliwości unikali dotykania twarzy lub opierania głowy na dłoniach.
    11. Zminimalizuj ekran.
  4. Multimodalne śledzenie sesji szkoleniowej
    1. Zmaksymalizuj ekran GSR i kliknij Uruchom eksperyment > Szybkość 10 na sekundę > Czas trwania > 5 > godzin > Nagrywaj i ponownie zminimalizuj ekran.
    2. Zmaksymalizuj śledzenie oczu i ekran kamery internetowej, upewnij się, że oprogramowanie działa poprawnie, kliknij Nagraj na komputerze i na bocznym laptopie, aby zarejestrować i nagrać sesję i ponownie zminimalizować ekran.
      UWAGA: Po skalibrowaniu urządzeń nie zapomnij rozpocząć nagrywania sesji ewaluacyjnej w każdym z nich. Od tego momentu cała interakcja uczestnika z narzędziem do nauki będzie rejestrowana aż do końca sesji.
  5. Kwestionariusze i sesja edukacyjna w MetaTutor
    1. Otwórz oprogramowanie na komputerze i uzupełnij dane rejestracyjne uczestnika. Pełne kwestionariusze identyfikacyjne > Experimenter > Day > tak > kontynuować.
      UWAGA: Wszystkie dzienniki zostaną zarejestrowane podczas sesji w dzienniku danych plikowych.
    2. Wyjaśnij uczestnikowi, że musi postępować zgodnie z instrukcjami w narzędziu i że będzie wchodził w interakcję z komputerem tylko podczas sesji uczenia się. Wyjaśnij, że badacz będzie w sąsiednim pokoju na wypadek, gdyby coś się stało.
      1. Zapytaj uczestnika o informacje socjodemograficzne i akademickie. Pełne imię i nazwisko > Płeć > Wiek > Grupa etniczna > Poziom wykształcenia > Uniwersytet, > Stopień > GPA > Informacje o odbytych kursach biologii, jeśli dotyczy, > Kontynuuj. Zanim klikniesz Kontynuuj, wyjaśnij uczestnikom, że muszą postępować zgodnie ze wszystkimi instrukcjami, które przekaże im narzędzie. Ponadto, że będą wchodzić w interakcje z komputerem tylko podczas sesji uczenia się.
      2. Poproś uczestnika o wypełnienie kilku kwestionariuszy.
        UWAGA: Uczestnik musi wypełnić pięć metakognitywnych i samoregulujących kwestionariuszy uczenia się: a) Mini Międzynarodowa Pula Przedmiotów Osobowości49; b) Konotacyjne aspekty wierzeń epistemologicznych50; c) Skala Samooceny Rosenberga51; d) Kwestionariusz Regulacji Emocji52; e) Kwestionariusz Emocji Osiągnięć (AEQ)53 oraz jeden kwestionariusz dotyczący ogólnej wiedzy o układzie krążenia.
      3. Pokaż uczestnikowi interfejs MetaTutor i jego różne części.
        1. Wyjaśnij uczestnikowi, że obszar treści to miejsce, w którym treści edukacyjne są wyświetlane przez całą sesję w formie tekstowej.
        2. Pokaż uczestnikowi, że może poruszać się po spisie treści z boku ekranu, aby przejść do różnych stron.
        3. Pokaż uczestnikowi, że ogólny cel edukacyjny jest wyświetlany u góry ekranu podczas sesji.
        4. Pokaż uczestnikowi, że cele podrzędne wyznaczone przez uczniów są wyświetlane u góry na środku ekranu i że w tym miejscu można zarządzać celami podrzędnymi lub nadawać im priorytety.
        5. Pokaż uczestnikowi, że w lewym górnym rogu ekranu znajduje się licznik czasu, który wyświetla czas pozostały do końca sesji.
        6. Pokaż uczestnikowi listę procesów samoregulujących, które są wyświetlane w palecie po prawej stronie ekranu, a uczestnik może je klikać przez całą sesję, aby wdrożyć strategie planowania, monitorowania i uczenia się.
        7. Pokaż uczestnikowi statyczne obrazy związane ze stronami z treścią są wyświetlane obok tekstu, aby pomóc uczniom koordynować informacje z różnych źródeł.
        8. Pokaż uczestnikowi tekst wpisany na klawiaturze oraz sposób, w jaki interakcje uczniów z agentami są wyświetlane i rejestrowane w tej części interfejsu.
        9. Pokaż uczestnikowi czterech sztucznych agentów, którzy pomagają uczniom w nauce przez całą sesję.
          UWAGA: Ci agenci to Gavin Przewodnik, Pam Planistka, Mary Monitora i Sam Strateg.
      4. Poproś uczestnika, aby kliknął przycisk Start i rozpoczął sesję szkoleniową, gdy tylko będzie gotowy.
        UWAGA: Uczestnik wchodzi w interakcję z narzędziem.
      5. Po zakończeniu sesji poproś uczestnika o ponowne wypełnienie kwestionariusza wiedzy.

3. Wyloguj

się
  1. Na koniec sesji zapisz zarejestrowane dane z GSR, eyetrackingu/kamery internetowej i Metatutora wraz z danymi rejestracyjnymi uczestnika. Wyodrębnij dane w pliku .csv, aby ułatwić użycie.
  2. Wyjmij czujniki GSR z ręki uczestnika i ponownie wyczyść czujniki galwaniczne alkoholem.
  3. Podziękuj uczestnikom za współpracę i pożegnaj się.

4. Analiza trudności w nauce

  1. Przeanalizuj wyniki w nauce każdego uczestnika na podstawie różnych przygotowanych raportów (patrz sekcja Wyniki), aby uzyskać profil multimodalny.
    UWAGA: Co najmniej dwóch członków komitetu ekspertów analizuje proces uczenia się każdego uczestnika. Chociaż ocenę można przeprowadzić w sposób wyczerpujący przy użyciu nowych instrumentów i narzędzi, żadne sprawozdanie nie zastąpi oceny biegłego.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ta sekcja ilustruje reprezentatywne wyniki uzyskane z protokołu, w tym przykład połączonych wyników Sesji 1 i przykład każdego źródła informacji z Sesji 2.

Wyniki dotyczące zaburzeń są zbierane w Sesji 1 poprzez testy diagnostyczne uwzględniające procedury i punkty odcięcia określone dla diagnostycznej oceny trudności w uczeniu się uczestników (SLD, ADHD i ASD). Komitet ekspertów decyduje, czy uczestnik ma trudności w uczeniu się, czy jest zagrożony ich wystąpieniem, czy nie (zobacz przykład p...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Obecny protokół proponuje multimodalną ocenę skoncentrowaną na procesach metapoznawczych, samoregulacji i emocjonalnych, które stanowią podstawę trudności u dorosłych z LD.

Sesja 1 jest niezbędna, ponieważ ma być diagnozą trudności w uczeniu się uczestnika. Należy pamiętać, że ta sesja jest prowadzona przez terapeutów z doświadczeniem w diagnozowaniu trudności rozwojowych i trudności w uczeniu się w kontekście badawczym i klinicznym. Korzystamy z tych narzędzi w Hiszpanii, dlatego badacze z in...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają nic do ujawnienia.

Podziękowania

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ten manuskrypt był wspierany przez fundusze Narodowej Fundacji Nauki (DRL#1660878, DRL#1661202, DUE#1761178, DRL#1916417), Kanadyjskiej Rady ds. Badań Nauk Społecznych i Humanistycznych (SSHRC 895-2011-1006), Ministerstwa Nauki i Innowacji I+D+i (PID2019-107201GB-100) oraz Unii Europejskiej za pośrednictwem Europejskiego Funduszu Rozwoju Regionalnego (EFRR) i Księstwa Asturii (FC-GRUPIN-IDI/2018/000199). Wszelkie opinie, ustalenia, wnioski lub zalecenia wyrażone w tym materiale są opiniami autora (autorów) i niekoniecznie odzwierciedlają poglądy National Science Foundation lub Social Sciences and Humanities Research Council of Canada. Autorzy chcieliby również podziękować członkom SMART Lab na UCF za ich pomoc i wkład.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
AKWARIUMNesplora
Eye-tracker RED500 SystemsSensoMotoric Instruments GmbH
Face APIMicrosoft
GSR NUL-217NeuLog

Bibliografia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. American Psychiatric Association. Diagnostic and statistical manual of mental disorders (5th ed.). , Washington,DC. (2013).
  2. World Health Organization. International statistical classification of diseases and related health problems (11th Revision). , Retrieved from https://icd.who.int/browse11/l-m/en (2018).
  3. Education's Individuals with Disabilities Education Act. 2018 Annual Report to Congress on the Individuals with Disabilities Education Act. , Available from: https://sites.ed.gov/idea/data (2018).
  4. Armstrong, T. The myth of the normal brain: Embracing neurodiversity. AMA Journal of Ethics. 17 (4), 348-352 (2015).
  5. Berenger, C., Roselló, B., Miranda, A., Baixauli, I., Palomero, B. Executive functions and motivation in children with autism spectrum disorder and attention deficit hyperactivity disorder. International Journal of Developmental and Educational Psychology. 1 (1), 103-112 (2016).
  6. Brinkerhoff, L. C., McGuire, J. M., Shaw, S. F. Postsecondary education and transition for students with learning disabilities (2nd ed.). , Pro-ed. Austin, TX. (2002).
  7. Allsopp, D. H., Minskoff, E. H., Bolt, L. Individualized course-specific strategy instruction for college students with learning disabilities and ADHD: Lessons learned from a model demonstration project. Learning Disabilities Research & Practice. 20 (2), 103-118 (2005).
  8. Crane, N., Zusho, A., Ding, Y., Cancelli, A. Domain-specific metacognitive calibration in children with learning disabilities. Contemporary Educational Psychology. 50, 72-79 (2017).
  9. Harris, K. R., Reid, R. R., Graham, S. Self-regulation among students with LD and ADHD. Learning about Learning Disabilities. Wong, B. , Academic Press. Orlando, FL. 167-195 (2004).
  10. National Joint Committee on Learning Disabilities. Collective Perspectives on Issues Affecting Learning Disabilities. , PRO-ED. Austin, Texas. (1994).
  11. Sawyer, A. C., Williamson, P., Young, R. Metacognitive processes in emotion recognition: Are they different in adults with Asperger's disorder. Journal of Autism and Developmental Disorders. 44 (6), 1373-1382 (2014).
  12. Meltzer, L. Executive function in education: From theory to practice. , Guilford Publications. New York. (2018).
  13. Martino, G., Capri, T., Castriciano, C., Fabio, R. A. Automatic Deficits can lead to executive déficits. Mediterranean Journal of Clinical Psychology. 5 (3), 1-31 (2017).
  14. Fabio, R. A., et al. Frequency bands in seeing and remembering: comparing ADHD and typically developing children. Neuropsychological Trends. 24, 97-116 (2018).
  15. Bernardo, A. B., Esteban, M., Cerezo, R., Muñiz, L. J. Principales variables influyentes en el abandono de titulación en la Universidad de Oviedo. Informe PRIOR: PRoyecto Integral de ORientación Académico-Profesional. , Universidad de Oviedo. Oviedo. (2013).
  16. Cortiella, C. Diplomas at risk: A critical look at the graduation rate of students with learning disabilities. , National Center for Learning Disabilities. New York, NY. (2013).
  17. Plasman, J. S., Gottfried, M. A. Applied STEM coursework, high school dropout rates, and students with learning disabilities. Educational Policy. 32 (5), 664-696 (2018).
  18. Cortiella, C., Horowitz, S. H. The state of learning disabilities: Facts, trends and emerging issues (3rd Ed). , National Center for Learning Disabilities. New York. (2014).
  19. Chevalier, T. M., Parrila, R., Ritchie, K. C., Deacon, S. H. The role of metacognitive reading strategies, metacognitive study and learning strategies, and behavioral study and learning strategies in predicting academic success in students with and without a history of reading difficulties. Journal of Learning Disabilities. 50 (1), 34-48 (2017).
  20. Goroshit, M., Hen, M. Academic procrastination and academic performance: Do learning disabilities matter. Current Psychology. , 1-9 (2019).
  21. Grinblat, N., Rosenblum, S. Why are they late? Timing abilities and executive control among students with learning disabilities. Research in Developmental Disabilities. 59, 105-114 (2016).
  22. Heiman, T., Fichten, C. S., Olenik-Shemesh, D., Keshet, N. S., Jorgensen, M. Access and perceived ICT usability among students with disabilities attending higher education institutions. Education and Information Technologies. 22 (6), 2727-2740 (2017).
  23. Couzens, D., et al. Support for students with hidden disabilities in universities: A case study. International Journal of Disability. Development and Education. 62 (1), 24-41 (2015).
  24. Schelke, M. W., et al. Diagnosis of developmental learning and attention disorders in adults: A review of clinical modalities. Neurology, Psychiatry and Brain Research. 23, 27-35 (2017).
  25. Madaus, J. W., Shaw, S. F. The impact of the IDEA 2004 on transition to college for students with learning disabilities. Learning Disabilities Research & Practice. 21 (4), 273-281 (2006).
  26. Santos, C. G., Fernández, E., Cerezo, R., Núñez, J. C. Dificultades de aprendizaje en Educación Superior: un reto para la comunidad universitaria. Publicaciones. 48 (1), 63-75 (2018).
  27. Jiménez, L., García, A. J., López-Cepero, J., Saavedra, F. J. The brief-ACRA scale on learning strategies for university students. Revista de Psicodidáctica. 23 (1), 63-69 (2018).
  28. Zimmerman, B. J. Motivational sources and outcomes of self-regulated learning and performance. Handbook of Self-Regulation of Learning and Performance. Zimmerman, B. J., Schunk, D. H. , Routledge. NY. 49-65 (2011).
  29. Pike, G. R., Kuh, G. D. A tipology of student engagement for Amer-ican colleges and universities. Research in Higher Education. 46, 185-209 (2005).
  30. Winne, P. H., Perry, N. E. Measuring self-regulated learning. Handbook of Self-Regulation. Boekaerts, M., Pintrich, P. R., Zeidner, M. , Elsevier Academic Press. San Diego, CA. 531-566 (2000).
  31. Areces, D., Cueli, M., García, T., González-Castro, P., Rodríguez, C. Using brain activation (nir-HEG/Q-EEG) and execution measures (CPTs) in an ADHD assessment protocol. Journal of Visualized Experiments. (134), e56796(2018).
  32. Azevedo, R., Taub, M., Mudrick, N. V. Understanding and reasoning about real-time cognitive, affective, and metacognitive processes to foster self-regulation with advanced learning technologies. Handbook of Self-Regulation of Learning and Performance. Alexander, P. A., Schunk, D. H., Greene, J. A. , Routledge. New York. (2017).
  33. Panadero, E., Klug, J., Järvelä, S. Third wave of measurement in the self-regulated learning field: when measurement and intervention come hand in hand. Scandinavian Journal of Educational Research. 60 (6), 723-735 (2016).
  34. Greene, J. A., Azevedo, R. The measurement of learners' self-regulated cognitive and metacognitive processes while using computer-based learning environments. Educational Psychologist. 45 (4), 203-209 (2010).
  35. Wechsler, D. A. Wechsler Adult Intelligence Scale (4th ed.). , Psychological Corporation. San Antonio, TX. (2008).
  36. Theiling, J., Petermann, F. Neuropsychological profiles on the WAIS-IV of adults with ADHD. Journal of Attention Disorders. 20 (11), 913-924 (2016).
  37. Cuetos, F., Arribas, D., Ramos, J. L. Prolec-SE-R, Batería para la evaluación de los procesos lectores en Secundaria y Bachillerato - Revisada. , TEA. Madrid. (2016).
  38. Mayes, S. D., Calhoun, S. L., Crowell, E. W. Learning disabilities and ADHD: Overlapping spectrum disorders. Journal of Learning Disabilities. 33 (5), 417-424 (2000).
  39. Kessler, R. C., et al. The World Health Organization Adult ADHD Self-Report Scale (ASRS): a short screening scale for use in the general population. Psychological Medicine. 35 (2), 245-256 (2005).
  40. Climent, G., Banterla, F., Iriarte, Y. AULA: Theoretical manual. , Nesplora. San Sebastián, Spain. (2011).
  41. Hoekstra, R. A., et al. The construction and validation of an abridged version of the autism-spectrum quotient (AQ-Short). Journal of Autism and Developmental Disorders. 41, 589-596 (2010).
  42. Baron-Cohen, S., Wheelwright, S., Skinner, R., Martin, J., Clubley, E. The autism-spectrum quotient (AQ): evidence from Asperger syndrome/high-functioning autism, males and females, scientists and mathematicians. Journal of Autism and Developmental Disorders. 31, 5-17 (2001).
  43. Azevedo, R., Johnson, A., Chauncey, A., Burkett, C. Self-regulated learning with MetaTutor: Advancing the science of learning with MetaCognitive tools. New Science of Learning. Khine, M., Saleh, I. , Springer. New York, NY. 225-247 (2010).
  44. Azevedo, R., Witherspoon, A., Chauncey, A., Burkett, C., Fike, A. MetaTutor: A MetaCognitive tool for enhancing self-regulated learning. 2009 AAAI Fall Symposium Series. , (2009).
  45. Azevedo, R. Theoretical, methodological, and analytical challenges in the research on metacognition and self-regulation: A commentary. Metacognition & Learning. 4 (1), 87-95 (2009).
  46. Feyzi-Behnagh, R., Trevors, G., Bouchet, F., Azevedo, R. Aligning multiple sources of SRL data in MetaTutor: Towards interactive scaffolding in multi-agent systems. 18th biennial meeting of the European Association for Research on Learning and Instruction (EARLI). , Munich, Germany. Paper presented (2013).
  47. Harley, J. M., et al. Assessing learning with MetaTutor: A Multi-Agent Hypermedia Learning Environment. Annual meeting of the American Educational Research Association. , Philadelphia, PA. Paper presented (2014).
  48. Azevedo, R., Feyzi-Behnagh, R., Harley, J., Bouchet, F. Analyzing temporally unfolding self-regulatory process during learning with multi-agent technologies. EARLI Biannual Conference 2013. , Munich. Paper presented (2013).
  49. Donnellan, M. B., Oswald, F. L., Baird, B. M., Lucas, R. E. The mini-IPIP scales: tiny-yet-effective measures of the Big Five factors of personality. Psychological Assessment. 18 (2), 192(2006).
  50. Stahl, E., Bromme, R. The CAEB: An instrument for measuring connotative aspects of epistemological beliefs. Learning and Instruction. 17 (6), 773-785 (2007).
  51. Gray-Little, B., Williams, V. S. L., Hancock, T. D. An item response theory analysis of the Rosenberg Self-Esteem Scale. Personality and Social Psychology Bulletin. 23, 443-451 (1997).
  52. Gross, J. J., John, O. P. Individual differences in two emotion regulation processes: implications for affect, relationships, and well-being. Journal of Personality and Social Psychology. 85 (2), 348(2003).
  53. Pekrun, R., Goetz, T., Frenzel, A. C., Barchfeld, P., Perry, R. P. Measuring emotions in students' learning and performance: The Achievement Emotions Questionnaire (AEQ). Contemporary Educational Psychology. 36 (1), 36-48 (2011).
  54. American Psychiatric Association. Diagnostic and statistical manual of mental disorders - reviewed (DSM-IV-TR). , Washington, DC. (2000).
  55. Face API [Computer software]. , Available from: https://azure.microsoft.com/es-es/services/cognitive-services/face/ (2019).
  56. Picard, R. W. Affective computing. , MIT press. (2000).
  57. Grills-Taquechel, A. E., Fletcher, J. M., Vaughn, S. R., Stuebing, K. K. Anxiety and reading difficulties in early elementary school: Evidence for unidirectional-or bi-directional relations. Child Psychiatry & Human Development. 43 (1), 35-47 (2012).
  58. Mammarella, I. C., et al. Anxiety and depression in children with nonverbal learning disabilities, reading disabilities, or typical development. Journal of Learning Disabilities. 49, 130-139 (2014).
  59. Nelson, J. M., Harwood, H. Learning disabilities and anxiety: A meta-analysis. Journal of Learning Disabilities. 44 (1), 3-17 (2011).
  60. Arora, M. R., Sharma, J., Mali, U., Sharma, A., Raina, P. Microsoft Cognitive Services. International Journal of Engineering Science. 8 (4), 17323-17326 (2018).
  61. Bondareva, D., et al. Inferring learning from gaze data during interaction with an environment to support self-regulated learning. International Conference on Artificial Intelligence in Education. , Springer. Berlin, Heidelberg. 229-238 (2013).
  62. Mason, L., Tornatora, M. C., Pluchino, P. Do fourth graders integrate text and picture in processing and learning from an illustrated science text? Evidence from eye-movement patterns. Computers & Education. 60 (1), 95-109 (2013).
  63. Duffy, M. C., Azevedo, R. Motivation matters: Interactions between achievement goals and agent scaffolding for self-regulated learning within an intelligent tutoring system. Computers in Human Behavior. 52, 338-348 (2015).
  64. Cerezo, R., et al. Mediating Role of Self-efficacy and Usefulness Between Self-regulated Learning Strategy Knowledge and its Use. Revista de Psicodidáctica. 24 (1), 1-8 (2019).
  65. Mudrick, N. V., Azevedo, R., Taub, M. Integrating metacognitive judgments and eye movements using sequential pattern mining to understand processes underlying multimedia learning. Computers in Human Behavior. 96, 223-234 (2019).
  66. Taub, M., Azevedo, R. How Does Prior Knowledge Influence Eye Fixations and Sequences of Cognitive and Metacognitive SRL Processes during Learning with an Intelligent Tutoring System. International Journal of Artificial Intelligence in Education. 29 (1), 1-28 (2019).
  67. Bogarín, A., Cerezo, R., Romero, C. A survey on educational process mining. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 8 (1), 1230(2018).
  68. Cerezo, R., Bogarín, A., Esteban, M., Romero, C. Process mining for self-regulated learning assessment in e-learning. Journal of Computing in Higher Education. , (2019).
  69. Levenson, R. W. Blood, sweat, and fears. Annals of the New York Academy of Sciences. 1000 (1), 348-366 (2003).
  70. Meer, Y., Breznitz, Z., Katzir, T. Calibration of Self-Reports of Anxiety and Physiological Measures of Anxiety While Reading in Adults With and Without Reading Disability. Dyslexia. 22 (3), 267-284 (2016).
  71. Daley, S. G., Willett, J. B., Fischer, K. W. Emotional responses during reading: Physiological responses predict real-time reading comprehension. Journal of Educational Psychology. 106 (1), 132-143 (2014).
  72. Pekrun, R., Goetz, T., Titz, W., Perry, R. P. Academic emotions in students' self-regulated learning and achievement: A program of qualitative and quantitative research. Educational Psychologist. 37 (2), 91-105 (2002).
  73. Antonietti, A., Colombo, B., Di Nuzzo, C. Metacognition in self-regulated multimedia learning: Integrating behavioural, psychophysiological and introspective measures. Learning, Media and Technology. 40 (2), 187-209 (2015).
  74. Bogarin, A., Cerezo, R., Romero, C. Discovering learning processes using inductive miner: a case study with Learning Management Systems (LMSs). Psicothema. 30 (3), 322-329 (2018).
  75. Lang, C., Siemens, G., Wise, A., Gašević, D. Handbook of learning analytics. , Society for Learning Analytics and Research. Beaumont, AB, Canada. (2017).
  76. Romero, C., Ventura, S., Pechenizkiy, M., Baker, R. S. J. Handbook of educational data mining. , CRC Press. Boca Raton, FL. (2010).
  77. Azevedo, R., Gašević, Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges. Computers in Human Behavior. 96, 207-210 (2019).
  78. Veenman, M. V. J., Van Hout-Wolters, B., Afflerbach, P. Metacognition and Learning: Conceptual and Methodological Considerations. Metacognition Learning. 1, 3-14 (2006).
  79. Brusilovsky, P., Millán, E. User models for adaptive hypermedia and adaptive educational systems. The adaptive web. Brusilovsky, P., Kobsa, A., Nejdl, W. , Springer. Berlin, Heidelberg. 3-53 (2007).
  80. Taub, M., et al. using multi-channel data with multi-level modeling to assess in-game performance during gameplay with CRYSTAL ISLAND. Computers in Human Behavior. 76, 641-655 (2017).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Metacognition AssessmentSelf RegulationLearning DisabilitiesEye TrackingFacial Emotion RecognitionGalvanic Skin ResponseMetaTutorQuestionnairesExpert JudgmentMultimodal Protocol

Powiązane artykuły