Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Behavior

Multimodal protokoll for vurdering av metakognisjon og selvregulering hos voksne med lærevansker

doi: 10.3791/60331 Published: September 27, 2020

Summary

Det nåværende arbeidet foreslår en multimodale evalueringsprotokoll med fokus på metakognitiv, selvregulering av læring og følelsesmessige prosesser, som utgjør grunnlaget for vanskelighetene hos voksne med LDer.

Abstract

Lærevansker (LDer) omfatter lidelser hos de som har problemer med å lære og bruke akademiske ferdigheter, og viser ytelse under forventningene til deres kronologiske alder innen lesing, skriving og/eller matematikk. Hver av lidelsene som utgjør LD-ene involverer forskjellige underskudd; Imidlertid kan noen fellestrekk finnes innenfor denne heterogeniteten, slik når det gjelder å lære selvregulering og metakognisjon. I motsetning til i tidlig alder og senere utdanningsnivå, er det knapt noen evidensbaserte evalueringsprotokoller for voksne med LD-er. LD-er påvirker akademisk ytelse, men har også alvorlige konsekvenser i faglige, sosiale og familiesammenhenger. Som svar på dette foreslår det nåværende arbeidet en multimodal evalueringsprotokoll med fokus på metakognitiv, selvregulering av læring og følelsesmessige prosesser, som utgjør grunnlaget for vanskelighetene hos voksne med LDer. Vurderingen utføres gjennom analyse av den on-line læringsprosessen ved hjelp av en rekke metoder, teknikker og sensorer (f.eks. øyesporing, ansiktsuttrykk av følelser, fysiologiske svar, samtidige verbaliseringer, loggfiler, skjermopptak av menneskelige maskininteraksjoner) og off-line metoder (f.eks spørreskjemaer, intervjuer og selvrapporttiltak). Denne teoretisk drevne og empirisk baserte retningslinjen tar sikte på å gi en nøyaktig vurdering av LDer i voksen alder for å utforme effektive forslag til forebygging og intervensjon.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Spesifikke læringsforstyrrelser (SLDs) omfatter lidelser hos de som har problemer med å lære og bruke akademiske ferdigheter, viser ytelse under forventningene til deres kronologiske alder innen lesing, skriving og / eller matematikk1,2. Det er forskjellige beregninger av prevalensrater avhengig av alder, språk og kultur analysert, men de er mellom 5% og 15%1,,3. Innenfor den globale kategorien av nevroutviklingsforstyrrelser i diagnostisk og statistisk håndbok for psykiske lidelser(5. Ed.) 1, er det også nødvendig å fokusere på forekomsten av Attention-Deficit / Hyperactivity Disorder (heretter ADHD) som det er en vanlig lidelse som har gitt opphav til ulike kontroverser om hvordan man nærmer seg det de siste årene. Basert på DSM-51kan den defineres som et mønster av vedvarende atferd av uoppmerksomhet og/eller hyperaktivitets impulsivitet. Likeledes er autismespekterforstyrrelse (heretter ASD) en kategori i samme håndbok som inkluderer studenter som presenterer nevroutviklingsforstyrrelser som følge av multifaktorielle dysfunksjoner i sentralnervesystemet, noe som resulterer i kvalitative dysfunksjoner i tre grunnleggende områder av utviklingen av personen: sosial interaksjon, kommunikasjon og interesserog atferd 1,2.

På disse linjene har et nytt konsept dukket opp som beveger seg bort fra følelsen av underskudd og tilbyr en mer positiv tilnærming til disse lidelsene for å være i samsvar med dagens ideer om nevroutviklingsproblemer som svært sameksistente og overlappende4. Fra disse nye modellene er det forstått at ferdighetene som er involvert i kognitive prosesser på høyt nivå, som tillater styring og regulering av ens oppførsel for å oppnå et ønsket mål, er avgjørende for selvregulering og derfor for daglige aktiviteter, inkludertde akademiske 5. I sammenheng med voksen alder har neurodiversity utviklet seg til å omfatte ulike typer vanskeligheter, inkludert ADHD og ASD, samt dysleksi, dyspraksi og/eller dyscalculia. Derfor nærmer vi oss dette nevrodiversityet fra en bred oppfatning av lærevansker (LDer). Økningen i studenter med dette mangfoldet som er registrert i etterutdanning er godt dokumentert og skyldes delvis økningen i videregående skole for studenter mednedsatt funksjonsevne 6,men samtidig er det mindre forskning om læringsprosessen til disse studentene enn nødvendig7.

Hver av lidelsene nærmet seg isolert involverer forskjellige underskudd og manifestasjoner; Imidlertid kan noen felleshet bli funnet innenfor denne heterogeniteten når det gjelder LD, for eksempel metakognitiv, selvregulerende og følelsesmessig funksjonsfeil8,9,10,11. Tre grunnleggende grunnlag i læringslitteraturen generelt, og spesielt LDer, som representerer grunnlaget for vellykket læring og spiller en viktig rolle i disse kjente vanskelighetene påakademisk nivå 12. I tillegg til dette forstår andre tilnærminger at det kan være en viss felleshet mellom underskudd i utøvende funksjoner, for eksempel problemer i automatisk behandling eller arbeidsminne, som oppstår i forskjellige lidelser som ADHD og leseforstyrrelser13 eller ADHD og ASD5. Det er imidlertid fortsatt arbeid som skal gjøres på dette feltet, siden ikke alle studier når de samme konklusjonene om disse punktene til felles i forhold til utøvende funksjoner. Det kan skyldes variasjonene som presenteres av prøvene som studiene er basert på og evalueringsprosedyrene til de utøvende funksjonene sombrukes i undersøkelsene 5,14.

I pedagogiske termer påvirker denne mangfoldige blandingen ikke bare kvaliteten på læringen, på grunn av den grunnleggende karakteren av de berørte funksjonene, men også fenomener som skoleavbrudd, endring av grad, etc., med økonomiske implikasjoner for regjeringerog universiteter 15. Frafallet for studenter med LD er høyere enn for studenter i befolkningengenerelt 16, men også høyere enn frafallet for noen annen kategori av psykiske funksjonshemninger bortsett fra de studentene med følelsesmessigeforstyrrelser 17. I motsetning øker antall studenter med LDer som får tilgang til post-obligatorisk utdanning (yrkesopplæring, høyskole, etc.)15, spesielt i høyere utdanning19,20,21,22. Videre kan man godt anta at det er mange flere studenter med LD enn de som offisielt passerer gjennom studenttjenester og vanligvis utgjør utbredelsesstatistikken23.

Disse vanskelighetene oppdages ikke alltid i barndommen, spesielt hos voksne født før disse lidelsene ble vurdert i det vanlige akademiske systemet, og symptomene på disse lidelsene vedvarer gjennom folks liv og forårsaker vanskeligheter i arbeid, utdanning og personlige liv24. Forskning har vist at selv om folk kan overvinne noen av sine vanskeligheter, de fleste fortsetter å vise kamper med læring i voksen alder og deres utholdenhet er fortsatt problematisk på de høyere utdanningsnivå25.

Paradoksalt nok, i motsetning til i tidligere utdanningsnivå og tidligere alder, er det knapt noen evidensbaserte instrumenter eller evalueringsprotokoller for voksne med LDer. Til tross for spredning av diagnostiske verktøy for å evaluere LDer i barndommen, er tilgjengeligheten av gyldige, pålitelige instrumenter og metoder for den voksne befolkningen betydelig begrenset24. En fersk litteraturgjennomgang om lærevansker i høyere utdanning fant at det meste av informasjonen som samles inn i denne forbindelse, gjøres gjennom intervjuer, og bare av og til er selvrapportspørreskjemaersom brukes 26. Selvrapportmetodikk og intervjuer, selv om de er verdifulle, er ikke nok til å nøyaktig vurdere metakognitive, selvregulerings- og emosjonelle ferdigheter, faktisk blant annet på grunn av prosessnaturen. Betydningen av skalaer og intervjumetodikk for å måle disse prosessene erunektelig 27,28, men det er også de tilknyttede problemenemed gyldighet 29 og uoverensstemmelse med andre innovative vurderingsmetoder30. Et ekstra problem ved påvisning av LDer er skjevheten i diagnosen av lidelsen på grunn av fravær av omfattende vurderingsprotokoller. Det faktum at fagfolk ikke har en referanseprotokoll basert på objektive variabler, forårsaker ofte mange falske positive og falske negative tilfeller av LDer31.

Som svar på både knapphet på instrumenter for voksne og behovet for å forbedre eksisterende metodikk, foreslår den nåværende studien en multimodal evalueringsprotokoll med fokus på metakognitive, selvregulering og følelsesmessige prosesser, som utgjør grunnlaget for vanskelighetene hos voksne med LDer. I tråd med dagens litteratur foreslår vi et skritt mot integrerende og flerkanalsmåling32,33. Vurderingen utføres gjennom en analyse av den on-line læringsprosessen ved hjelp av flere metoder, teknikker og sensorer (f.eks hypermedia læringsmiljø, virtuell virkelighet, øyesporing, ansiktsuttrykk av følelser, fysiologiske svar, loggfiler, skjermopptak av menneskelig-maskin interaksjoner) og off-line metoder (f.eks spørreskjemaer, intervjuer og selvrapporttiltak). Denne blandede metodikken gir bevis på distribusjon av målprosesser før, under og etter læring som kan trianguleres for å forbedre forståelsen av hvordan elevene lærer og hvor problemet ligger, hvis det er en34.

Evalueringsprotokollen utføres over to økter. Øktene kan gjøres i en sittende eller kan trenge delvise programmer avhengig av personen. Den første er fokusert på deteksjon eller bekreftelse av LDer og hvilken bestemt type lidelse vi står overfor, og den andre er designet for å gå inn i metakognitive, selvregulering og følelsesmessige prosesser i hvert enkelt tilfelle i dybden.

Økt 1 er ment å være en diagnostisk eller bekreftelsesvurdering av deltakerens lærevansker: SLD, ADHD og/eller ASD (høy funksjon) for å finne ut hvilken type spesifikke problemer deltakerne har. Denne vurderingen er avgjørende av to grunner. 1) Voksne med lærevansker sjelden har nøyaktig informasjon om deres dysfunksjonelle atferd. Noen av dem mistenker at de har en LD, men har aldri blitt evaluert. Andre kan ha blitt vurdert når de var barn, men har ingen rapporter eller ytterligere informasjon. 2) Det kan være avvik med tidligere diagnoser (f.eks. en tidligere dysleksidiagnose i motsetning til en nåværende diagnose av oppmerksomhetssvikt og langsom behandlingshastighet; tidligere ASD-diagnose i motsetning til dagens begrensede intellektuelle evne, etc.). Deltakeren blir intervjuet, og spørreskjemaer og standardiserte tester brukes. Denne sesjonen her utføres av terapeuter med erfaring i diagnostisering av utviklings- og lærevansker i forskning og klinisk sammenheng i ulike kontorer i et spansk psykologifakultet. Økten begynner med et strukturert intervju som samler biografisk informasjon sammen med tilstedeværelsen av symptomer relatert til slDs som er referert til i DSM-51. Etter det brukes referansen intellektuell evnetest WAIS-IV35 i tilfelle implementering av ekskluderingskriterium, og fordi den gir svært verdifull informasjon for lærevansker fra skalaene "arbeidsminne" og "behandlingshastighet"36. I tillegg brukes PROLEC SE-Revised Test37 i stor grad til å evaluere lesevansker (leksikalsk, semantisk og/eller syntaktiske leseprosesser), en av de mest utbredte og invalidiserende vanskelighetene for læring i dagens akademiske sammenhenger, som overlapper med andre lidelser som ADHD38. Denne evalueringen samler lesenøyaktighet, hastighet og flyt sammen med lesevansker, og enda viktigere, der leseprosessen feilen oppstår37 (denne testen har blitt evaluert med pre-universitetsstudenter. For tiden er det ingen tester i Spania som er tilpasset den generelle voksne befolkningen, så denne testen ble valgt fordi den er nærmest målgruppen). Deretter screener vi symptomer på ADHD gjennom Verdens helseorganisasjon Adult ADHD Self-Report Scale (ASRS)39 og avgrenser evalueringen av denne lidelsen, introduserer multimodalitet med en banebrytende virtuell virkelighet kontinuerlig ytelsestest for evaluering av oppmerksomhetsprosesser og arbeidsminne hos voksne, Nesplora Aquarium31,40. Denne testen er et svært nyttig verktøy ved diagnostisering av ADHD hos voksne og ungdom over 16 år i et økologisk scenario, og gir objektive, pålitelige data. Den evaluerer selektiv og vedvarende oppmerksomhet, impulsivitet, reaksjonstid, auditiv og visuell oppmerksomhet, utholdenhet, kvaliteten på oppmerksomhetsfokus, motoraktivitet, arbeidsminne og kostnader for endring av oppgaven. I tillegg, sammen med WAIS-IV35 som helhet for å samle inn informasjon om deltakerens intellektuelle evne, tar vi spesielt hensyn til skalaene "arbeidsminne" og "behandlingshastighet" fordi de er relatert til lærevansker og resultatene av disse skalaene brukes i den endelige avgjørelsen. Til slutt inkluderer vi Autism Spectrum Quotient (AQ-Short)41 i protokollen, den korte versjonen av den pålitelige AQ-Voksen fra Baron-Cohen, Wheelwright, Skinner, Martin og Clubley42.

Økt 2 fokuserer på en multimodal vurdering av deltakerens læringsprosess. Nøkkelen til å forstå kompleks læring ligger i å forstå utplasseringen av elevenes kognitive, metakognitive, motiverende og affektive prosesser43. For dette formål arbeider deltakerne med MetaTutor, hvor bruk av metakognitive og kognitive strategier som distribueres, observeres mens de lærer. MetaTutor er et hypermedia læringsmiljø som er designet for å oppdage, modellere, spore og fremme studentenes selvregulerte læring mens de lærer forskjellige vitenskapsemne44. Utformingen av MetaTutor er basert på omfattende forskning av Azevedo og kolleger43,45,46,47 og tilhører en ny trend i målingen av SRL, den såkalte tredje bølgen, som er preget av kombinert bruk av måling og avansert læringsteknologi33. Bruken av MetaTutor gir også multimodal spordata, som omfatter tiltak som øyesporing, emosjonelle fysiologiske reaksjoner (galvanisk hudrespons (GSR) og ansiktsuttrykk av følelser)48, loggdata og spørreskjemaer. Alle disse tiltakene er kombinert for å nå en dypere forståelse av deltakerne SRL og metakognisjon.

Øyesporing gir en forståelse av hva som tiltrekker seg umiddelbar oppmerksomhet, hvilke målelementer ignoreres, der rekkefølge elementer blir lagt merke til, eller hvordan elementer sammenlignet med andre; elektrodermal aktivitet forteller oss hvordan følelsesmessig opphisselse endres som svar på miljøet; ansikts-følelse-anerkjennelse tillater automatisk anerkjennelse og analyse av ansiktsuttrykk; og datalogging samler inn og lagrer studentens interaksjon med læringsmiljøet for videre analyse. Når det gjelder spørreskjemaene, informerer Mini International Personality Item Pool49 om en rekke aktiviteter og tanker som folk opplever i hverdagen som vurderer hver av de fem store personlighetstrekkene (ekstraversjon, behagelighet, samvittighetsfullhet, nevroticisme og åpenhet). De konnotative aspektene ved epistemologisk tro50 gir informasjon om deltakernes tro om kunnskap. Rosenberg Self-esteem skala viser hvordan deltakerne føler om seg selv samlet51. Følelsesforskriftsspørreskjemaet 52 gir informasjon om deltakernes følelsesregulering. Achievement Emotions Questionnaire (AEQ)53 informerer om følelser som vanligvis oppleves på universitetet.

Kort sagt, det er spesielt vanskelig å vurdere LD-er i voksen alder. Utdanning og erfaring gjør det mulig for mange voksne å kompensere for sine underskudd og senere vise udifferensierte eller maskerte symptomer, hvor vitenskapelig kunnskap fortsatt er knapp. Med hensyn til det kritiske forskningsgapet som oppstår, har dette nåværende arbeidet som mål å sikre teoretisk drevne, empirisk baserte retningslinjer for nøyaktig vurdering av LD-er i voksen alder for å utforme effektive forebyggende og intervensjonstiltak.

For å hjelpe leserne med å avgjøre om metoden som er beskrevet er hensiktsmessig eller ikke, er det nødvendig å spesifisere at protokollen ikke er egnet for personer med utviklingshemninger fordi diagnosen ugyldiggjør diagnosen lærevansker. I tillegg, på grunn av singularitetene i utstyret som brukes og formatet for å vise læringsinnholdet, er det fortsatt ikke mulig å evaluere personer med motoriske funksjonshemninger (øvre lemmer, nakke og / eller ansikt), hørsel eller synshemming. Det ville heller ikke være egnet for deltakere med alvorlige psykiatriske lidelser. Det ville kreve bruk av legemidler som kan endre informasjonsbehandling eller fysiologisk uttrykk for følelser.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Forskningsetikkkomiteen i Fyrstedømmet Asturias og Universitetet i Oviedo godkjente denne protokollen.

1. Økt 1: diagnosevurdering

MERK: I denne sesjonen av protokollen brukes evalueringstester fra forskjellige utgivere, som har sine egne spesifikke program- og tolkningshåndbøker. Siden disse testene, eller andre lignende, er viden kjent av det vitenskapelige samfunnet innen psykologi og utdanning, er prosedyren for å bruke dem ikke detaljert trinnvis (for eksempel gitt målet med dette papiret, gir det ikke mening å detaljere hvert trinn i WAIS-IV35-søknaden).

  1. Informert samtykke
    1. Forklar deltakerne de etiske og konfidensialitetsaspektene ved forskningen og be dem om å anerkjenne og signere det enkelte informerte samtykket.
  2. Strukturert intervju
    1. Forklar følgende instruksjoner til deltakeren: "Nå skal jeg intervjue deg for å få viktig informasjon om ditt liv og akademiske spørsmål. Det er åpne og lukkede spørsmål, men du kan avbryte meg når du vil. Vær så snill, gi meg beskjed hvis du trenger meg til å avklare noe poeng. Etter dette første intervjuet kan jeg be deg om å gjøre noen evalueringstester og spørreskjemaer. Jeg skal fortelle deg de spesifikke instruksjonene for hver enkelt. Er du klar?"
    2. Samle inn biografisk informasjon sammen med tilstedeværelsen av symptomer relatert til SLD og ekskluderingskriterier som er nevnt i DSM-51 etter intervjuskriptet (se Tilleggsfil A ).
  3. Første beslutningspunkt i forhold til det strukturerte intervjuet (ekskluderingskriterier)
    1. Fullfør vurderingen hvis deltakeren oppfyller de første ekskluderingskriteriene, det vil si at de forklarer at de har en motorisk funksjonshemning (øvre segmenter), sensorisk funksjonshemning (visuell eller auditiv), en diagnose av utviklingshemming eller en alvorlig psykisk lidelse.
    2. Fortsett vurderingen hvis det ser ut til at deltakeren har eller mener han/hun har en SLD og ikke oppfyller ekskluderingskriteriene.
  4. Intellektuell evne
    1. Bruk WAIS-IV35-testen for å samle inn informasjon om deltakerens intellektuelle evne ved å følge instruksjonene i håndboken.
  5. Andre beslutningspunkt i forhold til intellektuell evne (ekskluderingskriterier)
    1. Fullfør vurderingen hvis deltakeren ikke forstår instruksjonene i testen, hvis den ikke kan evalueres, eller de har en IQ på mindre enn 70.
    2. Fortsett vurderingen hvis personen har normal eller begrenset intellektuell evne.
      MERK: Grensen for IQ akseptert i den nåværende studien er satt som en score på over 70.
  6. Adhd
    1. Be deltakeren fylle ut de seks elementene i det selv rapporterte screeningspørreskjemaet til Adult-v1.1. (ASRS39) av Verdens helseorganisasjon (WHO) International Composed Diagnostic Interview.
      MERK: Dette spørreskjemaet gir informasjon om tilstedeværelsen av symptomer knyttet til ADHD som det refereres til i DSM-IV54.
    2. Påfør Nesplora akvariumtest40 hvis deltakeren scorer 12 eller flere i det forrige ASRS36-spørreskjemaet.
  7. Lesevansker
    1. Påfør PROLEC SE-R Screening Test av lesevansker37 følg instruksjonene i håndboken.
  8. Autisme spektrum lidelse (nivå 1)
    1. Be deltakeren om å fylle ut de 28 elementene i spørreskjemaet Autism Spectrum Quotient (AQ-Short) fra Hoekstra et al.41
      MERK: Dette spørreskjemaet gir informasjon om tilstedeværelsen av symptomer knyttet til sosial atferd, sosiale ferdigheter, rutine, bytte, fantasi og tall / mønstre.
  9. Analyser resultatene.
    1. Analyser hver deltakers intervju, spørreskjemaer og testresultater og bestem om de har betydelige lærevansker eller ikke eller står i fare for å få dem.
      MERK: To medlemmer av ekspertutvalget (evaluatoren og et annet medlem av forskningsteamet) analyserer hver deltakers læringsprofil og avgjør om de er student med SLD, ADHD og/eller ASD eller ikke eller står i fare for å få dem. Ingen prøve kan erstatte ekspertens dom.
  10. Endelig beslutningspunkt
    1. Fullfør vurderingen hvis deltakeren åpenbart ikke er en student med lærevansker.
    2. Fortsett vurderingen hvis deltakeren er en person med LDer (eller i faresonen) og gå til økt 2.

2. Økt 2: multimodal vurdering

MERK: Økt 2 må gjøres mellom 1 og 7 dager etter økt 1.

  1. Forbered deltakeren.
    1. Minn deltakerne på at økten varer ca. 2 timer, og at de skal fylle ut noen spørreskjemaer og oppgaver i MetaTutor-læringsmiljøet mens noen enheter registrerer ytelsen gjennom hele økten.
    2. Spør deltakerne knytte tilbake håret, rydde nakken, fjerne brillene og fjerne tyggegummi hvis det er aktuelt.
      MERK: Hvis deltakeren har briller, har langt hår eller smell som dekker en del av ansiktet, vil øyesporingen ikke kunne lese øynenes bevegelser.
    3. Introdder MetaTutor til deltakerne. Forklar at målet med økten er å lære om sirkulasjonssystemet ved hjelp av verktøyet.
    4. Kontroller at høyttalerne er tilkoblet og fungerer.
      MERK: Deltakeren kan også bruke hodetelefoner hvis ønskelig.
  2. Galvanisk hudrespons og kalibrering
    MERK: Husk at det finnes mange typer GSRs produsert av forskjellige selskaper. Bruk den i henhold til leverandørens spesifikasjoner.
    1. Rengjør GSR og deltakerens fingre med alkohol.
    2. Sett finger-/armbåndetS GSR-sensorer på indeksen og ringfingre med kontaktene på fingertuppsiden eller i henhold til produsentens instruksjoner.
    3. Be deltakeren hvile hånden på bordet stille og prøve å slappe av i 5 min.
    4. Åpne programvaren på datamaskinen.
    5. Kontroller at registreringsdiagrammet fungerer. Sjekk registreringsgrafen registrerer.
    6. Klikk Kjør eksperiment > Vurder 10 per sekund > Varighet > 10 > Minutt. Registrer informasjonen i ti minutter for å opprette grunnlinjen.
      MERK: Hastighet 10 per sekund betyr hvor ofte det tas tiltak.
    7. Minimer skjermen.
    8. Fortsett med kalibreringen av andre enheter, og lagre informasjonen i en CSV-fil etter 10 minutter.
  3. Øyesporing og webkameraforberedelse og kalibrering
    MERK: Husk at det finnes mange typer øyesporing og webkamera produsert av forskjellige selskaper. Bruk dem i henhold til leverandørens spesifikasjoner.
    1. Åpne programvaren i den bærbare siden og i datamaskinen.
      MERK: Øyebevegelsene fanges opp på PCen deltakeren arbeider med, men dataene registreres på den bærbare siden. I tillegg, i den bærbare side-PC-en, kan eksperimentereren se bevegelsene som deltakeren gjør og korrigere deltakerens posisjon om nødvendig.
    2. Angi hvilken økt som skal registreres (Metatutor i dette tilfellet) og deltakerens registreringsdata: Fil > Nylig eksperiment > Metatutor > Inkluder registreringsdata for deltakeren > OK.
    3. Kontroller at de to datamaskinene er koblet til hverandre, og at øyesporingen infrarøde lys er på og klar til å fange bevegelsen av øynene.
    4. Juster webkameraet på datamaskinen til deltakerens posisjon.
    5. Be deltakeren om å sitte vendt fremover og være så nøytral som mulig, selv om det forventes at ansiktsuttrykkene deres vil variere under læringsøkten.
      MERK: Under læringsøkten registreres en video av deltakerens ansikt med webkameraet som senere analyseres ved hjelp av en skrivebordsapp55.
    6. Be deltakeren om å være stille og å stirre på de forskjellige punktene på skjermen med nesen satt i tråd med / litt over kanten av skrivebordet (på 90 °).
    7. Klikk Post > Skriv registreringsdataene for deltakeren > Ok for å starte kalibreringsprosessen.
    8. Be deltakeren trykke på mellomromstasten og følge punktene på skjermen med øynene.
    9. Kontroller at deltakerens øyne, når du ser på skjermen, er sentrert før du går videre til neste trinn, ved hjelp av den bærbare siden for å sjekke denne informasjonen.
      MERK: Deltakerens blikk er sentrert når bevegelsene i øynene er registrert på side laptop-skjermen med to hvite sirkler. Når blikket forlater registreringsområdet, advarer programvaren med gule piler (hvis det er litt avviket), med røde piler (hvis avviket mye) eller uten hvite sirkler (hvis ikke registrering). Banen til bevegelsen av øynene gjenspeiles med et gult lys (oppmerksomhetsfokus) og sporet gjennom skjermen med en grønn linje.
    10. Be deltakerne om å unngå å berøre ansiktet eller hvile hodet i hendene så mye som mulig.
    11. Minimer skjermen.
  4. Multimodal sporing av læringsøkten
    1. Maksimer GSR-skjermen, og klikk kjør eksperiment > Vurder 10 per sekund > Varighet > 5 > timer > Ta opp og minimer skjermen på nytt.
    2. Maksimer øyesporing og webkamera skjermen, kontroller at programvaren fungerer som den skal, klikk Ta opp på datamaskinen og på den andre siden laptop for å registrere og ta opp økten og minimere skjermen igjen.
      MERK: Når enhetene er kalibrert, må du ikke glemme å starte registreringen av evalueringsøkten i hver av dem. Fra dette tidspunktet registreres hele deltakerinteraksjonen med læringsverktøyet til slutten av økten.
  5. Spørreskjemaer og læringsøkt i MetaTutor
    1. Åpne programvaren på PC-en og fullfør deltakerens registreringsdata. Fullfør ID > Eksperimenterer > Dag > Spørreskjemaer ja > Fortsett.
      MERK: Alle loggene vil bli registrert i løpet av økten i en fildatalogg.
    2. Forklar deltakeren at de må følge instruksjonene i verktøyet, og at de bare vil samhandle med datamaskinen under læringsøkten. Forklar at forskeren vil være i neste rom i tilfelle noe skjer.
      1. Be deltakeren om sosiodemografiske og akademiske opplysninger. Komplett navn > Kjønn > Alder > Etnisk gruppe > Utdanningsnivå > Universitet > Degree > GPA > Informasjon om biologikurs som tas hvis aktuelt > Fortsett. Før du klikker Fortsett, må du forklare deltakerne at de må følge alle instruksjonene som verktøyet vil gi dem. Også, at de vil bare samhandle med datamaskinen under læringsøkten.
      2. Be deltakeren fylle ut noen spørreskjemaer.
        MERK: Deltakeren må fylle ut fem metakognitive og selvregulerte læringsspørreskjemaer: a) Mini International Personality Item Pool49; b) De konnotative aspektene ved epistemologisk tro50; c) Rosenberg Selvfølelse Skala51; d) Spørreskjemaet forfølelsesforskrift 52; e) Spørreskjemaet for prestasjonsfølelser (AEQ)53 og ett spørreskjema om generell kunnskap om sirkulasjonssystemet.
      3. Vis deltakeren grensesnittet til MetaTutor og dens forskjellige deler.
        1. Forklar deltakeren at innholdsområdet er der læringsinnholdet vises gjennom hele økten i tekstform.
        2. Vis deltakeren at de kan navigere gjennom en innholdsfortegnelse på siden av skjermen for å gå til forskjellige sider.
        3. Vis deltakeren at det generelle læringsmålet vises øverst på skjermen under økten.
        4. Vis deltakeren at undermålsnavnene vises øverst midt på skjermen, og de kan administrere delmål eller prioritere dem her.
        5. Vis deltakeren at det er en tidtaker øverst til venstre på skjermen viser hvor lenge det gjenstår i økten.
        6. Vis deltakeren listen over selvregulerende prosesser, som vises i en palett på høyre side av skjermen, og deltakeren kan klikke på dem gjennom hele økten for å distribuere planleggings-, overvåkings- og læringsstrategier.
        7. Vis deltakeren at de statiske bildene som er relevante for innholdssider, vises ved siden av teksten for å hjelpe elevene med å koordinere informasjon fra forskjellige kilder.
        8. Vis deltakeren teksten som er angitt på tastaturet, og hvordan elevenes interaksjoner med agenter vises og registreres i denne delen av grensesnittet.
        9. Vis deltakeren de fire kunstige agentene som hjelper elevene i læringen gjennom hele økten.
          MERK: Disse agentene er Gavin guiden, Pam planleggeren, Mary the Monitor og Sam the Strategizer.
      4. Be deltakeren klikke Start for å starte læringsøkten når de er klare.
        MERK: Deltakeren samhandler med verktøyet.
      5. Når økten er fullført, ber du deltakeren om å fylle ut kunnskapsspørreskjemaet på nytt.

3. Avlogging

  1. På slutten av økten lagre de innspilte dataene fra GSR, øyesporing / webkamera og Metatutor sammen med registreringsdata for deltakeren. Pakk ut dataene i en CSV-fil for enklere bruk.
  2. Fjern GSR-sensorene fra deltakerens hånd og rengjør galvanisk sensorene med alkohol igjen.
  3. Takk deltakerne for samarbeidet og si farvel.

4. Analyse av lærevansker

  1. Analyser hver deltakers læringsytelse basert på de forskjellige rapportene som produseres (se Resultater-delen) for å få en multimodale profil.
    MERK: Minst to medlemmer av ekspertutvalget analyserer hver deltakers læringsprosess. Selv om evalueringen kan gjøres uttømmende ved hjelp av nye instrumenter og verktøy, kan ingen rapport erstatte ekspertens dom.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Denne delen illustrerer de representative resultatene som er hentet fra protokollen, inkludert et eksempel på sammenføyde resultater av økt 1 og et eksempel på hver informasjonskilde fra økt 2.

Resultatene om lidelser samles inn i økt 1 gjennom diagnostiske tester med hensyn til prosedyrene og cut-off-punktene som er angitt for den diagnostiske vurderingen av deltakernes lærevansker (SLD, ADHD og ASD). Ekspertutvalget avgjør om deltakeren har lærevansker eller står i fare for å få dem eller ikke (se et eksempel på beslutningstaking i figur 1). Hvis deltakeren viser lærevansker og deltar i økt 2, samles data fra alternative kilder inn.

I løpet av økt 2 samler protokollen inn resultater fra fem forskjellige kilder: deltakernes GSR, ansiktsfølelser, øyebevegelser, spørreskjemaer og loggdata.

For det første får vi et mål på GSR som en indikasjon på følelsesmessig opphisselse under læringsøkten (rolig / spent)56. Lærevansker er knyttet til angst hos voksne, og flere studier har funnet at studenter med lærevansker fra første klasse til universitet rapporterer høyere angst symptomer, fungerer som en faktor i redusert ytelse57,58,59. Det er imidlertid ingen en-til-en-sammenheng mellom forståelse og utbedring; hvert tilfelle må analyseres individuelt av ekspertutvalget med hensyn til hver deltakers spesifikke grunnlinje. Figur 2 viser to paradigmatiske tilfeller som kan vise oss om angstregulering er et sentralt punkt for intervensjon.

For det andre får vi et opptak av deltakerens ansikt gjennom hele økten som viser oss de forskjellige følelsene de følte under læringsprosessen for å vurdere det teoretiske forholdet til metakognisjon og selvregulering. Det finnes en rekke ansikts-følelse-anerkjennelse programvare for å samle denne informasjonen. I den nåværende protokollen bruker vi et verktøy55, som inkluderer følelsesgjenkjenning, og returnerer selvtilliten over et sett med følelser for hvert ansikt i videoen (avsky, frykt, sinne, lykke, forakt, nøytral, tristhet og overraskelse). Disse følelsene forstås å være krysskulturelt og universelt kommunisert med spesifikke ansiktsuttrykk60. Deltakerne hadde en tendens til å oppleve alle de oppdagede følelsene i løpet av økten, men vi kan få en generell indeks for hver som gir informasjon om den generelle trenden. Positive aktiverende følelser som lykke, overraskelse og glede, antas å fremme både egen og ekstrinisk motivasjon, tilrettelegge for bruk av fleksible læringsstrategier og fremme selvregulering. Omvendt er negativ deaktivering av følelser, som kjedsomhet og tristhet, posited for å jevnt redusere motivasjonen og den innsatsfulle behandlingen av informasjon, noe som gir negative effekter på læringsutbyttet. For nøytral deaktivering og negativ aktivering av følelser, som sinne, frykt, forakt og avsky, antas forholdene å være mer komplekse. Spesielt kan sinne og frykt undergrave iboende motivasjon, men kan indusere sterk ekstrinsisk motivasjon til å investere innsats for å unngå feil, noe som betyr at effektene på elevenes læring ikke trenger å være negative53 (se figur 3). Resultatene indikerer graden av tilfeldighet med en av de analyserte følelsene, og tilordner verdier mellom 0 og 1 til hver av dem.

For det tredje bruker vi data fra øyesporing. Eye-trackere fange blikk informasjon i form av fikseringer, og saccades (Figur 4). I den nåværende protokollen er vi interessert i å analysere fikseringer, spesielt andelen fikseringstid og mønster av fikseringer. For dette formålet definerte vi syv interesseområder (AOIer) i MetaTutor-grensesnittet for selvreguleringsvurdering (merket med rektangler i figur 5): AOI1 Timer, AOI2-mål og submål, AOI3 Agent/avatar for stillas, AOI4 Innholdsfortegnelse, AOI5 tekstinnhold, AOI6 bildeinnhold, AOI7 Læringsstrategierpalett.

Når det gjelder vurdering for konsis intervensjonsveiledning, kan vi utlede følgende.

Rettelser i AOI1 angir tidsstyrings- og/eller ressursstyringsstrategier. Reduserte eller massive fikseringer i AOI1 angir feil tidsstyringsferdigheter. Det bør kontrolleres om igjen.

Rettelser i AOI2 angir planlegging, innstilling og prioritering av mål og delmål. Tidligere studier viser at denne spesielle AOI, sammen med AOI7, er spesielt viktig for å vurdere læring med MetaTutor61. Siden denne informasjonen er kortfattet, kort og visuell, bør andelen fikseringer ikke være svært høy (figur 6).

Rettelser i AOI3 Agent viser at deltakeren utnytter instruksjonene og tilbakemeldingene som agentene gir under samhandlingen som svar på deltakernes mål, atferd, selvevalueringer og fremgang. Det er verdt å legge til at mangel på fikseringer på Agent AOI må vurderes nøye, fordi elevene kanskje ikke alltid trenger å se på en agent for å behandle sine lydmeldinger ogtilbakemeldinger 61. Denne AOI bør kontrolleres av og til. Avatarer snakker ikke ofte, så det bør være en liten prosentandel av fikseringer sammenlignet med andre områder, men det ville gjenspeile at de har etablert en interaksjon med agenten (figur 6).

Rettelser i AOI4 og/eller overganger mellom tekst og bilde/graf (AOI5 og AOI6) peker på deltakernes strategibruk for koordinering av informasjonskilder (COIS), assosiert med konseptuellegevinster 45. Lengden på fikseringer på tekster og bilder indikerer integreringsprosesser som bidrar til nøyaktige mentale representasjoner av informasjonen som presenteres62. COIS er operasjonalisert som en sekvens av to overganger mellom øyefikseringer på tekst- og bilde-/grafområder (f.eks. tekst/graf/tekst). AOI4 bør kontrolleres med en viss frekvens. Siden informasjonen er klar, kort og visuell, bør andelen fikseringer ikke være svært høy. Den høyeste andelen av fikseringer bør være i AOI5 og AOI6. Emnet bør bruke mesteparten av sin tid på å gjennomgå innholdet (det vil si de skriftlige tekstene) og bruke en bemerkelsesverdig mengde tid på bildene og grafene for å koordinere og integrere begge kunnskapskilder (figur 6).

Fikseringer på AOI7 indikerer bruk av kognitive strategier (ta notater, skrive et sammendrag, lage en slutning) og metakognitive strategier (aktivere forkunnskaper, evaluere innhold relevans, vurdere forståelse og kunnskap)63. Det er rimelig for deltakeren å gjennomgå tilgjengelige ressurser eller læringsstrategier med en viss frekvens (figur 6).

For den påfølgende analysen er det nødvendig å fokusere på data relatert til studenter som samhandler med MetaTutor, unntatt de delene av samspillet der deltakerne ser på systemopplæringer. De innsamlede dataene kan være støyende og trenger ekspertvalidering. Den viktigste kilden til støy skyldes at deltakerne ser bort fra skjermen, som øyesporingen tolker som ugyldige data; i dette tilfellet er det tilrådelig å fjerne de tilsvarende segmentene fra blikkdata. Figur 6 viser en deltaker med metakognitiv funksjonsfeil og en deltaker med adaptiv bruk av strategier på dette nivået.

For det fjerde analyseres spørreskjemaer sammen med resten av informasjonen og scores i henhold til forfatternes instruksjoner. De gir data på deltakernivå av selvtillit og følelsesmessig regulering. Et gunstig nivå av selvtillit eller korrigere emosjonelle reguleringsstrategier letter læringsprosesser64. Slik ser du eksempler på tolkning (figur 7).

Til slutt registreres alle interaksjoner mellom elever med innhold, agenter og læringsmiljøet i logger for ytterligere detaljert analyse etter ordningen i figur 8. MetaTutor-loggdataene gir oss et bredt spekter av muligheter for blant annet å bestemme hvor mange ganger elevene utplasserte selvregulerende læringsstrategier (f.eks. notattaking, sammendrag, overvåking fremgang mot mål, innholdsevaluering, vurderinger av læring, følelser av å vite, planlegging, tidligere kunnskap aktivering, etc.), om disse strategiene var selv eller eksternt generert av eksterne stillas, og tiden hver deltaker brukte visningsmateriale i MetaTutor som var relevant / irrelevant for deres nåværende aktive undermål65,66. Mønster Mining, Process Mining, Association Rules, og andre potensielle tilnærminger67,68 ville gi et mål på studentenes bruk av kognitiv og metakognitiv overvåking og regulering gjennom hele læringsøkten.

Figure 1
Figur 1. Eksempel på å ta beslutningspunkter for økt 1. Denne saken viser en deltaker som har hatt læringsproblemer siden barndommen, for det meste i leseprosesser. Eksperten kan se at disse lesevanskningene er viktigere i leksikalske og syntaktiske prosesser (b). I tillegg observeres det at deltakeren ikke har noen motor, sensorisk eller psykisk funksjonshemning. Det observeres at deltakeren har en normal intellektuell evne og ikke er i fare i forhold til autismespekterforstyrrelse eller ADHD (a) utelatelser, provisjoner og reaksjonstid, i visuelle og auditive kanaler, er mindre enn 60, så er i normalområdet). I dette tilfellet oppdages leseproblemer og ekskluderingskriterier observeres ikke, så det anses at deltakeren har SLD på grunn av lesevansker. Vennligst klikk her for å se en større versjon av denne figuren.

Figure 2
Figur 2. Resultater av et stabilt aktiveringsnivå og ustabilt aktiveringsnivå under læringsøkten. Dette bildet representerer resultatene av to deltakere. Deltaker A med stabile aktiveringsnivåer og deltaker B med ustabile aktiveringsnivåer under læringsøkten siden deltaker B-linjen er mer uregelmessig og med mange topper. Vennligst klikk her for å se en større versjon av denne figuren.

Figure 3
Figur 3. Bilde av følelsesgjenkjenning. a) Eksempel på nøytrale følelser; b) Eksempel på tristhet følelser; og c) Eksempel på lykke følelse trend. I den gule sirkelen er det mulig å se følelsestrenden. Vennligst klikk her for å se en større versjon av denne figuren.

Figure 4
Figur 4. Eksempel på hvordan du viser overgangsdata mellom tekst og graf (AOI5 og AOI6) under en MetaTutor-læringsøkt. Sirkler og linjer representerer områder for fiksering og overganger mellom områder. Vennligst klikk her for å se en større versjon av denne figuren.

Figure 5
Figur 5. Interesseområder (AOIer) i MetaTutor-grensesnittet for selvreguleringsvurderingen: AOI1 til AOI7. AOI1 Timer, AOI2 Mål og delmål, AOI3 Agent, AOI4 Innholdsfortegnelse, AOI5 Tekstinnhold, AOI 6 Bildeinnhold, AOI7 Læringsstrategier Palett. Vennligst klikk her for å se en større versjon av denne figuren.

Figure 6
Figur 6. Andel av fikseringer i MetaTutor-grensesnitt AOIer uttrykt som en prosentandel. a)Eksempel på en deltaker som distribuerer selvreguleringsfeil; b) Eksempel på en deltaker som distribuerer selvregulerende atferd. Andel av fikseringer i hvert område (verdier mellom 0 og 1). a)Reelle data fra en deltaker som bruker mer enn 80% av tiden på å lese den skriftlige teksten (AOI5) han underbruker ressursene som er utformet for å hjelpe ham å forstå dette innholdet (AOI6); han knapt gjennomgår innholdsskjemaet for å sjekke hva han allerede har lært og hva som er igjen å lære (AOI4); forsømmer læringsmål og undermål (AOI2), og han gjennomgår sjelden paletten av læringsstrategier (AOI7). I tillegg overvåker han ikke tiden som er tildelt oppgaven (AOI1) og ignorerer avatarene som prøver å hjelpe ham (AOI3); b) Ekte data fra en deltaker som bruker halvparten av tiden (50% ca) på å lese den skriftlige teksten (AOI5) og ofte gjennomgår grafen designet for å hjelpe ham å forstå innholdet (AOI6). Selv om han bruker mesteparten av tiden sin på innhold, gjennomgår han innholdsordningen ofte for å sjekke hva han har lært og hva han har igjen å lære (AOI4); Han tar hensyn til læringsmål og undermål (AOI2) for å sikre at han når dem, og han går til læringsstrategierpaletten (AOI7) når det trengs. I tillegg overvåker han tiden uten å bekymre seg for mye om det (AOI1) og etablerer noe interaksjon med agenter (AOI3). Vennligst klikk her for å se en større versjon av denne figuren.

Figure 7
Figur 7. Eksempel på tolkning av spørreskjemaresultatene. I grafisk venstre) Rosenberg selvtillit skala51, høyere score indikerer høyere selvtillit (minimum = 10; maksimum = 40). I grafisk høyre), Emotion Regulation Questionnaire52, kognitiv Reappraisal (minimum = 7; maksimum = 42); Uttrykksfull undertrykkelse (minimum = 4; maksimum = 28). Høyere score indikerer høyere bruk av reappraisal eller undertrykkelse strategier. Kognitiv reappraisal er en form for endring på kognitivt nivå som hjelper en til å tolke en situasjon som provoserer følelser på en annen måte, og dermed endre deres følelsesmessige innvirkning (ved hjelp av reappraisal strategier hjelpe en til å tenke på negative situasjoner og om noen alternative construal å løse dem). Uttrykksfull undertrykkelse er en form for responsmodulasjon som innebærer å hemme pågående følelsesekspressiv atferd (tilbakevendende brukere av undertrykkelsesstrategier bør ha mindre forståelse av humøret, se dem mindre gunstig og administrere dem mindre vellykket). Vennligst klikk her for å se en større versjon av denne figuren.

Figure 8
Figur 8. Logg databehandling. Dette bildet representerer administrasjonen av loggdata. Systemet samler inn råinteraksjonsdataene mellom studenten og MetaTutor, og utfører deretter databehandling av data for senere å bruke Learning Analytics og/eller Data Mining-teknikker for å oppdage, analysere eller visualisere hele læringsprosessen. Vennligst klikk her for å se en større versjon av denne figuren.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Den nåværende protokollen foreslår en multimodal evaluering fokusert på metakognitive, selvregulering og emosjonelle prosesser, som utgjør grunnlaget for vanskelighetene hos voksne med LDer.

Økt 1 er avgjørende fordi det er ment å være en diagnostisk vurdering av deltakerens lærevansker. Legg merke til at denne økten her utføres av terapeuter med erfaring i diagnostisering av utviklings- og lærevansker i forskning og klinisk sammenheng. Vi bruker disse verktøyene i Spania, så forskere fra andre land bør velge tester tilpasset befolkningen. Betydningen av metoden med hensyn til eksisterende metoder er at mange av skalaene for ADHD, SLDs og ASD ble designet for bruk hos barn, med nevropsykologisk testing og neuroimaging er bedre, men mindre realistisk, alternativ til denne paucity av instrumenter24. I tillegg evalueres alle nevnte funksjonshemninger vanligvis gjennom deres spesifikke symptomer isolert, uten å ta hensyn til kjente fellestrekk som finnes i LDer, for eksempel metakognitive, selvregulerende og følelsesmessig funksjonsfeil. I alle fall er det meste av kunnskapen om metakognisjon, selvregulering og følelser basert på selv rapporterte data i tidlig eller voksen alder. Imidlertid er selvrapporter av noe slag sårbare for ulike typerskjevheter 69 og flere ganger er det ikke funnet noen sammenhenger mellom fysiologiske og selvrapporterte data i LD-prøver70.

Av denne grunn er økt 2 i protokollen kritisk. Den fokuserer på kjerneprosessene for læring (metakognitiv, selvregulering og emosjonell atferd), betydningen av metoden sammenlignet med alternative metoder er at det er en multimodal vurdering av deltakerens læringsprosess som gir flerkanals sporingsdata. Verktøyet som gjør integreringen av alle disse informasjonskildene mulig er MetaTutor43, et metakognitivt verktøy basert på avansert læringsteknologi og en av de beste representantene og de mest kjente forskningslinjene til den såkalte tredje bølgen av selvreguleringsmåling33.

Når det gjelder galvanisk hudrespons, har de fleste psykofysiologiske studier av LD-fag fokusert på ett av tre beslektede emner: opphisselse, orientering og oppmerksomhet. I denne protokollen gir opphisselse et unikt rammeverk for å forstå følelser og kognisjon som ikke kan gis av statiske tiltak som selvrapporter71. Med ansiktsuttrykk har tidligere forskning indikert at akademiske følelser er betydelig relatert til studentenes motivasjon, læringsstrategier, kognitive ressurser, selvregulering og akademisk prestasjon72. Når det gjelder øyebevegelser, vet vi verdien av blikkdata i å forutsi elevenes læring under samhandling med MetaTutor61, og flere forskere har antydet at varigheten av fikseringer indikerer dypere kognitiv behandling underlæring 73. Spørreskjemaene gir utfyllende informasjon om deltakernes prestasjoner under læringsøkten i MetaTutor, deres oppfatninger av seg selv som elever og deres oppførsel når de lærer. Til slutt er loggdataene en ekstra kilde til informasjon om deltakernes selvregulerende prosesser. Etter innsamling av rådata og data forbehandling, nye Learning Analytics og Educational Data Mining teknikker la oss oppdage, analysere og visualisere, eller for å si det på en annen måte, dykke inn ilæringsprosessen 74,75,,76.

Denne blandede metodikken gir bevis på distribusjon av målprosesser før, under og etter læring som kan trianguleres for å forbedre vår forståelse av hvordan voksne med LDer lærer og hvor problemer ligger.

Dette forslaget er en protokoll, som betyr en prosedyre og system av instrumenter, så det er tilrådelig å huske at de foreslåtte tiltakene ikke har samme verdi isolert som de gjør når de utgjør en del av helheten, og der ligger interessen for dette forslaget. Målet er å konvergere disse datastrømmene, for å forstå hvordan voksne med LD-er overvåker og kontrollerer sine kognitive, metakognitive og affektive prosesser under læring.

Selv om denne protokollen er en effektiv verktøykasse for screening og diagnose av praktiserende psykolog, er det ikke uten begrensninger. Diagnose av voksne LDer er spesielt vanskelig. Utdanning og erfaring gjør det mulig for mange voksne å kompensere for sine underskudd, og disse voksne viser senere individuelle egenskaper ved testing24. Som resultatene indikerer, er det vanskelig å gi nøyaktige cut-off poeng fra noen av datakildene (f.eks GSR, loggdata, etc.) som en generell regel i målpopulasjonen.

En annen utfordring, snarere enn begrensning, handler om kompleksiteten i å håndtere de resulterende komplekse, støyende, rotete dataene, som trenger involvering av eksperter fra forskjellige domener som psykologer, fysiologer, data- og utdanningsforskere, etc. Som nylig nevnt av Azevedo og Gašević77 må vi integrere en kompleks mosaikk av teoretiske modeller og rammeverk fra psykologiske, pedagogiske, undervisnings- og beregningsvitenskap. I tillegg til dette er instrumenteringsfeil, intern og ekstern gyldighet, økologisk gyldighet versus eksperimentell rigor, konvergerende datakanaler og slutninger om prosessdata bare noen av de metodiske problemene som skyldes innsamling av multimodale flerkanalsdata som forskerne må taopp 77,78.

Likevel overgår den fremtidige retningen av denne metodikken målet med vurdering, for tiden er muligheten åpen for bruk av sanntids multimodal flerkanals data til å designe forebyggende tiltak basert på Adaptive Hypermedia Learning Environments79 eller gi elevene sanntid, intelligent, adaptiv stillas (modellering av kognitive strategier, regulere metakognisjon via en kunstig agent, spørre følelsesregulering, introdusere visualiseringsverktøy for å oppdage skjulte prosesser, etc.) 77,,80.

Til slutt bør LD-er spores i løpet av livet; det langsgående løpet av SLDs, ADHD og ASD og deres langsiktige oppfølgere begynner bare å bli utforsket21. Vi håper at utbredt bruk av denne teoretisk drevne, empirisk baserte retningslinjen vil bidra til å identifisere befolkningen av voksne med LD-er og anspore dypere forståelse av disse lidelsene for å utforme effektive forebyggende og intervensjonstiltak.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingenting å avsløre.

Acknowledgments

Dette manuskriptet ble støttet av finansiering fra National Science Foundation (DRL# 1660878, DRL # 1661202, DUE # 1761178, DRL # 1916417), Social Sciences and Humanities Research Council of Canada (SSHRC 895-201 1-1006), Vitenskaps- og innovasjonsdepartementet I+D+i (PID2019-107201GB-100) og EU gjennom European Regional Development Funds (ERDF) og Fyrstedømmet Asturias (FC-GRUPIN-IDI/2018/000199). Eventuelle meninger, funn, konklusjoner eller anbefalinger uttrykt i dette materialet er de av forfatteren(e) og reflekterer ikke nødvendigvis synspunktene til National Science Foundation eller Social Sciences and Humanities Research Council of Canada. Forfatterne vil også takke medlemmer av SMART Lab ved UCF for deres hjelp og bidrag.

Materials

Name Company Catalog Number Comments
AQUARIUM Nesplora
Eye-tracker RED500 Systems SensoMotoric Instruments GmbH
Face API Microsoft
GSR NUL-217 NeuLog

DOWNLOAD MATERIALS LIST

References

  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).
Multimodal protokoll for vurdering av metakognisjon og selvregulering hos voksne med lærevansker
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Cerezo, R., Fernández, E., Gómez, C., Sánchez-Santillán, M., Taub, M., Azevedo, R. Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties. J. Vis. Exp. (163), e60331, doi:10.3791/60331 (2020).More

Cerezo, R., Fernández, E., Gómez, C., Sánchez-Santillán, M., Taub, M., Azevedo, R. Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties. J. Vis. Exp. (163), e60331, doi:10.3791/60331 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter