Waiting
Login processing...

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

Behavior

Multimodales Protokoll zur Bewertung der Metakognition und Selbstregulierung bei Erwachsenen mit Lernschwierigkeiten

Published: September 27, 2020 doi: 10.3791/60331
Automatic Translation
1, 1, 1, 1, 2, 2
1University of Oviedo, 2University of Central Florida

Summary

Die aktuelle Arbeit schlägt ein multimodales Bewertungsprotokoll vor, das sich auf metakognitive, Selbstregulierung des Lernens und emotionale Prozesse konzentriert, die die Grundlage für die Schwierigkeiten bei Erwachsenen mit LDs bilden.

Abstract

Lernbehinderungen (LDs) umfassen Störungen von Personen, die Schwierigkeiten beim Lernen und der Nutzung akademischer Fähigkeiten haben und leistungen aufweisen, die in den Bereichen Lesen, Schreiben und/oder Mathematik unter den Erwartungen für ihr chronologisches Alter liegen. Jede der Störungen, aus denen die LDs bestehen, hat unterschiedliche Defizite; innerhalb dieser Heterogenität sind jedoch einige Gemeinsamkeiten zu finden, wie z. B. in Bezug auf Lernselbstregulierung und Metakognition. Anders als im frühen Alter und später im Bildungsbereich gibt es kaum evidenzbasierte Bewertungsprotokolle für Erwachsene mit LDs. LDs beeinflussen die akademische Leistung, haben aber auch schwerwiegende Folgen im beruflichen, sozialen und familiären Kontext. Als Reaktion darauf schlägt die aktuelle Arbeit ein multimodales Bewertungsprotokoll vor, das sich auf metakognitive, Selbstregulierung des Lernens und emotionale Prozesse konzentriert, die die Grundlage für die Schwierigkeiten bei Erwachsenen mit LDs bilden. Die Bewertung erfolgt durch Analyse des Online-Lernprozesses mit verschiedenen Methoden, Techniken und Sensoren (z. B. Eye-Tracking, Gesichtsausdrücke von Emotionen, physiologische Reaktionen, gleichzeitige Verbalisierungen, Protokolldateien, Bildschirmaufzeichnungen von Mensch-Maschine-Interaktionen) und Offline-Methoden (z. B. Fragebögen, Interviews und Selbstanzeigen). Diese theoretisch orientierte und empirisch fundierte Leitlinie zielt darauf ab, eine genaue Bewertung von LDs im Erwachsenenalter zu ermöglichen, um wirksame Präventions- und Interventionsvorschläge zu entwerfen.

Introduction

Spezifische Lernstörungen (SLDs) umfassen Störungen von Personen, die Schwierigkeiten beim Lernen und Der Nutzung akademischer Fähigkeiten haben und leistungen aufweisen, die unter den Erwartungen für ihr chronologisches Alter in den Bereichen Lesen, Schreiben und/oder Mathematik liegen1,2. Es gibt unterschiedliche Schätzungen der Prävalenzraten in Abhängigkeit von Alter, Sprache und Kultur analysiert, aber sie sind zwischen 5% und 15%1,3. Innerhalb der globalen Kategorie der neuroentwicklungsbedingten Störungen im Diagnostic and Statistical Manual of Mental Disorders(5. Auflage) 1, ist es auch notwendig, sich auf die Inzidenz von Aufmerksamkeits-Defizit/Hyperaktivitätsstörung (nachfolgend ADHS) zu konzentrieren, da es sich um eine häufige Störung handelt, die in den letzten Jahren zu verschiedenen Kontroversen darüber geführt hat, wie man sich ihr nähert. Basierend auf dem DSM-51kann es als musterweises persistentes Verhalten der Unaufmerksamkeit und/oder Hyperaktivitätsimpulsivität definiert werden. Ebenso ist Autismus-Spektrum-Störung (nachfolgend ASD) eine Kategorie im gleichen Handbuch, die Studenten umfasst, die neuroentwicklungsbedingten Störungen als Folge von multifaktoriellen Funktionsstörungen des zentralen Nervensystems darstellen, die zu qualitativen Funktionsstörungen in drei grundlegenden Bereichen der Entwicklung der Person führen: soziale Interaktion, Kommunikation und Interessen und Verhaltensweisen1,2.

In dieser Richtung ist ein neues Konzept entstanden, das sich vom Gefühl des Defizits entfernt und einen positiveren Ansatz für diese Störungen bietet, um mit den aktuellen Vorstellungen von neuroentwicklungsbedingten Schwierigkeiten als stark koexistierend und überlappend4in Einklang zu stehen. Aus diesen neuen Modellen versteht man, dass die Fähigkeiten, die in hochgradigen kognitiven Prozessen, die es ermöglichen, das eigene Verhalten zu verwalten und zu regulieren, um ein gewünschtes Ziel zu erreichen, entscheidend für die Selbstregulierung und damit für Aktivitäten des täglichen Lebens sind, einschließlich der akademischen5. Im Kontext des Erwachsenwerdens hat sich die Neurodiversität entwickelt, um verschiedene Arten von Schwierigkeiten, einschließlich ADHS und ASD, sowie Legasthenie, Dyspraxie und/oder Dyskalkulie einzubeziehen. Dementsprechend nähern wir uns dieser Neurodiversität aus einer breiten Konzeption von Lernschwierigkeiten (LDs). Der Anstieg der Schüler mit dieser Vielfalt, die in der postsekundären Bildung eingeschrieben sind, ist gut dokumentiert und ist zum Teil auf den Anstieg der Abiturquoten für Schüler mit Behinderungen6zurückzuführen, aber gleichzeitig gibt es weniger Forschung über den Lernprozess dieser Schüler als notwendig7.

Jede der isoliert angegangenen Störungen beinhaltet unterschiedliche Defizite und Manifestationen; jedoch kann innerhalb dieser Heterogenität in Bezug auf LD eine gewisse Gemeinsamkeit gefunden werden, wie metakognitive, selbstregulierende und emotionale Fehlfunktionen8,9,10,11. Drei grundlegende Grundlagen in der Literatur des Lernens im Allgemeinen, und LDs im Besonderen, die die Grundlage für erfolgreiches Lernen darstellen und eine wesentliche Rolle in diesen bekannten Schwierigkeiten auf der akademischen Ebene12spielen. Darüber hinaus verstehen andere Ansätze, dass es eine gewisse Gemeinsamkeit zwischen Defiziten in exekutiven Funktionen geben könnte, wie Probleme in der automatischen Verarbeitung oder Arbeitsgedächtnis, die bei verschiedenen Erkrankungen wie ADHS und Lesestörungen13 oder ADHS und ASD5auftreten. In diesem Bereich gibt es jedoch noch einiges zu tun, da nicht alle Studien zu den gleichen Schlussfolgerungen zu diesen gemeinsam in Bezug auf Exekutivfunktionen gelangen. Dies könnte auf die Variationen zurückzuführen sein, die die Stichproben, auf denen die Studien beruhen, und die Bewertungsverfahren der exekutiven Funktionen, die in den Untersuchungen5,14verwendet werden, aufweisen.

In pädagogischer Hinsicht wirkt sich diese vielfältige Mischung nicht nur auf die Qualität des Lernens aus, was auf die grundlegende Natur der betroffenen Funktionen zurückzuführen ist, sondern auch auf Phänomene wie Schulabbrecher, Studienabschluss usw., mit wirtschaftlichen Auswirkungen auf Regierungen und Universitäten15. Die Abbrecherquote für Studierende mit LDs ist höher als für Studenten in der allgemeinen Bevölkerung16, aber auch höher als die Abbrecherquote für jede andere Kategorie von psychischen Behinderungen mit Ausnahme von Studenten mit emotionalen Störungen17. Im Gegensatz dazu steigt die Zahl der Studierenden mit LDs, die zugang zur postobligatorischen Bildung (Berufliche Bildung, Hochschule usw.) haben, um15,insbesondere im Hochschulbereich19,20,21,22. Darüber hinaus könnte man durchaus annehmen, dass es viel mehr Studenten mit LD als diejenigen, die offiziell durch Student Services und in der Regel bilden die Prävalenz-Statistiken23.

Diese Schwierigkeiten werden nicht immer in der Kindheit erkannt, vor allem bei Erwachsenen, die geboren wurden, bevor diese Störungen im regulären akademischen System berücksichtigt wurden, und die Symptome dieser Störungen bleiben im Leben der Menschen an und verursachen Schwierigkeiten in Arbeit, Bildung und Privatleben24. Untersuchungen haben gezeigt, dass, obwohl die Menschen einige ihrer Schwierigkeiten überwinden könnten, die meisten weiterhin Schwierigkeiten mit dem Lernen im Erwachsenenalter zeigen und ihre Beharrlichkeit auf diesen höheren Bildungsstufen immer noch problematisch ist25.

Paradoxerweise gibt es im Gegensatz zu früheren Bildungsniveaus und früheren Altersgruppen kaum evidenzbasierte Instrumente oder Bewertungsprotokolle für Erwachsene mit LDs. Trotz der Verbreitung diagnostischer Instrumente zur Bewertung von LDs im Kindesalter ist die Verfügbarkeit gültiger, zuverlässiger Instrumente und Methoden für die erwachsene Bevölkerung deutlich begrenzt24. Eine kürzlich durchgeführte Literaturrecherche über Lernbehinderungen in der Hochschulbildung ergab, dass die meisten der in diesem Zusammenhang gesammelten Informationen durch Interviews erfolgen und nur gelegentlich Selbstanzeige-Fragebögen verwendet werden26. Selbstberichtsmethodik und Interviews reichen zwar wertvoll aus, reichen aber nicht aus, um metakognitive, Selbstregulierungs- und emotionale Fähigkeiten, unter anderem wegen der Prozessnatur, genau zu bewerten. Die Bedeutung von Skalen und Interview-Methodik für die Messung dieser Verfahren ist unbestreitbar27,28, aber auch die damit verbundenen Probleme der Gültigkeit29 und Inkongruenz mit anderen innovativen Methoden der Bewertung30. Ein weiteres Problem bei der Erkennung von LDs ist die Voreingenommenheit bei der Diagnose der Störung aufgrund des Fehlens umfassender Bewertungsprotokolle. Die Tatsache, dass Profis kein Referenzprotokoll auf der Grundlage objektiver Variablen haben, verursacht häufig viele falsch positive und falsch negative Fälle von LDs31.

Als Reaktion auf die Knappheit der Instrumente für Erwachsene und die Notwendigkeit, die bestehende Methodik zu verbessern, schlägt die aktuelle Studie ein multimodales Bewertungsprotokoll vor, das sich auf metakognitive, Selbstregulierungs- und emotionale Prozesse konzentriert, die die Grundlage für die Schwierigkeiten bei Erwachsenen mit LDs bilden. Im Einklang mit der aktuellen Literatur schlagen wir einen Schritt in Richtung integrative und Mehrkanalmessung32,33vor. Die Bewertung erfolgt durch eine Analyse des Online-Lernprozesses mit verschiedenen Methoden, Techniken und Sensoren (z. B. Hypermedia-Lernumgebung, virtuelle Realität, Eye-Tracking, Gesichtsausdrücke von Emotionen, physiologische Reaktionen, Protokolldateien, Bildschirmaufzeichnungen von Mensch-Maschine-Interaktionen) und Offline-Methoden (z. B. Fragebögen, Interviews und Selbstanzeigemaßnahmen). Diese gemischte Methodik liefert Beweise für die Bereitstellung von Zielprozessen vor, während und nach dem Lernen, die trianguliert werden können, um das Verständnis dafür zu verbessern, wie die Schüler lernen und wo das Problem liegt, wenn es eine34gibt.

Das Evaluierungsprotokoll wird in zwei Sitzungen durchgeführt. Die Sitzungen können in einer Sitzung durchgeführt werden oder können je nach Person Teilanträge benötigen. Die erste konzentriert sich auf die Erkennung oder Bestätigung von LDs und welche spezifische Art von Störung wir konfrontiert sind, und die zweite ist entworfen, um in die metakognitiven, Selbstregulierung und emotionale Prozesse jedes einzelnen Falles in der Tiefe zu gehen.

Sitzung 1 soll eine diagnostische oder bestätigungswürdige Bewertung der Lernbehinderungen des Teilnehmers sein: SLD, ADHS und/oder ASD (hohe Funktion), um zu bestimmen, welche Art von spezifischen Problemen die Teilnehmer haben. Diese Bewertung ist aus zwei Gründen von wesentlicher Bedeutung. 1) Erwachsene mit Lernbehinderungen haben selten genaue Informationen über ihr dysfunktionales Verhalten. Einige von ihnen vermuten, dass sie eine LD haben, wurden aber nie ausgewertet. Andere wurden möglicherweise als Kinder bewertet, haben aber keine Berichte oder weitere Informationen. 2) Es kann Abweichungen mit früheren Diagnosen geben (z. B. eine frühere Legastheniediagnose im Gegensatz zu einer aktuellen Diagnose von Aufmerksamkeitsdefizit und langsamer Verarbeitungsgeschwindigkeit; vorherige ASD-Diagnose im Gegensatz zu derzeit begrenzten intellektuellen Fähigkeiten usw.). Der Teilnehmer wird befragt und Fragebögen und standardisierte Tests angewendet. Diese Sitzung wird hier von Therapeuten mit Erfahrung in der Diagnose von Entwicklungs- und Lernschwierigkeiten im Forschungs- und klinischen Kontext in verschiedenen Büros einer spanischen Psychologiefakultät durchgeführt. Die Sitzung beginnt mit einem strukturierten Interview, das biografische Informationen zusammen mit dem Vorhandensein von Symptomen im Zusammenhang mit SLDs sammelt, auf die im DSM-51verwiesen wird. Danach wird der Referenztest für geistige Fähigkeiten WAIS-IV35 im Falle der Umsetzung des Ausschlusskriteriums verwendet und liefert sehr wertvolle Informationen für Lernschwierigkeiten aus den Skalen "Arbeitsgedächtnis" und "Verarbeitungsgeschwindigkeit"36. Darüber hinaus wird der PROLEC SE-Revised Test37 ausgiebig zur Bewertung von Lesebehinderungen (lexikalische, semantische und/oder syntaktische Leseprozesse) eingesetzt, einer der häufigsten und behindernden Lernschwierigkeiten in aktuellen akademischen Kontexten, die sich mit anderen Erkrankungen wie ADHS38überschneiden. Diese Auswertung erfasst Lesegenauigkeit, Geschwindigkeit und Fluktuierung zusammen mit Lesebehinderungen, und noch wichtiger, in welchem Leseprozess der Fehler auftritt37 (dieser Test wurde mit Vorstudienstudenten ausgewertet). Derzeit gibt es keine Tests in Spanien, die an die allgemeine erwachsene Bevölkerung angepasst sind, so dass dieser Test ausgewählt wurde, weil er der Zielbevölkerung am nächsten ist). Dann, Wir screenen Symptome von ADHS durch die Weltgesundheitsorganisation Adult ADHS Self-Report Scale (ASRS)39 und verfeinern die Bewertung dieser Störung, Einführung Multimodalität mit einem innovativen Virtual Reality kontinuierlichen Leistungstest für die Bewertung von Aufmerksamkeitsprozessen und Arbeitsgedächtnis bei Erwachsenen, das Nesplora Aquarium31,40. Dieser Test ist ein sehr nützliches Werkzeug bei der Diagnose von ADHS bei Erwachsenen und Jugendlichen über 16 Jahren in einem ökologischen Szenario, die objektive, zuverlässige Daten liefern. Es bewertet selektive und anhaltende Aufmerksamkeit, Impulsivität, Reaktionszeit, auditive und visuelle Aufmerksamkeit, Ausdauer, Qualität der Aufmerksamkeitsfokus, motorische Aktivität, Arbeitsgedächtnis und Kosten der Änderung der Aufgabe. Darüber hinaus achten wir zusammen mit dem WAIS-IV35 als Ganzes zum Sammeln von Informationen über die intellektuellen Fähigkeiten des Teilnehmers besonders auf die Skalen "Arbeitsgedächtnis" und "Verarbeitungsgeschwindigkeit", da sie mit Lernschwierigkeiten zusammenhängen und die Ergebnisse dieser Skalen in der endgültigen Entscheidung verwendet werden. Schließlich nehmen wir den Autism Spectrum Quotient (AQ-Short)41 in das Protokoll auf, die Kurzversion des zuverlässigen AQ-Adult von Baron-Cohen, Wheelwright, Skinner, Martin und Clubley42.

Sitzung 2 konzentriert sich auf eine multimodale Bewertung des Lernprozesses des Teilnehmers. Der Schlüssel zum Verständnis des komplexen Lernens liegt im Verständnis des Einsatzes der kognitiven, metakognitiven, motivierenden und affektiven Prozesse der Schüler43. Zu diesem Zweck arbeiten die Teilnehmer mit MetaTutor, wo die Verwendung von metakognitiven und kognitiven Strategien beobachtet wird, während sie lernen. MetaTutor ist eine hypermediale Lernumgebung, die entwickelt wurde, um das selbstregulierte Lernen von Schülern zu erkennen, zu modellieren, zu verfolgen und zu fördern, während sie verschiedene wissenschaftliche Themen lernen44. Das Design von MetaTutor basiert auf umfangreichen Forschungen von Azevedo und Kollegen43,45,46,47 und gehört zu einem neuen Trend in der Messung von SRL, der sogenannten dritten Welle, die sich durch den kombinierten Einsatz von Mess- und fortgeschrittenen Lerntechnologien auszeichnet33. Die Verwendung von MetaTutor bietet auch multimodale Spurendaten, die Maßnahmen wie Eye Tracking, emotionale physiologische Reaktionen (galvanische Hautreaktion (GSR) und Mimik von Emotionen)enthalten 48, Protokolldaten und Fragebögen. Alle diese Maßnahmen werden kombiniert, um ein tieferes Verständnis der Teilnehmer SRL und Metakognition zu erreichen.

Eye Tracking bietet ein Verständnis dafür, was sofort Aufmerksamkeit erregt, welche Zielelemente ignoriert werden, in welcher Reihenfolge Elemente bemerkt werden oder wie Elemente mit anderen verglichen werden; Elektroder-Aktivität lässt uns wissen, wie emotionale Erregung veränderungen als Reaktion auf die Umwelt; Gesichts-Emotion-Erkennung ermöglicht die automatische Erkennung und Analyse von Mimik; und Datenprotokollierung sammelt und speichert die Interaktion des Schülers mit der Lernumgebung zur weiteren Analyse. Bezüglich der Fragebögen informiert der Mini International Personality Item Pool49 über eine Reihe von Aktivitäten und Gedanken, die Menschen im Alltag erleben und die jede der fünf hauptwichtigsten Persönlichkeitsmerkmale bewerten (Extraversion, Angenehmheit, Gewissenhaftigkeit, Neurotizismus und Offenheit). Die Konnotativen Aspekte der epistemologischen Überzeugungen50 bieten Informationen über die Überzeugungen der Teilnehmer über Wissen. Die Rosenberg-Selbstwertwertskala zeigt, wie sich die Teilnehmer insgesamt51fühlen. Der Fragebogen zur Emotionsregulierung52 informiert über die Emotionsregulierung der Teilnehmer. Der Achievement Emotions Questionnaire (AEQ)53 informiert über Emotionen, die typischerweise an der Universität auftreten.

Kurz gesagt, die Beurteilung von LDs im Erwachsenenalter ist besonders schwierig. Bildung und Erfahrung ermöglichen es vielen Erwachsenen, ihre Defizite auszugleichen und später undifferenzierte oder maskierte Symptome aufzuzeigen, bei denen wissenschaftliche Erkenntnisse noch mangels liegen. Unter Berücksichtigung der entstehenden kritischen Forschungslücke zielt diese aktuelle Arbeit darauf ab, theoretisch orientierte, empirisch fundierte Leitlinien für eine genaue Bewertung von LDs im Erwachsenenalter zu gewährleisten, um wirksame Präventions- und Interventionsmaßnahmen zu konzipieren.

Um den Lesern bei der Entscheidung zu helfen, ob die beschriebene Methode angemessen ist oder nicht, muss angegeben werden, dass das Protokoll für Menschen mit geistigen Behinderungen nicht geeignet ist, da ihre Diagnose die Diagnose von Lernschwierigkeiten ungültig macht. Darüber hinaus ist es aufgrund der Singularitäten der verwendeten Geräte und des Formats der Anzeige der Lerninhalte immer noch nicht möglich, Menschen mit motorischen Behinderungen (obere Gliedmaßen, Hals und/oder Gesicht), Hör- oder Sehbehinderungen zu bewerten. Es wäre auch nicht für Teilnehmer mit schweren psychiatrischen Störungen geeignet. Es würde die Verwendung von Medikamenten erfordern, die die Informationsverarbeitung oder den physiologischen Ausdruck von Emotionen verändern könnten.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Die Forschungsethikkommission des Fürstentums Asturien und die Universität Oviedo haben dieses Protokoll gebilligt.

1. Sitzung 1: Diagnosebewertung

HINWEIS: In dieser Sitzung des Protokolls werden Evaluierungstests von verschiedenen Herausgebern verwendet, die über eigene Anwendungs- und Dolmetschanleitungen verfügen. Da diese oder ähnliche Tests in der wissenschaftlichen Gemeinschaft auf dem Gebiet der Psychologie und Erziehung weithin bekannt sind, ist das Verfahren zu ihrer Anwendung nicht Schritt für Schritt detailliert (z. B. angesichts des Ziels dieses Papiers macht es keinen Sinn, jeden Schritt der WAIS-IV35-Anwendung im Einzelnen zu beschreiben).

  1. Informierte Einwilligung
    1. Erklären Sie den Teilnehmern die ethischen und vertraulichen Aspekte der Forschung und bitten Sie sie, die individuelle Einwilligung in Kenntnis der Sachlage anzuerkennen und zu unterzeichnen.
  2. Strukturiertes Interview
    1. Erklären Sie dem Teilnehmer folgende Anweisungen: "Jetzt werde ich Sie interviewen, um wichtige Informationen über Ihr Leben und ihre akademischen Themen zu erhalten. Es gibt offene und geschlossene Fragen, aber Sie können mich unterbrechen, wann immer Sie wollen. Bitte lassen Sie mich wissen, wenn Sie mich brauchen, um einen Punkt zu klären. Nach diesem ersten Gespräch kann ich Sie bitten, einige Evaluierungstests und Fragebögen durchzuführen. Ich werde Ihnen die spezifischen Anweisungen für jeden einzelnen geben. Bist du bereit?"
    2. Sammeln Sie die biografischen Informationen zusammen mit dem Vorhandensein von Symptomen im Zusammenhang mit SLD und Ausschlusskriterien, die im DSM-51 nach dem Interview-Skript verwiesen werden (siehe Ergänzungsdatei A ).
  3. Erster Entscheidungspunkt in Bezug auf das strukturierte Interview (Ausschlusskriterien)
    1. Beenden Sie die Bewertung, wenn der Teilnehmer die anfänglichen Ausschlusskriterien erfüllt, d. h. erklärt, dass er eine motorische Behinderung (obere Segmente), eine sensorische Behinderung (visuell oder auditiv), eine Diagnose einer geistigen Behinderung oder eine schwere psychische Störung hat.
    2. Setzen Sie die Bewertung fort, wenn es scheint, dass der Teilnehmer eine SLD hat oder denkt, und die Ausschlusskriterien nicht erfüllt.
  4. Intellektuelle Fähigkeiten
    1. Wenden Sie den WAIS-IV35-Test an, um Informationen über die intellektuellen Fähigkeiten des Teilnehmers gemäß den Anweisungen im Handbuch zu sammeln.
  5. Zweiter Entscheidungspunkt in Bezug auf die geistige Fähigkeit (Ausschlusskriterien)
    1. Beenden Sie die Bewertung, wenn der Teilnehmer die Anweisungen des Tests nicht versteht, wenn er nicht ausgewertet werden kann, oder wenn er einen IQ von weniger als 70 hat.
    2. Setzen Sie die Bewertung fort, wenn die Person über normale oder begrenzte geistige Fähigkeiten verfügt.
      HINWEIS: Die in der vorliegenden Studie akzeptierte Grenze des IQ wurde als Punktzahl von über 70 festgelegt.
  6. Adhs
    1. Bitten Sie den Teilnehmer, die sechs Punkte des selbstgemeldeten Screening-Fragebogens des Adult-v1.1 auszufüllen. (ASRS39) der Weltgesundheitsorganisation (WHO) International Composed Diagnostic Interview.
      HINWEIS: Dieser Fragebogen enthält Informationen über das Vorhandensein von Symptomen im Zusammenhang mit ADHS, auf die im DSM-IV54bezugsweise .
    2. Wenden Sie den Nesplora Aquarium Test40 an, wenn der Teilnehmer im vorherigen ASRS36 Fragebogen 12 oder mehr Punkte erzielt.
  7. Leseschwierigkeiten
    1. Wenden Sie den PROLEC SE-R Screening Test der Leseschwierigkeiten37 den Anweisungen im Handbuch an.
  8. Autismus-Spektrum-Störung (Stufe 1)
    1. Bitten Sie den Teilnehmer, die 28 Punkte des Autism Spectrum Quotient (AQ-Short) Fragebogens von Hoekstra et al.41 auszufüllen.
      HINWEIS: Dieser Fragebogen enthält Informationen über das Vorhandensein von Symptomen im Zusammenhang mit sozialem Verhalten, sozialen Fähigkeiten, Routine, Schalten, Phantasie und Zahlen/Mustern.
  9. Analysieren Sie die Ergebnisse.
    1. Analysieren Sie die Befragungen, Fragebögen und Testergebnisse jedes Teilnehmers und entscheiden Sie, ob sie erhebliche Lernschwierigkeiten haben oder nicht oder gefahr sind, sie zu haben.
      HINWEIS: Zwei Mitglieder des Expertenausschusses (der Bewerter und ein weiteres Mitglied des Forschungsteams) analysieren das Lernprofil jedes Teilnehmers und entscheiden, ob er Student mit SLD, ADHS und/oder ASD ist oder nicht oder Gefahr läuft, sie zu haben. Kein Test kann das Urteil des Sachverständigen ersetzen.
  10. Letzter Entscheidungspunkt
    1. Beenden Sie die Bewertung, wenn der Teilnehmer eindeutig kein Schüler mit Lernschwierigkeiten ist.
    2. Setzen Sie die Bewertung fort, wenn der Teilnehmer eine Person mit LDs (oder risikogefährdet) ist, und gehen Sie zu Sitzung 2.

2. Sitzung 2: multimodale Bewertung

HINWEIS: Sitzung 2 muss zwischen 1 und 7 Tagen nach Sitzung 1 durchgeführt werden.

  1. Bereiten Sie den Teilnehmer vor.
    1. Erinnern Sie die Teilnehmer daran, dass die Sitzung etwa 2 Stunden dauert und dass sie einige Fragebögen und Aufgaben in der MetaTutor-Lernumgebung ausfüllen werden, während einige Geräte ihre Leistung während der gesamten Sitzung aufzeichnen.
    2. Bitten Sie die Teilnehmer, ihre Haare zurückzubinden, ihren Hals zu klären, ihre Brille zu entfernen und gegebenenfalls Kaugummi zu entfernen.
      HINWEIS: Wenn der Teilnehmer eine Brille trägt, lange Haare oder Ponys hat, die einen Teil seines Gesichts bedecken, kann der Eyetracker seine Augenbewegungen nicht lesen.
    3. Stellen Sie den Teilnehmern MetaTutor vor. Erläutern Sie, dass das Ziel der Sitzung darin besteht, das Kreislaufsystem mit dem Tool autonom zu erlernen.
    4. Stellen Sie sicher, dass die Lautsprecher angeschlossen sind und funktionieren.
      HINWEIS: Der Teilnehmer kann bei Bedarf auch Kopfhörer verwenden.
  2. Galvanische Hautantwortvorbereitung und Kalibrierung
    HINWEIS: Denken Sie daran, dass es viele Arten von GSRs gibt, die von verschiedenen Unternehmen hergestellt werden. Verwenden Sie es gemäß den Spezifikationen des Lieferanten.
    1. Reinigen Sie die GSR und die Finger des Teilnehmers mit Alkohol.
    2. Setzen Sie die Finger/Armband GSR-Sensoren auf den Index und Ringfinger mit den Anschlüssen auf der Fingerspitze Seite oder nach den Anweisungen des Herstellers.
    3. Bitten Sie den Teilnehmer, seine Hand ruhig auf den Tisch zu legen und zu versuchen, sich für 5 min zu entspannen.
    4. Öffnen Sie die Software im Computer.
    5. Stellen Sie sicher, dass das Registrierungsdiagramm funktioniert. Überprüfen Sie, ob sich das Registrierungsdiagramm registriert.
    6. Klicken Sie auf Experiment ausführen > Rate 10 pro Sekunde > Dauer > 10 > Minute. Zeichnen Sie die Informationen zehn Minuten lang auf, um die Baseline festzulegen.
      HINWEIS: Rate 10 pro Sekunde bedeutet die Häufigkeit, mit der Maßnahmen getroffen werden.
    7. Minimieren Sie den Bildschirm.
    8. Fahren Sie mit der Kalibrierung anderer Geräte fort, und speichern Sie die Informationen nach 10 Minuten in einer CSV-Datei.
  3. Eye-Tracking und Webcam-Vorbereitung und Kalibrierung
    HINWEIS: Denken Sie daran, dass es viele Arten von Eye-Tracking und Webcam von verschiedenen Unternehmen hergestellt. Verwenden Sie sie gemäß den Spezifikationen des Lieferanten.
    1. Öffnen Sie die Software im Seiten-Laptop und im Computer.
      HINWEIS: Die Augenbewegungen werden auf dem PC erfasst, an dem der Teilnehmer arbeitet, aber die Daten werden auf dem Seiten-Laptop aufgezeichnet. Darüber hinaus kann der Experimentator im Seiten-Laptop die Bewegungen sehen, die der Teilnehmer macht, und ggf. die Position des Teilnehmers korrigieren.
    2. Geben Sie an, welche Sitzung aufgezeichnet wird (in diesem Fall Metatutor) und die Registrierungsdaten des Teilnehmers: Datei > Letztes Experiment > Metatutor > Registrierungsdaten des Teilnehmers einschließen > OK.
    3. Überprüfen Sie, ob die beiden Computer miteinander verbunden sind und dass die Infrarotlichter der Eye-Tracking-Bewegung eingeschaltet sind und bereit sind, die Bewegung der Augen zu erfassen.
    4. Passen Sie die Webcam auf dem Computer an die Position des Teilnehmers an.
    5. Bitten Sie den Teilnehmer, nach vorne zu sitzen und so neutral wie möglich zu sein, obwohl erwartet wird, dass seine Mimik während der Lernsitzung variiert.
      HINWEIS: Während der Lernsitzung wird ein Video des Gesichts des Teilnehmers mit der Webcam aufgenommen, das später mit einer Desktop-App analysiert wird55.
    6. Bitten Sie den Teilnehmer, still zu sein und auf die verschiedenen Punkte des Bildschirms zu starren, wobei die Nase mit/leicht über dem Rand des Schreibtisches (bei 90°) steht.
    7. Klicken Sie auf Datensatz > Schreiben Sie die Registrierungsdaten des Teilnehmers > Ok, um den Kalibrierungsprozess zu starten.
    8. Bitten Sie den Teilnehmer, die Leertaste zu drücken und die Punkte auf dem Bildschirm mit den Augen zu verfolgen.
    9. Stellen Sie sicher, dass die Augen des Teilnehmers beim Betrachten des Bildschirms zentriert sind, bevor Sie mit dem nächsten Schritt fortfahren, indem Sie den Seiten-Laptop verwenden, um diese Informationen zu überprüfen.
      HINWEIS: Der Blick des Teilnehmers wird zentriert, wenn die Bewegungen seiner Augen auf dem Seitenbildschirm des Laptops mit zwei weißen Kreisen registriert werden. Wenn der Blick den Registrierungsbereich verlässt, warnt die Software mit gelben Pfeilen (wenn leicht abgewichen), mit roten Pfeilen (wenn viel abgewichen) oder ohne weiße Kreise (wenn nicht registriert). Der Weg der Bewegung der Augen wird mit einem gelben Licht (Aufmerksamkeitsfokus) und die Spur durch den Bildschirm mit einer grünen Linie reflektiert.
    10. Bitten Sie die Teilnehmer, ihr Gesicht nicht so weit wie möglich zu berühren oder den Kopf in den Händen zu legen.
    11. Minimieren Sie den Bildschirm.
  4. Multimodales Tracking der Lernsitzung
    1. Maximieren Sie den GSR-Bildschirm, und klicken Sie auf Experiment ausführen > Rate 10 pro Sekunde > Dauer > 5 > Stunden > Aufzeichnen und minimieren Sie den Bildschirm erneut.
    2. Maximieren Sie die Eye-Tracking und Webcam-Bildschirm, stellen Sie sicher, dass die Software richtig funktioniert, klicken Sie auf dem Computer und auf der Seite Laptop aufzeichnen, um die Sitzung zu registrieren und aufzuzeichnen und den Bildschirm wieder zu minimieren.
      HINWEIS: Nachdem die Geräte kalibriert wurden, vergessen Sie nicht, die Aufzeichnung der Evaluierungssitzung in jedem von ihnen zu starten. Ab diesem Zeitpunkt wird die gesamte Interaktion des Teilnehmers mit dem Lerntool bis zum Ende der Sitzung aufgezeichnet.
  5. Fragebögen und Lernsitzungen in MetaTutor
    1. Öffnen Sie die Software im PC und vervollständigen Sie die Registrierungsdaten des Teilnehmers. Vollständige ID > Experimentierer > Tag > Fragebögen ja > Weiter.
      HINWEIS: Alle Protokolle werden während der Sitzung in einem Dateidatenprotokoll registriert.
    2. Erklären Sie dem Teilnehmer, dass er die Anweisungen im Tool befolgen muss und dass er nur während der Lernsitzung mit dem Computer interagiert. Erklären Sie, dass der Forscher im nächsten Raum sein wird, falls etwas passiert.
      1. Fragen Sie den Teilnehmer nach soziodemografischen und akademischen Informationen. Vollständiger Name > Geschlecht > Alter > Ethnische Gruppe > Bildungsniveau > Universität > Abschluss > GPA > Informationen zu Biologiekursen, falls zutreffend > Weiter. Bevor Sie auf Weiterklicken, erklären Sie den Teilnehmern, dass sie alle Anweisungen befolgen müssen, die ihnen das Tool geben wird. Außerdem, dass sie nur während der Lernsitzung mit dem Computer interagieren.
      2. Bitten Sie den Teilnehmer, einige Fragebögen auszufüllen.
        HINWEIS: Der Teilnehmer muss fünf metakognitive und selbstregulierte Lernfragebögen ausfüllen: a) Der Mini International Personality Item Pool49; b) Die konnotativen Aspekte der epistemologischen Überzeugungen50; c) Die Rosenberg-Selbstwertwertskala51; d) Fragebogen zur Emotionsverordnung52; e) Der Achievement Emotions Questionnaire (AEQ)53 und ein Fragebogen über allgemeines Wissen über das Kreislaufsystem.
      3. Zeigen Sie dem Teilnehmer die Schnittstelle von MetaTutor und seinen verschiedenen Teilen.
        1. Erklären Sie dem Teilnehmer, dass der Inhaltsbereich der Ort ist, an dem der Lerninhalt während der gesamten Sitzung in Textform angezeigt wird.
        2. Zeigen Sie dem Teilnehmer an, dass er durch ein Inhaltsverzeichnis am Bildschirmrand navigieren kann, um zu verschiedenen Seiten zu wechseln.
        3. Zeigen Sie dem Teilnehmer an, dass das allgemeine Lernziel während der Sitzung oben auf dem Bildschirm angezeigt wird.
        4. Zeigen Sie dem Teilnehmer an, dass die von den Lernern für Unterziele festgelegten Teilnehmer oben in der Mitte des Bildschirms angezeigt werden, und sie können Unterziele verwalten oder sie hier priorisieren.
        5. Zeigen Sie dem Teilnehmer an, dass sich ein Timer in der oberen linken Ecke des Bildschirms befindet, und zeigt die verbleibende Zeit in der Sitzung an.
        6. Zeigen Sie dem Teilnehmer die Liste der selbstregulierenden Prozesse, die in einer Palette auf der rechten Seite des Bildschirms angezeigt werden, und der Teilnehmer kann während der gesamten Sitzung darauf klicken, um Planungs-, Überwachungs- und Lernstrategien bereitzustellen.
        7. Zeigen Sie dem Teilnehmer die statischen Bilder, die für Inhaltsseiten relevant sind, neben dem Text, um den Lernenden zu helfen, Informationen aus verschiedenen Quellen zu koordinieren.
        8. Zeigen Sie dem Teilnehmer den auf der Tastatur eingegebenen Text und wie die Interaktionen der Kursteilnehmer mit Agenten in diesem Teil der Benutzeroberfläche angezeigt und aufgezeichnet werden.
        9. Zeigen Sie dem Teilnehmer die vier künstlichen Agenten, die den Schülern beim Lernen während der gesamten Sitzung helfen.
          HINWEIS: Diese Agenten sind Gavin the Guide, Pam the Planner, Mary the Monitor und Sam der Strategizer.
      4. Bitten Sie den Teilnehmer, auf Start zu klicken, um die Lernsitzung zu beginnen, wann immer er bereit ist.
        HINWEIS: Der Teilnehmer interagiert mit dem Tool.
      5. Sobald die Sitzung abgeschlossen ist, bitten Sie den Teilnehmer, den Wissensfragebogen erneut auszufüllen.

3. Abmelden

  1. Speichern Sie am Ende der Sitzung die aufgezeichneten Daten von GSR, Eye Tracking/Webcam und Metatutor zusammen mit den Registrierungsdaten des Teilnehmers. Extrahieren Sie die Daten in einer CSV-Datei zur einfacheren Verwendung.
  2. Entfernen Sie die GSR-Sensoren aus der Hand des Teilnehmers und reinigen Sie die galvanischen Sensoren wieder mit Alkohol.
  3. Vielen Dank an die Teilnehmer für die Zusammenarbeit und verabschieden Sie sich.

4. Analyse von Lernschwierigkeiten

  1. Analysieren Sie die Lernleistung jedes Teilnehmers auf der Grundlage der verschiedenen erstellten Berichte (siehe Abschnitt Ergebnisse), um ein multimodales Profil zu erhalten.
    HINWEIS: Mindestens zwei Mitglieder des Expertenausschusses analysieren den Lernprozess jedes Teilnehmers. Obwohl die Bewertung mit neuen Instrumenten und Instrumenten erschöpfend durchgeführt werden kann, kann kein Bericht das Urteil des Sachverständigen ersetzen.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

In diesem Abschnitt werden die repräsentativen Ergebnisse des Protokolls veranschaulicht, einschließlich eines Beispiels für conjoint-Ergebnisse von Sitzung 1 und ein Beispiel für jede Informationsquelle aus Sitzung 2.

Die Ergebnisse über Störungen werden in Sitzung 1 durch diagnostische Tests unter Berücksichtigung der Verfahren und Cut-off-Punkte gesammelt, die für die diagnostische Beurteilung der Lernschwierigkeiten der Teilnehmer (SLD, ADHS und ASD) angegeben sind. Der Sachverständigenausschuss entscheidet, ob der Teilnehmer Lernbehinderungen hat oder Gefahr läuft, sie zu haben oder nicht (siehe ein Beispiel für die Entscheidungsfindung in Abbildung 1). Wenn der Teilnehmer Lernbehinderungen aufweist und an Sitzung 2 teilnimmt, werden Daten aus alternativen Quellen gesammelt.

Während der zweiten Sitzung sammelt das Protokoll Ergebnisse aus fünf verschiedenen Quellen: GSR der Teilnehmer, Gesichtsemotionen, Augenbewegungen, Fragebögen und Log-Daten.

Erstens erhalten wir ein Maß der GSR als Hinweis auf emotionale Erregung während der Lernsitzung (ruhig/aufgeregt)56. Lernbehinderungen sind mit Angst bei Erwachsenen verbunden, und mehrere Studien haben festgestellt, dass Studenten mit Lernbehinderungen von der ersten Klasse bis zur Universität berichten höhere Angstsymptome, als Faktor in verringerte Leistung57,58,59. Es gibt jedoch keinen Eins-zu-eins-Zusammenhang zwischen Verstehen und Sanierung; jeder Fall muss von der Expertenkommission unter Berücksichtigung der spezifischen Ausgangsbasis jedes Teilnehmers einzeln analysiert werden. Abbildung 2 zeigt zwei paradigmatische Fälle, die uns zeigen können, ob Angstregulierung ein Schlüsselpunkt für Interventionen ist.

Zweitens erhalten wir während der sitzungsperiode eine Aufzeichnung des Gesichtes des Teilnehmers, die uns die verschiedenen Emotionen zeigt, die sie während des Lernprozesses fühlten, um die theoretische Beziehung zur Metakognition und Selbstregulierung zu betrachten. Es gibt eine Vielzahl von Gesichts-Emotion-Erkennungssoftware, um diese Informationen zu sammeln. Im aktuellen Protokoll verwenden wir ein Tool55, das emotionserkennung enthält und das Vertrauen über eine Reihe von Emotionen für jedes Gesicht im Video zurückgibt (Ekel, Angst, Wut, Glück, Verachtung, Neutralität, Traurigkeit und Überraschung). Diese Emotionen werden verstanden, um querkulturell und universell mit spezifischen Mimik60kommuniziert werden. Die Teilnehmer neigten dazu, alle erkannten Emotionen während der Sitzung zu erleben, aber wir können einen allgemeinen Index für jeden erhalten, der Informationen über den allgemeinen Trend gibt. Positive aktivierende Emotionen wie Glück, Überraschung und Genuss sollen sowohl die intrinsische als auch die extrinsische Motivation fördern, den Einsatz flexibler Lernstrategien erleichtern und die Selbstregulierung fördern. Umgekehrt werden negative deaktivierende Emotionen wie Langeweile und Traurigkeit so aufgestellt, dass sie die Motivation und die mühsame Verarbeitung von Informationen gleichmäßig reduzieren und negative Auswirkungen auf die Lernergebnisse haben. Für neutral eaktivierende und negativ aktivierende Emotionen wie Wut, Angst, Verachtung und Ekel werden die Beziehungen als komplexer angesehen. Insbesondere können Wut und Angst die intrinsische Motivation untergraben, aber eine starke extrinsische Motivation hervorrufen, Um Anstrengungen zu investieren, um Misserfolge zu vermeiden, was bedeutet, dass die Auswirkungen auf das Lernen der Schüler nicht negativ sein müssen53 (siehe Abbildung 3). Die Ergebnisse zeigen den Grad der Übereinstimmung mit einer der analysierten Emotionen an und weisen jeder von ihnen Werte zwischen 0 und 1 zu.

Drittens verwenden wir Daten aus der Eye-Tracking. Eye-Tracker erfassen Blickinformationen in Bezug auf Fixierungen und Sakkaden (Abbildung 4). Im aktuellen Protokoll sind wir an der Analyse von Fixierungen interessiert, insbesondere an dem Anteil der Fixierungszeit und des Musters von Fixierungen. Zu diesem Zweck haben wir sieben Interessenbereiche (AOIs) in der MetaTutor-Schnittstelle zur Selbstregulierungsbewertung definiert (mit Rechtecken in Abbildung 5gekennzeichnet): AOI1 Timer, AOI2 Goal and Sub Goals, AOI3 Agent/Avatar für Gerüstbau, AOI4 Inhaltsverzeichnis, AOI5 TextInhalt, AOI6 Bildinhalt, AOI7 Lernstrategien Palette.

In Bezug auf die Bewertung für eine prägnante Interventionsberatung können wir Folgendes ableiten.

Fixierungen in AOI1 bezeichnen Zeitmanagement- und/oder Ressourcenmanagementstrategien. Reduzierte oder massive Fixierungen in AOI1 bezeichnen falsche Zeitmanagement-Fähigkeiten. Sie sollte unverzüglich überprüft werden.

Fixierungen in AOI2 bezeichnen planung, Festlegen und Priorisierung von Zielen und Unterzielen. Frühere Studien zeigen, dass diese besondere AOI, zusammen mit dem AOI7, besonders wichtig für die Beurteilung des Lernens mit MetaTutor61ist. Da diese Informationen prägnant, kurz und visuell sind, sollte der Anteil der Fixierungen nicht sehr hoch sein (Abbildung 6).

Fixierungen in AOI3 Agent zeigen, dass der Teilnehmer die Eingabeaufforderungen und das Feedback nutzt, die die Agenten während der Interaktion als Reaktion auf die Ziele, Verhaltensweisen, Selbstbewertungen und Fortschritte der Teilnehmer bereitstellen. Es ist erwähnenswert, dass ein Mangel an Fixierungen auf dem Agent AOI sorgfältig überlegt werden muss, da Lernende möglicherweise nicht immer einen Agenten suchen müssen, um seine Audio-Eingabeaufforderungen und Feedback61zu verarbeiten. Diese AOI sollte gelegentlich überprüft werden. Avatare sprechen nicht häufig, daher sollte es einen kleinen Prozentsatz von Fixierungen im Vergleich zu anderen Bereichen geben, aber es würde widerspiegeln, dass sie eine Interaktion mit dem Agenten hergestellt haben (Abbildung 6).

Fixierungen in AOI4 und/oder Übergängen zwischen Text und Bild/Graph (AOI5 und AOI6) weisen auf die Strategienutzung der Teilnehmer zur Koordinierung von Informationsquellen (COIS) hin, die mit konzeptionellen Gewinnen verbunden sind45. Die Länge der Fixierungen auf Texte und Bilder zeigt Integrationsprozesse an, die zu genauen mentalen Darstellungen der dargestellten Informationen beitragen62. COIS werden als eine Folge von zwei Übergängen zwischen Augenfixierungen auf Text und Bild/Graph-Bereichen (z. B. Text/Graph/Text) operationalisiert. AOI4 sollte mit einer gewissen Häufigkeit überprüft werden. Da die Informationen klar, kurz und visuell sind, sollte der Anteil der Fixierungen nicht sehr hoch sein. Der höchste Anteil an Fixierungen sollte in AOI5 und AOI6 erfolgen. Das Thema sollte die meiste Zeit damit verbringen, den Inhalt (d. h. die geschriebenen Texte) zu überprüfen und eine bemerkenswerte Zeit mit den Bildern und Grafiken zu verbringen, um beide Wissensquellen zu koordinieren und zu integrieren (Abbildung 6).

Fixierungen auf AOI7 zeigen die Verwendung von kognitiven Strategien (Notizen machen, eine Zusammenfassung schreiben, Rückschlüsse machen) und metakognitiven Strategien (Aktivierung von Vorkenntnissen, Bewertung der Content-Relevanz, Bewertung von Verständnis und Wissen)63. Es ist vernünftig, dass der Teilnehmer die verfügbaren Ressourcen oder Lernstrategien mit einer gewissen Häufigkeit überprüft (Abbildung 6).

Für die anschließende Analyse ist es notwendig, sich auf Daten zu konzentrieren, die sich auf die Interaktion mit MetaTutor beziehen, mit Ausnahme der Teile der Interaktion, in denen die Teilnehmer System-Tutorials ansehen. Die gesammelten Daten können laut sein und benötigen eine expertenische Validierung. Die Hauptquelle des Rauschens ist, weil die Teilnehmer vom Bildschirm wegschauen, was der Eyetracker als ungültige Daten interpretiert; In diesem Fall ist es ratsam, die entsprechenden Segmente aus den Blickdaten zu entfernen. Abbildung 6 zeigt einen Teilnehmer mit metakognitiven Fehlfunktionen und einen Teilnehmer mit einer adaptiven Anwendung von Strategien auf dieser Ebene.

Viertens werden Fragebögen zusammen mit den übrigen Informationen analysiert und nach den Anweisungen der Autoren bewertet. Sie liefern Daten auf der Teilnehmerebene des Selbstwertgefühls und der emotionalen Regulierung. Ein günstiges Maß an Selbstwertgefühl oder richtige emotionale Regulierungsstrategien erleichtert Lernprozesse64. Beispiele für Interpretationen (Abbildung 7).

Schließlich werden alle Interaktionen von Lernenden mit Inhalten, Agenten und der Lernumgebung in Protokollen aufgezeichnet, um weitere detaillierte Analysen nach dem Schema in Abbildung 8durchzuführen. Die MetaTutor-Logdaten bieten uns eine Vielzahl von Möglichkeiten zur Bestimmung, unter anderem die Häufigkeit, mit der die Lernenden selbstregulierende Lernstrategien einsetzten (z. B. Notizen, Zusammenfassungen, Zielbeobachtung, Inhaltsbewertung, Lernurteile, Wissensgefühle, Planung, Vorwissensaktivierung usw.), ob diese Strategien selbst oder extern durch das externe Gerüst generiert wurden, und die Zeit, in der jeder Teilnehmer Material in MetaTutor betrachtete, das für sein aktuelles aktivesUnterziel,relevant/irrelevantwar. Pattern Mining, Process Mining, Association Rules und andere potenzielle Ansätze67,68 würden ein Maß für die Verwendung kognitiver und metakognitiver Überwachung und Regulierung durch die Schüler während der gesamten Lernsitzung liefern.

Figure 1
Abbildung 1. Beispiel für die Erstellung von Entscheidungspunkten in Sitzung 1. Dieser Fall zeigt einen Teilnehmer, der seit seiner Kindheit Lernprobleme hat, vor allem in Leseprozessen. Der Experte kann sehen, dass diese Lesebehinderungen in lexikalischen und syntaktischen Prozessen signifikanter sind (b). Darüber hinaus wird beobachtet, dass der Teilnehmer keine motorische, sensorische oder geistige Behinderung hat. Es wird beobachtet, dass der Teilnehmer eine normale intellektuelle Fähigkeit hat und nicht in Bezug auf Autismus-Spektrum-Störung oder ADHS(a) Auslassungen, Provisionen und Reaktionszeit, in visuellen und auditiven Kanälen, sind weniger als 60, so sind im normalen Bereich). In diesem Fall werden Leseprobleme erkannt und Ausschlusskriterien werden nicht eingehalten, sodass davon ausgegangen wird, dass der Teilnehmer aufgrund von Lesebehinderungen sLD hat. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 2
Abbildung 2. Ergebnisse eines stabilen Aktivierungsniveaus und eines instabilen Aktivierungsniveaus während der Lernsitzung. Dieses Bild stellt die Ergebnisse von zwei Teilnehmern dar. Teilnehmer A mit stabilen Aktivierungsstufen und Teilnehmer B mit instabilen Aktivierungsstufen während der Lernsitzung, da die Teilnehmer-B-Linie unregelmäßiger ist und viele Spitzen hat. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 3
Abbildung 3. Bild der Emotionserkennung. a) Beispiel für neutrale Emotionen; b) Beispiel für Traurigkeitsemotion; und c) Beispiel für Glücksgefühlstrend. Im gelben Kreis ist es möglich, den Emotionstrend zu sehen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 4
Abbildung 4. Beispiel für Übergangsdaten zwischen Text und Diagramm (AOI5 und AOI6) während einer MetaTutor-Lernsitzung. Kreise und Linien stellen Fixierungsbereiche und Übergänge zwischen Bereichen dar. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 5
Abbildung 5. Interessengebiete (AOIs) der MetaTutor-Schnittstelle für die Selbstregulierungsbewertung: AOI1 bis AOI7. AOI1 Timer, AOI2 Goal and Sub-goals, AOI3 Agent, AOI4 Inhaltsverzeichnis, AOI5 Textinhalt, AOI 6 Bildinhalt, AOI7 Lernstrategien Palette. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 6
Abbildung 6. Anteil der Fixierungen in den MetaTutor-Schnittstellen-AOIs, ausgedrückt als Prozentsatz. a) Beispiel für einen Teilnehmer, der eine Fehlfunktion der Selbstregulierung einbringt; b) Beispiel für einen Teilnehmer, der selbstregulierendes Verhalten ausführt. Anteil der Fixierungen in jedem Bereich (Werte zwischen 0 und 1). a) Reale Daten eines Teilnehmers, der mehr als 80 % der Zeit damit verbringt, den geschriebenen Text (AOI5) zu lesen, unternutzt er die Ressourcen, die ihm helfen sollen, diesen Inhalt zu verstehen (AOI6); er überprüft kaum das Inhaltsschema, um zu überprüfen, was er bereits gelernt hat und was noch zu lernen ist (AOI4); vernachlässigt Lernziele und Unterziele (AOI2) und überprüft selten die Palette der Lernstrategien (AOI7). Darüber hinaus überwacht er nicht die der Aufgabe zugewiesene Zeit (AOI1) und ignoriert die Avatare, die versuchen, ihm zu helfen (AOI3); b) Reale Daten eines Teilnehmers, der die Hälfte der Zeit (ca. 50%) mit dem Lesen des geschriebenen Textes (AOI5) verbringt und häufig das Diagramm überprüft, das ihm helfen soll, den Inhalt zu verstehen (AOI6). Obwohl er die meiste Zeit mit Inhalten verbringt, überprüft er häufig das Inhaltsschema, um zu überprüfen, was er gelernt hat und was er noch zu lernen hat (AOI4); er achtet auf Lernziele und Unterziele (AOI2), um sicherzustellen, dass er sie erreicht, und er geht bei Bedarf zur Palette der Lernstrategien (AOI7). Darüber hinaus überwacht er die Zeit, ohne sich zu sehr darum zu kümmern (AOI1) und stellt eine gewisse Interaktion mit Agenten her (AOI3). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 7
Abbildung 7. Beispiel für die Interpretation der Fragebögen. In der Grafik links) Rosenberg Selbstwertwertskala51, höhere Werte deuten auf ein höheres Selbstwertgefühl hin (Minimum = 10; maximum = 40). In der Grafik rechts), Emotion Regulation Questionnaire52, kognitive Neubewertung (Minimum = 7; maximum = 42); Expressive Suppression (Minimum = 4; maximum = 28). Höhere Werte deuten auf einen höheren Einsatz von Strategien zur Neubewertung oder Unterdrückung hin. Kognitive Neubewertung ist eine Form der Veränderung auf der kognitiven Ebene, die einem hilft, eine Situation zu interpretieren, die Emotionen auf andere Weise provoziert, wodurch ihre emotionale Wirkung verändert wird (mit Reappraisal-Strategien hilft man, über negative Situationen nachzudenken und über eine alternative Konstruktion, um sie zu lösen). Ausdrucksstarke Unterdrückung ist eine Form der Reaktionsmodulation, die eine Hemmung des anhaltenden emotionsexpressiven Verhaltens beinhaltet (wiederkehrende Benutzer von Unterdrückungsstrategien sollten weniger Verständnis für ihre Stimmungen haben, sie weniger günstig sehen und sie weniger erfolgreich verwalten). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 8
Abbildung 8. Protokolldatenverarbeitung. Dieses Bild stellt die Verwaltung von Protokolldaten dar. Das System sammelt die Rohinteraktionsdaten zwischen dem Schüler und MetaTutor und führt anschließend eine Datenvorverarbeitung durch, um anschließend Learning Analytics- und/oder Data Mining-Techniken zum Aufdecken, Analysieren oder Visualisieren des gesamten Lernprozesses anzuwenden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Das aktuelle Protokoll schlägt eine multimodale Bewertung vor, die sich auf metakognitive, Selbstregulierungs- und emotionale Prozesse konzentriert, die die Grundlage für die Schwierigkeiten bei Erwachsenen mit LDs bilden.

Sitzung 1 ist wichtig, da es sich um eine diagnostische Bewertung der Lernbehinderungen des Teilnehmers handelt. Beachten Sie, dass diese Sitzung hier von Therapeuten mit Erfahrung in der Diagnose von Entwicklungs- und Lernschwierigkeiten im Forschungs- und klinischen Kontext durchgeführt wird. Wir verwenden diese Instrumente in Spanien, daher sollten Forscher aus anderen Ländern Tests auswählen, die an ihre Bevölkerung angepasst sind. Die Bedeutung der Methode in Bezug auf bestehende Methoden ist, dass viele der Skalen für ADHS, SLDs und ASD für den Einsatz bei Kindern entwickelt wurden, wobei neuropsychologische Tests und Neuroimaging die bessere, aber weniger realistische Alternative zu diesem Mangel an Instrumenten sind24. Darüber hinaus werden alle oben genannten Behinderungen in der Regel durch ihre spezifischen Symptome isoliert bewertet, ohne berücksichtigung der bekannten Gemeinsamkeiten in LDs, wie metakognitive, selbstregulierende und emotionale Fehlfunktionen. In jedem Fall basiert das meiste Wissen über Metakognition, Selbstregulierung und Emotionen auf selbst gemeldeten Daten im frühen oder erwachsenen Alter. Jedoch, Selbstberichte jeglicher Art sind anfällig für verschiedene Arten von Verzerrungen69 und mehrmals wurden keine Korrelationen zwischen physiologischen und selbst gemeldeten Daten in LD-Probengefunden 70.

Aus diesem Grund ist Sitzung 2 des Protokolls kritisch. Es konzentriert sich auf die Kernprozesse des Lernens (metakognitive, Selbstregulierung und emotionales Verhalten), die Bedeutung der Methode im Vergleich zu alternativen Methoden ist, dass es eine multimodale Bewertung des Lernprozesses des Teilnehmers ist, der Multichannel-Ablaufverfolgungsdaten bereitstellt. Das Werkzeug, das die Integration all dieser Informationsquellen ermöglicht, ist MetaTutor43, ein metakognitives Werkzeug, das auf fortschrittlicher Lerntechnologie basiert und einer der besten Vertreter und bekanntesten Forschungslinien der sogenannten dritten Welle der Selbstregulierungsmessung33.

In Bezug auf galvanische Hautreaktionen, die Mehrheit der psychophysiologischen Studien an LD-Themen haben sich auf eines von drei verwandten Themen konzentriert: Erregung, Orientierung und Aufmerksamkeit. In diesem Protokoll bietet Erregung einen einzigartigen Rahmen für das Verständnis von Emotionen und Kognition, die nicht durch statische Maßnahmen wie Selbstberichte bereitgestellt werden können71. Mit Mimik, frühere Forschung hat gezeigt, dass akademische Emotionen sind signifikant auf die Motivation der Studenten, Lernstrategien, kognitive Ressourcen, Selbstregulierung, und akademische Leistung72. Wenn es um Augenbewegungen geht, kennen wir den Wert von Blickdaten bei der Vorhersage des Lernens von Schülern während der Interaktion mit MetaTutor61 und mehrere Forscher haben vorgeschlagen, dass die Dauer der Fixierungen eine tiefere kognitive Verarbeitung während des Lernens anzeigt73. Die Fragebögen liefern ergänzende Informationen über die Leistung der Teilnehmer während der Lernsitzung in MetaTutor, ihre Wahrnehmung von sich selbst als Lernende und ihr Verhalten beim Lernen. Schließlich sind die Protokolldaten eine zusätzliche Informationsquelle über die Selbstregulierungsprozesse der Teilnehmer. Nach der Sammlung von Rohdaten und Datenvorverarbeitung, neue Learning Analytics und Educational Data Mining Techniken lassen Sie uns entdecken, analysieren und visualisieren, oder anders ausgedrückt, tauchen Sie in den Lernprozess74,75,76.

Diese gemischte Methodik liefert Beweise für die Bereitstellung von Zielprozessen vor, während und nach dem Lernen, die trianguliert werden können, um unser Verständnis darüber zu verbessern, wie Erwachsene mit LDs lernen und wo Probleme liegen.

Dieser Vorschlag ist ein Protokoll, das ein Verfahren und ein System von Instrumenten bedeutet, daher ist es ratsam, sich daran zu erinnern, dass die vorgeschlagenen Maßnahmen nicht den gleichen Wert für sich haben wie sie, wenn sie Teil des Ganzen sind, und darin liegt das Interesse an diesem Vorschlag. Ziel ist es, diese Datenströme zu konvergieren, um zu verstehen, wie Erwachsene mit LDs ihre kognitiven, metakognitiven und affektiven Prozesse während des Lernens überwachen und steuern.

Obwohl dieses Protokoll eine effektive Toolbox für das Screening und die Diagnose durch den praktizierenden Psychologen ist, ist es nicht ohne Einschränkungen. Die Diagnose von Erwachsenen-LDs ist besonders schwierig. Bildung und Erfahrung ermöglichen es vielen Erwachsenen, ihre Defizite auszugleichen, und diese Erwachsenen zeigen anschließend individuelle Merkmale bei tests24. Wie die Ergebnisse zeigen, ist es schwierig, in der Regel in der Zielpopulation genaue Grenzpunkte aus einigen Datenquellen (z. B. GSR, Protokolldaten usw.) bereitzustellen.

Eine weitere Herausforderung und nicht die Einschränkung besteht in der Komplexität des Umgangs mit den daraus resultierenden komplexen, lauten und chaotischen Daten, die die Einbeziehung von Experten aus verschiedenen Bereichen wie Psychologen, Physiologen, Informatiker n. Chr. usw. erfordert. Wie kürzlich von Azevedo und Gaéevic77 festgestellt wurde, müssen wir ein komplexes Mosaik theoretischer Modelle und Rahmen aus den psychologischen, pädagogischen, lehrreichen und computergestützten Wissenschaften integrieren. Darüber hinaus sind Instrumentationsfehler, interne und externe Gültigkeit, ökologische Gültigkeit im Vergleich zu experimenteller Strenge, konvergierende Datenkanäle und Rückschlüsse auf Prozessdaten nur einige der methodischen Probleme, die sich aus dem Sammeln multimodaler Multichannel-Daten ergeben, die Forscher77,78angehen müssen.

Dennoch übertrifft die zukünftige Richtung dieser Methodik das Ziel der Bewertung, derzeit ist die Möglichkeit offen, multimodale Multichannel-Daten in Echtzeit zu verwenden, um präventive Interventionen auf der Grundlage von Adaptive Hypermedia Learning Environments79 zu entwerfen oder den Lernenden Echtzeit-, intelligentes, adaptives Gerüst zur Verfügung zu stellen (Modellierung kognitiver Strategien, Regulierung der Metakognition über einen künstlichen Agenten, Anregung von Emotionsregulierung, Einführung von Visualisierungstools zur Erkennung verborgener Prozesse usw.). 77,80.

Schließlich sollten LDs über ihre Lebensdauer verfolgt werden; der Längsverlauf von SLDs, ADHS und ASD und deren Langzeit-Sequelae beginnen erst zu erforschen21. Wir hoffen, dass die weit verbreitete Anwendung dieser theoretisch motivierten, empirisch fundierten Leitlinie dazu beitragen wird, die Bevölkerung von Erwachsenen mit LDs zu identifizieren und ein tieferes Verständnis dieser Störungen anzuregen, um wirksame Präventions- und Interventionsmaßnahmen zu entwickeln.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren haben nichts zu verraten.

Acknowledgments

Dieses Manuskript wurde durch Fördermittel der National Science Foundation (DRL-Nr. 1660878, DRL-1661202, DUE-1761178, DRL-1916417), dem Social Sciences and Humanities Research Council of Canada (SSHRC 895-2011-1006), das Ministerium für Wissenschaft und Innovation I+D+i (PID2019-107201GB-100) und die Europäische Union über die Europäischen Fonds für regionale Entwicklung (EFRE) und das Fürstentum Asturien (FC-GRUPIN-IDI/2018/000199). Alle Meinungen, Erkenntnisse, Schlussfolgerungen oder Empfehlungen, die in diesem Material zum Ausdruck kommen, sind die des/der Autoren und spiegeln nicht unbedingt die Ansichten der National Science Foundation oder des Social Sciences and Humanities Research Council of Canada wider. Die Autoren danken auch den Mitgliedern des SMART Lab an der UCF für ihre Unterstützung und Beiträge.

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).

Tags

Verhalten Ausgabe 163 Lernbehinderungen Metakognition Selbstregulierung multimodale Bewertung Erwachsenenalter MetaTutor
Multimodales Protokoll zur Bewertung der Metakognition und Selbstregulierung bei Erwachsenen mit Lernschwierigkeiten
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Cerezo, R., Fernández, E.,… 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