Matematika putem e-učenja

(1)

Matematika putem e-učenja

prof.dr.sc.Blaženka Divjak

Sveučilište u Zagrebu

Fakultet organizacije i informatike

(2)

Motivacija za e-učenje

• Pretpostavka

– e-učenje u službi pedagogije i metodike

• Izazovi

– rješavanje specifičnih problema predmeta

• Matematika – 1. godina

 Velike heterogene grupe studenta  Slabo predznanje iz matematike  Niska motivacija za matematiku

 Niska prolaznost, postizanje ishoda učenja

• Dodana vrijednost

 Zajednički rad profesora i asistenata matematike  Projektni i istraživački pristup

 Usvajanje novih kompetencija  “Korisnost” za studij informatike

(3)

Matematika 2 – kako do cilja?

• Velike heterogene grupe studenta

 Kontinuirano praćenje, evidencija, sve upute u Moodleu  Baza zadataka za (samo) provjere

 Forum, ankete o zadovoljstvu radom

• Slabo predznanje iz matematike

 Provjera predznanja, “feed-back”

 Dopuna – Demonstrature, Pomoćni materijali

• Niska motivacija za matematiku

 Informatičari vole tehnologiju!

 Poštivanje stilova učenja - prezentacije i animacije  Uzimanje u obzir različitih tipova motivacije

• Niska prolaznost, postizanje ishoda učenja

 Unaprjeđenje metodologije rada – upotreba taksonomija  Zadaci za vježbanje – riješeni i zadaće

(4)

Strategija e-učenja na FOI, na SvZg

Oblici učenja Opis Tehnologije

Klasična nastava

(f2f, licem u lice) nastava (najčešće predavačka) u učionici Ne koriste se, osim na pr. tekst procesor (Word) za pripremanje nastave

Nastava podržana ICT-om (ICT supported teaching and learning)

tehnologija se koristi uglavnom zato

da bi se poboljšala klasična nastava Prezentacije (PP), Multimedijski CD-ROM-ovi, Web sjedišta za predmete s hipermedijskim sadržajima (courseware), Programi za testiranje (kvizovi za

samoprovjeru znanja i provjere znanja), E-mail i mailing liste, Forum

Hibridna ili mješovita nastava (blended, mixed, hybrid)

Razina FOI1, FOI 2, FOI3

kombinacija klasične nastave u učionici i nastave uz pomoć tehnologija

LMS (Learning Management Systems) - sustavi za upravljanje učenjem,

CBT/WBT (Computer/Web Based Training),

Videokonferencije

Online obrazovanje učenje i poučavanje odvija se isključivo uz pomoć tehnologije; nema f2f nastave

Predmeti (kolegiji, tečajevi) koji se dostavljaju putem Interneta (kao Web sjedišta ili pomoću LMS),

(5)

FOI Razina 3

• Svi nastavni materijali organizirani prema nastavnim

cjelinama i dostupni preko LMS sustava

• Oblikovanje nastavnih materijala izvedeno prema

instrukcijskom dizajnu

• Dopuna nastavnih materijala korištenjem audio i video

zapisa

• Bodovanje svih relevantnih studentskih on-line aktivnosti

(diskusije, pristup materijalima, provjere znanja...)

• Predavanje i ocjenjivanje zadaća, seminara, testova putem

LMS-a

Cilj: UnaprjeĎenje nastavnih metoda i tehnika podučavanja putem hibridne organizacije kolegija prema kriterijima

(6)

E-učenje na FOI u brojkama

• Broj uključenih studenata ~ 3500 (100% na

preddiplomskom i diplomskom studiju)

• Broj predmeta – 215 predmeta

 Preddiplomski studij - 74 (100%)  Diplomski studij - 38 (100%)  Doktorski studij - 21 (63%)  Specijalistički studiji - 22 (40%)  Stručni studij - 50 (80%)

(7)

Ove godine radimo na

• E-portfolio

• Digitalna knjižnica • Web2.0 tehnologije • Integracija sustava

• Pomaci u razinama (FOI 1 -> FOI 3), pedagogiji • Potpuno online kolegiji - u testnoj izvedbi

http://elf.foi.hr/

E-UČENJE - FOI

ISVU

LMS _E-portfolio

(8)

Kontekst ishoda e-učenja

B. Divjak, FOI

Ishodi učenja

studijskog

programa

Ishodi

učenja

predmeta

Sadržaj i nastavne cjeline Evaluacija svih dijelova kurikuluma i ugrađivanje povratnih informacija u nove inačice Metode poučavanja Metode ocjenjivanja Taksonomije ECTS

(9)

B. Divjak, FOI

Ishodi učenja na razini programa

- vezani za Matematiku 1,2, OPM

• Koristiti

matematičke metode, modele i tehnike

primjerene rješavanju problema iz područja

informacijskih i poslovnih sustava.

• Koristiti

vještine učenja

potrebne za cjeloživotno učenje

i nastavak obrazovanja na diplomskom studiju.

• Modelirati

poslovne procese i podatke u organizacijama

i primijeniti modele u razvoju informacijskih i poslovnih

sustava.

(10)

Rješavanje problema – matematičko

modeliranje

B. Divjak, FOI Karakteristike Matematika 1 Matematika 2 Odabrana pogl. matematike Diskretne struk. Teorija grafova Semestar 1. sem. predd. 2. sem. predd. 4.sem. predd. Diplomski

Grupe Velike Velike Velike i srednje Manje

Ishodi uč. MathKIT Bloom Literatura, izraz K Poznavanje Matematički pristup K/I Rješavanje Teoretski/Prakt Alat I/T Analiza/Sinteza Novi kontekst 2 faze T Evaluacija

Projekt Esej Problemski zadatak

Problem matem./inf.

Interdiscipl. problem

Tim/Indiv. Indiv. Indiv. Tim Tim

On-line Predaja Ocjena Predaja Povratna inf. Predaja Analiza (ePortfol) Razvoj (wiki)

(11)

Taksonomija u e-učenju, baza zadataka

• Baza zadataka za provjere i samoprovjere

 Implementirana u Moodlu

 Prema KIT taksonomiji – tri razine

 Matematika 2 – baza od ukupno 532 pitanja i zadataka

• Ulazne kompetencije studenata

 12 pitanja podijeljenih u tri skupine (po K, I i T prema taksonomiji)

 Nedostaci u predznanju: grafički i geometrijski zadaci koji

povezuju funkciju s praktičnim problemom, ili graf funkcije sa svojstvima funkcije –

Matematika putem e-učenja