Przydzielanie do grupy badanych

W celu przydzielenia uczestników badania do jednego z trzech jego warunków, we współpracy z mgr Wojciechem Włodarczykiem opracowałam autorski algorytm¹³, w któ- rym brane pod uwagę były następujące cechy osób badanych: wiek, wykształcenie oraz płeć. Zaimplementowanie takiego algorytmu zapewniło automatyczny (a więc natychmia- stowy) przydział do właściwej grupy badanej. Dzięki temu procedura rozpoczęcia kursu przebiegała sprawnie i bez ingerencji badacza. Osoby podejmujące się kursów edukacji zdalnej przyzwyczajone są do tego, że mogą po zarejestrowaniu się na danej platformie e-learningowej zapoznać się z kursem i podjąć decyzję o jego rozpoczęciu (zob. np. Co- ursera,Udemy). W przypadku, w którym przydzielanie do warunku badania odbywałoby się w sposób manualny (wykonywany przez badacza po zgłoszeniu chęci wzięcia udziału w kursie) czas oczekiwania na rozpoczęcie kursu zostałby znacznie wydłużony. To z kolei mogłoby znacząco zmniejszyć liczbę osób, która wzięłaby udział w badaniu eksperymental- nym. Z uwagi na powyższe argumenty zdecydowałam się na implementację wspomnianego algorytmu. Celem jego działania był taki wybór warunku badania, który doprowadzi do jak najbardziej równomiernego rozkładu istotnych cech uczestników badania w podgrupach badanych. Na miarę równomierności rozkładu została wybrana entropia. Entropia przyj- muje maksymalną wartość, gdy rozkład prawdopodobieństwa dla wszystkich elementów z grupy jest równomierny, a minimalną, gdy tylko jeden element z grupy ma prawdopo- dobieństwo równe 1.

Działanie algorytmu przydzielania uczestników badania do odpowiedniego warunku badania wygląda następująco:

1. Wiek mapowany jest na grupy:

(a) ¬22 (b) >22;¬35

(c) >35

2. Dla każdego możliwego warunku badania powtarzane są następujące kroki:

(a) Tworzony jest zbiór C będący iloczynem zbioru potęgowego cech oraz jedno- elementowego zbioru{warunek badania}:

C =P({wiek, wyksztacenie, płeć})× {warunek badania}).

i. Dla każdej kombinacji wartości cech c ∈ C powstaje jedna grupa g ∈ G zawierająca uczestników, którzy opisani są danym podzbiorem cech.

ii. Rozważmy zmienną losową X, która opisuje wybór warunku badania dla jednego z obecnych uczestników badania. Prawdopodobieństwo przyjęcia przez X wartościg obliczone jest na podstawie wzoru:

Wzór 1 (Wzór rozkładu prawdopodobieństwa zmiennej losowej X) P(X =g) = |g|+ 1

|U|+|G|,gdzie g∈Goraz g⊂U g – grupa (podzbiór) uczestników badania

G – zbiór wszystkich grup

U – zbiór wszystkich uczestników badania

iii. Dla danego podzbioru cechcna podstawie poniższego wzoru obliczana jest entropia zmiennej losowej X.

13https://github.com/heolin/funcrowd/blob/master/modules/achievements/models/assign spacecalc group.py; dostęp: 05.04.2022 r.

Wzór 2 (Wzór na entropię zmiennej losowej X)

H(X) =−

|G|

X

i=1

P(X =Gi) log_|G|P(X=Gi)

(b) Dla danego warunku badania obliczana jest średnia wartość entropii dla każdego podzbioru cech.

3. Wybrany zostaje warunek badania o największej entropii. W przypadku gdy więcej niż jeden warunek badania osiągnął najwyższy wynik, to w sposób losowy wybierany jest jeden z nich.

Przy pierwszym zalogowaniu się do platformySpaceCalc każdy uczestnik badania miał możliwość wypełnienia jedynie metryczki (zob. Rysunek 3.10; kliknięcie w kafel Zanim zaczniemy prowadziło do zadania polegającego na wypełnieniu metryczki). Dopiero po przydzieleniu do odpowiedniej grupy badanej kursantowi pojawiały się treści kursu e- learningowego (zob. Rysunek 3.11), grywalizacji (zob. Rysunek 3.14) lub gry poważnej (zob. Rysunek 3.25).

Rysunek 3.10: Zrzut ekranu z platformySpaceCalc przedstawiający zawartość podstrony Zadania przed wypełnieniem metryczki

3.2.7. Autorskie narzędzie edukacyjne: e-learning

Niniejszy paragraf dotyczy opisu platformy e-leanringowej – jej zawartości, sposobu poruszania się po platformie, różnic oraz podobieństw w stosunku do dwóch pozostałych narzędzi edukacyjnych. Opis został uzupełniony o zrzuty ekranu poszczególnych elementów platformy, które pokazują, jak wyglądała ona od strony graficznej oraz to, w jaki sposób zostały uporządkowane znajdujące się w niej treści. Zrzuty ekranu obrazują również

najważniejsze różnice występujące pomiędzy wszystkimi narzędziami edukacyjnymi (por.

Rysunek 3.11, Rysunek 3.14 oraz Rysunek 3.25). Kolejne paragrafy opisują pozostałe narzędzia – Paragraf 3.2.8 grywalizację, a Paragraf 3.2.9 grę poważną.

Przechodząc kurs SpaceCalc w warunku e-learningu osoby badane miały dostęp do następujących podstron platformy: Zadania, O projekcie, Ustawienia, Profil. Podstrona Zadania, która służyła do nawigacji po zadaniach kursu w narzędziu edukacyjnym e- learning została podzielona na sześć obszarów (zob. Rysunek 3.11). Zawartość obszarów opisuje struktura kursu scharakteryzowana w Paragrafie 3.2.2. Treści kursu zostały zorga- nizowane w sposób liniowy, tj. dopóki kursant nie rozwiązał zadań z jednego obszaru, nie mógł przejść do kolejnego. Ostatni obszar zawierający zadania Testu 3 był udostępniany osobom badanym po 30 dniach od rozwiązania ostatniego zadania z Działu 3: Forma- towanie. Na podstronie Zadania osoba badana mogła zobaczyć liczbę zadań dostępnych w danym obszarze oraz to, ile z nich już ukończyła.

Rysunek 3.11: Zrzut ekranu z platformy SpaceCalc, narzędzia edukacyjnego e-learning przedstawiający podstronęZadania

Rysunek 3.12: Zrzut ekranu z platformy SpaceCalc, narzędzia edukacyjnego e-learning przedstawiający Dział 1: Reguły i Funkcje – Reguły arytmetyczne

Wybierając konkretny obszar osoba badana przenoszona była na kolejną podstronę, która zawierała listę zadań danego obszaru (zob. Rysunek 3.12). Zadaniami tymi mogły być zadania edukacyjne, kwestionariusze albo testy wiedzy (zob. struktura kursu, Paragraf 3.2.2, str. 103). Korzystając z tej podstrony kursant mógł zapoznać się z informacjami do- tyczącymi zawartości danego działu oraz sprawdzić swój postęp – ile zadań już rozwiązał.

Wybierając konkretne zadanie osoba ucząca się przechodziła na podstronę tego zadania (zob. Rysunek 3.2). Opis zawartości oraz sposobu rozwiązywania zadania został scharak- teryzowany w Paragrafie 3.2.3 (str. 107) i nie różni się pomiędzy warunkami badania.

Na podstronie Profil kursanci mogli zapoznać się z postępem testów wiedzy, czyli sprawdzić, na ile pytań danego testu odpowiedzieli prawidłowo (zob. Rysunek 3.13).

Warto w tym miejscu nadmienić, że to, czy kurs prowadzony przy pomocye-learningu charakteryzował się całkowitym brakiem afordancji motywacyjnych typowych dla gry- walizacji jest kwestią dyskusyjną. Osoby badane mogły poruszać się po treściach kursu w zadanej kolejności i otrzymywały podstawowe informacje dotyczące postępów w nauce.

W kursie obecne były paski postępu wskazujące na liczbę wykonanych zadań (zob. Rysu- nek 3.11 oraz Rysunek 3.12), fabularyzacja zadań edukacyjnych oraz informacja zwrotna pojawiająca się po każdym wykonaniu zadaniu. Z jednej strony są to elementy wymienia-

ne jako typowe dla grywalizacji (zob. Podrozdział 2.3, str. 80), z drugiej strony trudno wyobrazić sobie kurs edukacyjny, który nie informowałby kursantów o tym, czy dobrze rozwiązali oni zadanie lub w którym miejscu kursu się znajdują. Dodatkowo osadzenie wykonywanych zadań w kontekście i sprawienie, aby miały one sens dla osoby uczącej się jest metodą zalecaną przez konstruktywistów. Podstawowa fabularyzacja zadań występo- wała w każdym warunku badania, a jej celem było wprowadzenie dodatkowego kontekstu i sprawienie, aby zadania były mniej abstrakcyjne.

Rysunek 3.13: Zrzut ekranu z platformy SpaceCalc, narzędzia edukacyjnego e-learning przedstawiający podstronęProfil