JOSEPH A.
KONSTAN and J. D. WALKER, University of Minnesota
D.
CHRISTOPHER BROOKS, EDUCAUSE
KEITH
BROWN, University of Minnesota
MICHAEL D. EKSTRAND, Texas State University
In
the fall of 2013, we offered an open online Introduction to Recommender Systems
through Coursera, while simultaneously offering a for-credit version of the
course on-campus using the Coursera platform and a flipped classroom
instruction model. As the goal of offering this course was to experiment with
this type of instruction, we performed extensive evaluation including surveys
of demographics, self-assessed skills, and learning intent; we also designed a
knowledge-assessment tool specifically for the subject matter in this course,
administering it before and after the course to measure learning, and again 5 months
later to measure retention. We also
tracked students through the course, including separating out students enrolled
for credit from those enrolled only for the free, open course. Students had
significant knowledge gains across all levels of prior knowledge and across all
demographic categories. The main predictor of knowledge gain was effort
expended in the course. Students also had significant knowledge retention after
the course. Both of these results are limited to the sample of students who
chose to complete our knowledge tests. Student completion of the course was
hard to predict, with few factors contributing predictive power; the main
predictor of completion was intent to complete. Students who chose a
concepts-only track with hand exercises achieved the same level of knowledge of
recommender systems concepts as those who chose a programming track and its
added assignments, though the programming students gained additional
programming knowledge. Based on the limited data we were able to gather, face-to-face
students performed as well as the online-only students or better; they
preferred this format to traditional lecture for reasons ranging from pure
convenience to the desire to watch videos at a different pace (slower for
English language learners; faster for some native English speakers). This
article also includes our qualitative observations, lessons learned, and future
directions.
Categories
and Subject Descriptors: K.3.1 [Computers and Education]: Computer Uses
in Education— Distance learning; K.3.2 [Computers and Education]:
Computer and Information Science Education— Computer science education
General
Terms: Measurement, Performance
Additional
Key Words and Phrases: Massively Online Open Course (MOOC), learning assessment
Pengkaji : Fitrah Anugrah
Ulasan/Kajian
Peneliti sedang memberikan sebuah Pengantar
Rekomendasi Sistem melalui Coursera hybrid kuliah online selama semester
penuh. Peneliti memberikan kuliah
ini secara bersamaan dalam dua bentuk :
1. sebagai
kuliah online melalui coursera dan,
2. sebagai
tiga kredit level lulusan kuliah di Universitas Minnesota , menggunakan
sebuah memodifikasi model kelas di mana mahasiswa yang terdaftar di kampus,
sedang menyelesaikan kuliahya dan juga
sedang sidang dengan fakultas dan seorang
asisten dosen untuk memberikan dukungan pemahaman materi kuliah dan melengkapi tugas kuliah.
Tujuannya yaitu memberikan kuliah ini untuk
bereksperimen dengan jenis instruksi, peneliti melakukan evaluasi seperti
survei demografi, nilai keterampilan
diri, dan niat belajar. Peneliti juga mendesain alat penilaian pengetahuan
khusus untuk persoalan dalam kuliah ini,
mengatur tersebut sebelum dan sesudah
kuliah untuk mengukur belajar, dan lagi sampai lima bulan kemudian untuk
mengukur ingatan.Peneliti mengakui potensi mahasiswa tidak memiliki
keterampilan pemrograman sehingga mahasiswa perlu memerlukan waktu yang
lebih untuk menyelesaikan kuliah
tersebut. Akhirnya, peneliti membuat dua desain
kuliah untuk dua jalur:
1.
Mahasiswa dapat
menyelesaikan jalur “konsep” dengan background matematika dasar (dan tanpa
tugas pemrograman) atau dapat menyelesaikan jalur komprehensif “pemrograman”
yang mencakup jalur konsep ditambah pemrograman kuliah dengan enam tugas
pemrograman
2.
Mahasiswa mampu
menghasilkan laporan prestasi.
Dalam upaya desain awal kami, Banyak analisis kami
melihat perbedaan niat siswa dan kinerja antara mereka yang terdaftar dalam
konsep dan trek pemrograman. Kuliah ini ditawarkan sebagai bagian dari
eksplorasi Universitas Minnesota MOOCs (Massive
Open Online Courses) dan diluncurkan
setelah keputusan strategis oleh Departemen Ilmu dan teknik Komputer untuk
mengeksplorasi media.
Penelitian ini menggunakan desain penelitian single-group cross-sectional untuk menjawab
pertanyaan
yang berkaitan dengan populasi siswa MOOC online. Ini juga menggunakan desain nonequivalent group pretest-posttest untuk menjawab pertanyaan membandingkan mahasiswa secara online dengan mahasiswa dalam sistem recommender tatap muka kelas.
yang berkaitan dengan populasi siswa MOOC online. Ini juga menggunakan desain nonequivalent group pretest-posttest untuk menjawab pertanyaan membandingkan mahasiswa secara online dengan mahasiswa dalam sistem recommender tatap muka kelas.
Para peserta dalam penelitian ini meliputi 39 siswa di
bagian sesi tatap muka CSci
5980: Sistem Recommender serta sekitar 4.844 siswa yang menyelesaikan
survei prakuliah dan sistem recommender tes pengetahuan prakuliah. Mahasiswa
melaporkan usia kurang dari 18 tahun telah dihapus dari studi untuk mematuhi
Peraturan IRB.
5980: Sistem Recommender serta sekitar 4.844 siswa yang menyelesaikan
survei prakuliah dan sistem recommender tes pengetahuan prakuliah. Mahasiswa
melaporkan usia kurang dari 18 tahun telah dihapus dari studi untuk mematuhi
Peraturan IRB.
Penelitian ini mengguanakan pra dan postkelas survei
yang dirancang untuk mengkur latar belakang mahasiswa, pengalaman MOOC, dan
niat mereka mengambil MOOC. Tes pengetahuan diberikan tiga kali pada peserta
MOOC : 1. Awal MOOC/semester untuk peserta terdaftar, 2. Pada kesimpulan dari
MOOC/semseter untuk peserta yang telah selesai latihan, sekitar lima bulan
berakhirnya kuliah hanya mereka yang telah selesai ujian kedua, 3. Terakhir
dirancang untuk mengukur ingatan pengetahuan dari materi kuliah, ini sangat penting
tetapi sering diabaikan dalam komponen jenis penelitian.
Peneliti
memulai analisis data
dengan memeriksa
sekumpulan pertanyaan yang meminta siswa untuk
menilai 15 alasan yang berbeda untuk mendaftar di MOOC. Sebuah eksplorasi
(PCA) Principal Component Analysist dilakukan, dan kami ekstrak empat faktor yang mempunyai eigenvalue > 1 bersama dengan faktor beban diterima untuk semua 15 item individual.
menilai 15 alasan yang berbeda untuk mendaftar di MOOC. Sebuah eksplorasi
(PCA) Principal Component Analysist dilakukan, dan kami ekstrak empat faktor yang mempunyai eigenvalue > 1 bersama dengan faktor beban diterima untuk semua 15 item individual.
Konstruksi yang mendasari faktor-faktor ini adalah:
• Alasan Universitas / instruktur terkait (misalnya,
"karena program ini ditawarkan oleh universitas
bergengsi");
• alasan pragmatis / akses (misalnya, “Secara geografis, Saya tidak dekat dengan lembaga pendidikan”); ");
• alasan profesional (misalnya, "Untuk mendapatkan lencana atau sertifikasi yang akan berguna untuk
saya secara profesional ");
• alasan Tujuan / kenikmatan yang terkait (misalnya, "Saya pikir mengambil kuliah ini akan senang dan menyenangkan").
• alasan pragmatis / akses (misalnya, “Secara geografis, Saya tidak dekat dengan lembaga pendidikan”); ");
• alasan profesional (misalnya, "Untuk mendapatkan lencana atau sertifikasi yang akan berguna untuk
saya secara profesional ");
• alasan Tujuan / kenikmatan yang terkait (misalnya, "Saya pikir mengambil kuliah ini akan senang dan menyenangkan").
Penelitian ini menemukan bahwa sebagian besar siswa
(72,5%) yang menyelesaikan prakuliah yang
survei dimaksudkan untuk menyelesaikan seluruh kuliah. Selain itu, sebagian besar mahasiswa (72,4%) melaporkan bahwa mereka menyelesaikan lebih dari MOOC. Akhirnya, hampir semua siswa (95,75%) yang mengatakan mereka menyelesaikan kurang dari MOOC daripada mereka dimaksudkan juga melaporkan bahwa mereka menemukan pengalaman yang tetap berguna.
blog yang telah saya komentari
1. http://muhamadindrawan94.blogspot.com/2015/06/resume-jurnal-tht-3-emergent-effects-in.html
2. http://nurdeviilkom49.blogspot.com/2015/06/motivation-as-lens-to-understand-online.html
3. http://el247.blogspot.com/2015/06/take-home-test-3-kajian-artikel-ilmiah.html
survei dimaksudkan untuk menyelesaikan seluruh kuliah. Selain itu, sebagian besar mahasiswa (72,4%) melaporkan bahwa mereka menyelesaikan lebih dari MOOC. Akhirnya, hampir semua siswa (95,75%) yang mengatakan mereka menyelesaikan kurang dari MOOC daripada mereka dimaksudkan juga melaporkan bahwa mereka menemukan pengalaman yang tetap berguna.
blog yang telah saya komentari
1. http://muhamadindrawan94.blogspot.com/2015/06/resume-jurnal-tht-3-emergent-effects-in.html
2. http://nurdeviilkom49.blogspot.com/2015/06/motivation-as-lens-to-understand-online.html
3. http://el247.blogspot.com/2015/06/take-home-test-3-kajian-artikel-ilmiah.html
