Factori care facilitează învăţarea mai rapidă a chimiei pe o platformă AR

Costin Pribeanu
Institutul Naţional de Cercetare-Dezvoltare în Informatică - ICI Bucureşti
Bucureşti, România

Rezumat: Sistemele educaţionale bazate pe realitate îmbogăţită (AR - Augmented Reality) au capabilităţi specifice cum sunt: vizualizare tridimensională, animaţie, interfaţă vocală pentru predare şi ghidare a interacţiunii, manipulare directă şi feedback haptic. Acest articol prezintă un model cauzal pentru analiza contribuţiei pe care o au aceste capabilităţi specifice tehnologiei AR asupra învăţării mai rapide a chimiei de către elevi. Modelul a fost dezvoltat cu ajutorul analizei drumului, o metodă care are la bază regresia liniară multiplă multinivel. Rezultatele obţinute arată care este contribuţia acestor capabilităţi şi permit identificarea efectelor directe şi indirecte ale fiecărui factor asupra învăţării mai rapide.

Cuvinte cheie: e-learning, eficacitatea învăţării, relaţii cauzale, analiza drumului, realitate îmbogăţită.

Abstract: Educational systems based on augmented reality have specific features such as: 3D visualization, animation, vocal interface for teaching and guidance, direct manipulation, and haptic feedback. This paper presents a causal model for the analysis of the contribution of these features on the faster learning of Chemistry. The model was developed by carrying on a path analysis that is based on a multilevel multiple regression. The results show the contribution of these features and enable the identification of direct and indirect effects of each factor on a faster learning.

Keywords: e-learning, learning efficiency, causal relations, path analysis, augmented reality.

Prima pagină
Pentru accesul la textul integral al acestui articol este necesar un abonament.
Articol publicat în RRIA: vol. 23, numărul 2/2013, pag. 57-62

1. Introducere

Realitatea îmbogăţită - AR (Augmented Reality) este o tehnologie modernă a cărei utilizare în sistemele de e-learning a cunoscut o expansiune continua în ultimii ani. Sistemele educaţionale bazate pe AR permit integrarea unor obiectelor reale din arsenalul didactic traditional în mediul informatic, oferind astfel un spaţiu de interacţiune deopotrivă familiar şi mai atractiv pentru elev. Numeroase studii au demonstrat efecte pozitive asupra valorii educaţionale şi motivaţionale, ca urmare a capabilităţilor specifice AR: vizualizare tridimensională, animaţie, manipulare directă a unor obiecte reale şi feedback haptic [3, 7, 8, 13].

O problemă de actualitate în educaţie, în special în şcoala generală, este creşterea eficacităţii şi eficienţei procesului de învăţare, care are multiple faţete. Deşi distincţia între termenii eficacitate (effectiveness) şi eficienţă (efficiency) nu este clară (în acest sens, vezi definiţiile din DEX), în contextul evaluării sistemelor informatice eficacitatea este asociată cu acurateţea şi completitudinea atingerii unor obiective în timp ce eficienţa este asociată cu consumul de resurse. În acest sens, a învăţa mai bine este o manifestare a eficacităţii în timp ce a învăţa mai repede sau a învăţa mai uşor este o manifestare a eficienţei.

În acest articol se prezintă o analiză a relaţiilor cauzale dintre factorii care influenţează învăţarea mai rapidă a chimiei pe o platformă AR. Scenariul de învăţare a fost implementat în cadrul proiectului ARiSE (Augmented Reality in School Environments), al cărui principal obiectiv a fost testarea eficacităţii pedagogice a introducerii AR în şcoli. Paradigma de interacţiune specifică scenariului de învăţare a chimiei este "construirea cu ghidare" şi are ca scop facilitarea învăţării tabelului periodic al elementelor şi a reacţiilor chimice. În cadrul proiectului a fost elaborat un instrument de evaluare, care măsoară diferiţi factori de interes pentru un sistem educaţional. Pe baza acestui chestionar au fost făcute numeroase studii [2, 6, 9] care au evidenţiat câteva aspecte importante privind utilizarea tehnologiei AR în şcoli, dar au evidenţiat şi unele limite ale instrumentului de evaluare. Din acest motiv, în 2012 a fost elaborat un nou chestionar, cu o arie de acoperire mai largă. Unele rezultate preliminare, obţinute în cadrul unui studiu pilot pentru analiza şi finalizarea chestionarului, au avut ca scop analiza diferitelor aspecte ale procesului de învăţare, pe baza analizei corelaţiei şi regresiei multiple [7], precum şi a modelelor de măsurare formative [10, 11]. Chestionarul a fost rafinat şi aplicat din nou, începând cu octombrie 2012.

Scopul articolului este de a măsura influenţa pe care o are potenţialul oferit de tehnologia AR asupra învăţării mai rapide a chimiei de către elevi. Prin potenţialul tehnologiei AR ne referim la tehnicile specifice de interacţiune implementate în aceasta aplicaţie, care includ: vizualizare tridimensională, animaţie, interfaţă vocală pentru predare şi ghidare a interacţiunii, manipulare directă şi feedback haptic. În acest articol se utilizează datele colectate cu instrumentul de evaluare rafinat, iar abordarea are la bază un model cauzal, dezvoltat pe baza regresiei multiple multinivel, conform cu metoda propusă de Cohen et al. [4]. Metoda respectivă se numeşte analiza drumului (path analysis) şi are avantajul că extinde regresia liniară multiplă pe mai multe niveluri şi permite o analiză mai detaliată a relaţiilor dintre factori, pentru a evidenţia efectele directe şi indirecte.

În secţiunea următoare, vom prezenta succint platforma, experimentul şi variabilele utilizate. În secţiunea 3, vom prezenta rezultatele regresiei multiple multinivel, modelul cauzal şi vom discuta rezultatele obţinute. Lucrarea se încheie cu concluzii.

5. Concluzii şi direcţii de continuare

Analiza drumului este o metodă utilă pentru dezvoltarea de modele cauzale care permit explicarea modului în care diferiţi factori interacţionează şi contribuie la predicţia unei variabile dependente. În acest articol, modelul cauzal a permis o analiză mai fină a efectelor directe şi indirecte pe care le au şase capabilităţi specifice tehnologiei AR asupra învăţării mai rapide a chimiei de către elevi.

Există numeroase limite inerente unui studiu cu caracter explorator. În primul rând, rezultatele sunt preliminare, având în vedere că nu a fost încheiată colectarea datelor. Eşantionul este relativ mic, în raport cu cerinţele analizei pe baza sistemelor de ecuaţii structurate, necesară pentru estimarea gradului de adecvare.

Confirmare

Această lucrare a fost finanţată din proiectul PN 09-23-02-03 TEHSIN. Platforma ARTP a fost realizată în proiectul european ARiSE (FP6-027039).

Bibliografie

  1. ARBUCKLE, J. L.: AMOS 16.0 User's Guide. Amos Development Corporation, 2007.
  2. BALOG, A.; PRIBEANU, C.: The Role of Perceived Enjoyment in the Students' Acceptance of an AR Teaching Platform: A Structural Equation Modelling Approach, Studies in Informatics and Control, 19(3), 2010, pp. 319-330.
  3. BROM, C.; PREUSS, M.; KLEMENT, D.: Are Educational Computer Micro-games Engaging and Effective for Knowledge Acquisition at High-schools? A Quasi-experimental Study. Computers & Education 57, 2011, pp. 1971-1988.
  4. COHEN, P. R.; CARLSON, A.; BALLESTEROS, L.; AMANT, R. S.: Automating path analysis for building causal models from data. Proceedings of the International Workshop on Machine Learning, 1993, pp. 57-64, Sage.
  5. HAIR, J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L.: Multivariate Data Analysis. 6th Ed., Prentice Hall, 2006.
  6. IORDACHE, D. D.; PRIBEANU, C.: Comparison of Quantitative and Qualitative Data from a Formative Usability Evaluation of an Augmented Reality Learning Scenario. Informatica Economica Journal, 13(3), 2009, pp. 67-74.
  7. IORDACHE, D.D.; PRIBEANU, C.; BALOG, A.: Influence of Specific AR Capabilities on the Learning Effectiveness and Efficiency. Studies in Informatics and Control, 21(3), pp. 233-240, 2012.
  8. LEE, E.A.-L.; WONG K.W.; FUNG C.C.: How Does Desktop Virtual Reality Enhance Learning Outcomes? A Structural Equation Modelling Approach. Computers & Education 55(4), 2010, pp. 1424-1442.
  9. PRIBEANU, C.; IORDACHE, D.D.: Evaluating the Motivational Value of an Augmented Reality System for Learning Chemistry. Holzinger, A. (Ed.) Proceedings of USAB 2008. LNCS 5298 Springer, 2008, pp. 31-42.
  10. PRIBEANU, C.: Using formative measurement models to evaluate the educational and motivational value of an AR-based application. Problems of Education in the 21st Century 50, 2012, pp. 70-79.
  11. PRIBEANU, C.: Valoarea educaţională a unei aplicaţii de învăţare a chimiei - rezultate preliminare pe baza unui studiu pilot. Revista Romana de Informatică si Automatica, 22 (3), 2012, pp. 47-54.
  12. SUN, H.; ZHANG, P.: Causal relationships between perceived enjoyment and perceived ease of use: An alternative approach. Journal of the Association for Information Systems, 7(9), 2006, pp. 618-645.
  13. VOS, N.; MEIJDEN, H.; DENESSEN, E.: Constructing Versus Playing an Educational Game on Student Motivation and Deep Learning Strategy Used. Computers & Education 56, 2011, pp. 126-137.
  14. WIND, J.; RIEGE, K.; BOGEN M.: Spinnstube®: A Seated Augmented Reality Display System, Proceedings of IPT-EGVE - EG/ACM Symposium, 2007, pp. 17-23.