Online megfigyelés, logolt adatbázisok

Megfigyelésnek nevezzük a pedagógiai kutatásokban a „céltudatos, tervszerű, rendszeres, objek-tív tényeken alapuló észlelést”. (Falus, 2000) Olyan módszer, amely a pedagógiai valóság megfi-gyelésén alapul, így adva lehetőséget arra, hogy a kutató első kézből, direkt módon szerezzen információt a megfigyelt jelenségekről. Vagyis a megfigyelés során a pedagógiai folyamatokról viszonylag teljes, és torzítástól mentes információt gyűjthetünk, szemben például a kérdőíves ki-kérdezéssel, ahol többek között a kitöltő személyes jellemzői, emlékezete, a kitöltés körülményei...

stb. kisebb-nagyobb mértékben befolyásolhatják a kérdésekre adott válaszait.

A hagyományos, osztálytermi foglalkozások megfigyelése, akár résztvevő pedagógusként gondolkozunk róla, akár külső megfigyelőként (kutatóként), nem egy könnyű feladat. Mindkét szereplő, a pedagógus és a kutató is viszonylag nehezen tud meggyőződni arról, hogy a tanu-lók mennyire tudják követni a tanítási folyamatot, milyen tevékenységeket végeznek az óra alatt, kellően hatékonyan dolgoznak-e a feladatmegoldások során, vagy sem ...stb. Többnyire úgy tud-nak meggyőződni ezekről, ha körbejártud-nak, figyelik a tanulókat, és sűrű dialógust folytattud-nak velük.

Azonban minél nagyobb létszámú a tanított csoport, annál nehezebb ezt kivitelezni, és annál több tanórai esemény marad feltáratlan mind a pedagógus, mint a kutató számára.

Egészen más a helyzet az online tanulási környezetekben zajló tanulási tevékenységek megfi-gyelését illetően. Látszólag semmilyen kézzelfogható eszköz nincs a kezünkben, amellyel többet vagy részletesebb információkat tudnánk meg az ismeretszerzési, tanulási folyamatról. Azonban a 2.2.2.1. fejezetben bemutatott eszközrendszer kapcsán szóltunk arról, hogy a tanulástámogatás céljára szolgáló oktatási keretrendszerek képesek a felhasználói tevékenységek pontos rögzítésé-re, tárolására, amit logolásnak, naplózásnak nevezünk. Ezek a log fájlok, amelyek a felhasználók adatait tartalmazzák, minden egyes személyről leírják, hogy percre pontosan mikor, hova kattin-tott az online felületen. Értelmezésünkben nem más ez, mint online megfigyelés, hiszen feltétlenül igaz rá, hogy rendszeres és objektív tényeken alapul. Az is igaz lehet rá továbbá, hogy tervszerű és céltudatos, mert a gyűjtött adatok bizonyos szinten, informatikai beavatkozás hatására, módosít-hatók és a megfigyelési céloknak megfelelően alakítmódosít-hatók. Látszik tehát, hogy a logolásra, minden olyan jellemző teljesül, amely a pedagógiai megfigyelések esetében kritérium. Ezért javasoljuk, hogy online megfigyelésként kezeljük az adatgyűjtés ezen módszerét.

Ezeket a logolt, keretrendszerek által gyűjtött adatokat legalább kétféleképpen lehet elemezni.

Az egyik, és egyszerűbb módszer az, hogy a rendszer által megjelenített statisztikákat, a rendszer saját webes felületén megnézzük, kigyűjtjük, és esetleg következtetéseket próbálunk meg levonni belőlük. Ezek viszonylag egysíkú statisztikák, amelyek a felhasználók összes belépésének számát, vagy az egyes oldalelemekre való kattintások alkalmait mutatják meg. Egy egy felületes és csupán

leíró elemzésre alkalmas adathalmaz, amely nem visz közelebb bennünket az online környezetben megvalósuló tanulási tevékenységek és viselkedések mélyebb megismeréséhez.

Ezért szükséges a logolt adatok másik fajta elemzése, amit webbányászatnak, vagy adatbá-nyászatnak nevez a szakma. Az adatbányászat a „nagy adatbázisokban rejlő, korábban nem ismert mintázatok, információk felismerése és kinyerése, (bizonyos esetekben) tanuló algoritmusok se-gítségével”. (Izsó, 2006) Az adatbányászat egy viszonylag új területe az internettel kapcsolatos kutatásoknak és adatfeltárásoknak, hiszen 1996-ban, alig több mint 10 éve, Oren Etzioni (1996) tett először említést a webbányászatról. Etzioni szerint a webbányászat egy olyan eszköz, amely alkalmas a web-szervereken keletkező óriási mennyiségű információk széleskörű elemzésére, nem csak gazdasági területen kamatoztatva az így keletkezett adatbányászati eredményeket, hanem az oktatásban is. Ő azt javasolta ugyanis, hogy az adatbányászati módszereket terjesszék ki az ok-tatásra, mert kiválóan alkalmas lehet online tanulók viselkedésének vizsgálatára és a tanulási kör-nyezet továbbfejlesztésére is.

Az adatbányászati módszereknek három fő csapásiránya van. Ezt szemlélteti a 10. ábra, amelyet Hung-Pin és társai (2012) írtak le, bemutatva az adatbányászat taxonómiáját. Eszerint a webbányászat 3 területe: (1) a webes struktúrák adatbányászata (web structure mining); (2) a webes tartalmak elemzése (web content mining); és (3) a webes tartalmak használatának elemzése (web usage mining). (Hung-Pin és mtsai., 2012) Kutatásunk ez utóbbi, harmadik területhez kapcso-lódik, hiszen azt kutatjuk, hogy a felhasználók hogyan bántak a számukra elérhető tanulási tartal-makkal, és milyen mintázatokat tudunk ebben felismerni.

12. ábra: A webbányászat taxonómiája (Hung-Pin, 2012)

A webbányászati elemzések elkészítéséhez már nem elegendő az a keretrendszer által meg-jelenített felület, ahol látszanak a felhasználói statisztikák. A mélyebb elemzéshez offline webbá-nyászati eszközöket, szoftvereket kell használni, mert ezek nem csak leíró statisztikák készítésére alkalmasak, hanem jóval mélyrehatóbb, átfogóbb, tudományosabb, a leíró statisztikát messze meghaladóbb elemzésekre nyújtanak lehetőséget. Számos olyan algoritmus van ezekben a szoft-verekben, amelyek az adatok feldolgozását teszik lehetővé. Ezek közül most csak azokat emeljük ki, amelyeket a kutatásban, mint adatbányászati eljárásokat, felhasználtunk.

1. Statisztikai eljárások: ezek teszik lehetővé, hogy statisztikai visszajelzést kapjunk a tanulási környezet legkedveltebb funkcióiról vagy tartalmairól. Az adattisztítást követően lekérdezhe-tő többek között a látogatási gyakoriság (felhasználóra és tartalomra egyaránt), a különböző, oldalakon eltöltött időtartamok, a legkedveltebb helyek... stb.

2. Szekvencia analízis: a tevékenységek sorrendiségét, ismétlődését vizsgálja, vagyis azt, hogy az egyes tevékenységeknek milyen a sorrendben való együttjárása.. A bejárási utak elemzésével megállapíthatjuk például azt, hogy milyen eseményhalmazokból (szekvenciákból) áll a tanu-lási folyamat, és megnézhetjük a szekvenciák időbeli vonzatait is (pl. hosszúságát). Érdemes a szekvenciákban megfigyelni továbbá, hogy melyik az a tevékenység, amelyikkel általában kezdődik a tanulási periódus, és melyik az, amivel befejeződik.

3. Klaszterezés: ez a módszer azt szolgálja, hogy előre nem definiált csoportjellemzők alapján klaszterek, azaz csoportok jöjjenek létre. Ez a leginkább alkalmas arra, hogy olyan összefüg-géseket is feltárjunk, amelyek esetleg nem nyilvánvalóak, vagy amelyekre korábban nem szá-mítottunk. Az oktatási logok elemzésekor a klaszterezés segítségével fogjuk azokat a tanulói csoportokat feltárni, akik hasonló tanulási jellemzőkkel rendelkeznek.

4. Klasszifikáció: olyan osztályozási módszer, amely úgy osztályozza az elemeket, hogy a rájuk leginkább jellemző jegyeket emeli ki. Ez is alkalmas tanulói csoportok további elemzésére, ezért ezt használjuk akkor, amikor az azonos érdemjegyet kapott hallgatói csoportokat továb-bi csoportokra bontjuk a tevékenységeik alapján. A hallgatói csoportokat (klasztereket) pél-dául a tananyagegységek használati módjai alapján különböztethetjük meg. (Jókai és mtsai., 2006; Romero és mtsai., 2008)