Analysing High-Level Help-Seeking Behaviour in ITSs

Mathews, Moffat; Mitrovic, Tanja; Thomson, David

doi:10.1007/978-3-540-70987-9_42

Cited by 7 publications

(4 citation statements)

References 2 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In contrast, intentional misuse of help features to obtain answers without thinking, sometimes by clicking through hints rapidly, is associated with poorer learning (Aleven et al, 2004;Baker et al 2004b). It also matters which type of help a student uses; students who most frequently use lowlevel help (which is more explicit) tend to show lower learning (Mathews et al 2008) than students who focus on help related to concepts.…”

Section: Help Seeking Within Online Learningmentioning

confidence: 99%

Towards Understanding How to Assess Help-Seeking Behavior Across Cultures

Ogan

Walker

Baker

et al. 2014

Int J Artif Intell Educ

View full text Add to dashboard Cite

In recent years, there has been increasing interest in automatically assessing help seeking, the process of referring to resources outside of oneself to accomplish a task or solve a problem. Research in the United States has shown that specific helpseeking behaviors led to better learning within intelligent tutoring systems. However, intelligent tutors are used differently by students in different countries, raising the question of whether the same help-seeking behaviors are effective and desirable in different cultural settings. To investigate this question, models connecting help-seeking behaviors with learning were generated from datasets from students in three countriesCosta Rica, the Philippines, and the United States, as well as a combined dataset from all three sites. Each model was tested on data from the other countries. This study found that models of effective help seeking transfer to some degree between the United States and Philippines, but not between those countries and Costa Rica. Differences may be explained by variations in classroom practices between the sites; for example, greater collaboration observed in the Costa Rican site indicates that much help seeking occurred outside of the technology. Findings indicate that greater care should be taken when assuming that the models underlying AIED systems generalize across cultures and contexts.

show abstract

Section: Help Seeking Within Online Learningmentioning

confidence: 99%

Towards Understanding How to Assess Help-Seeking Behavior Across Cultures

Ogan

Walker

Baker

et al. 2014

Int J Artif Intell Educ

View full text Add to dashboard Cite

show abstract

“…For instance, it was found that higher learning gains were achieved when students paused to think and reason a hint, and elicit its implications (Shih, Koedinger, & Scheines, 2008), or when time-spent was properly allocated on help-seeking during problem solving (Arroyo & Woolf, 2005). Furthermore, it was also shown that the learning outcomes were low when learners intentionally misused help features and requested hints at a random time to obtain answers (Aleven et al, 2003;Baker et al, 2004), or frequently used executive help (Mathews, Mitrovi c, & Thomson, 2008).…”

Section: Related Workmentioning

confidence: 99%

The impact of on‐demand metacognitive help on effortful behaviour: A longitudinal study using task‐related visual analytics

Papamitsiou

Economides

2020

Computer Assisted Learning

View full text Add to dashboard Cite

This longitudinal study investigates the differences in learners' effortful behaviour over time due to receiving metacognitive help-in the form of on-demand taskrelated visual analytics. Specifically, learners' interactions (N = 67) with the tasks were tracked during four self-assessment activities, conducted at four discrete points in time, over a period of 8 weeks. The considered and coded time points were: (a) prior to providing the metacognitive help; (b) while the task-related visual analytics were available (treatment); (c) after the removal of the treatment; and (d) while the option to receive metacognitive help was available again. To measure learners' effortful behaviour across the self-assessment activities, this study utilized learners' responsetimes to correctly/wrongly complete the tasks and on-task effort expenditure. The panel data analysis shown that the usage of metacognitive help caused statistically significant changes in learners' effortful behaviour, mostly in the third and fourth phase. Statistically significant changes were detected also in the usage of metacognitive help. These results provide empirical evidence on the benefits of taskrelated visual analytics to support learners' on-task engagement, and suggest relevant cues on how metacognitive help could be designed and prompted by focusing on the "task", instead of the "self".

show abstract

“…For example, higher learning gains are achieved when students pause to think and reason a hint, and elicit its implications (Shih et al, 2008), or when time-spent is properly allocated on help-seeking during problem solving (Arroyo & Woolf, 2005). On the contrary, the achieved learning outcomes are low when learners intentionally misuse the help features and request for hints at a random time to obtain answers (Aleven et al, 2003;Baker, Corbett, Koedinger, & Wagner, 2004), or frequently use executive help (Mathews et al, 2008).…”

Section: What Is Already Know About the Topicmentioning

confidence: 99%

“…On the contrary, the achieved learning outcomes are low when learners intentionally misuse the help features and request for hints at a random time to obtain [159] answers (Aleven et al, 2003;R. Baker et al, 2004), or frequently use executive help (Mathews, Mitrović, & Thomson, 2008).…”

Section: Help-seeking In Digital Learning Environmentsmentioning

confidence: 99%

Supporting learners’ capacity for autonomous decisions using learning analytics

Papamitsiou¹,

Παπαμήτσιου²

View full text Add to dashboard Cite

Το αντικείμενο της παρούσας διατριβής αφορά στην υποστήριξη των αυτόνομων αποφάσεων μάθησης με τη χρήση αναλυτικών δεδομένων μάθησης, καθώς και στην ανάπτυξη ενός μοντέλου που ολιστικά αξιολογεί την ανάπτυξη των ικανοτήτων αυτόνομης μάθησης. Πέντε ερευνητικοί στόχοι τέθηκαν και διερευνήθηκαν μέσα από τα αντίστοιχα ερευνητικά ερωτήματα. Οι στόχοι αυτοί ήταν οι εξής: 1) η ερμηνεία της μαθησιακής επίδοσης και η κατανόηση των παραγόντων στους οποίους οφείλεται, μέσα από μια οπτική ανάλυσης των πραγματικών αλληλεπιδράσεων, 2) η ανάπτυξη δυναμικών μοντέλων εκπαιδευόμενων σε πραγματικό χρόνο και βασισμένων σε αναλυτικά δεδομένα μάθησης, για την έγκαιρη εξατομικευμένη υποστήριξή τους, 3) η σχεδίαση και παροχή μεταγνωστικής βοήθειας ως οπτικοποιημένα αναλυτικά δεδομένα μάθησης, με σκοπό την προώθηση της αυτόνομης μάθησης, 4) η δυνατότητα εξάσκησης του αυτόνομου ελέγχου σε περιβάλλοντα που επιτρέπουν τις αυτόνομες επιλογές και η αξιολόγηση της επίδρασης των επιλογών των εκπαιδευόμενων στην τελική μαθησιακή τους επίδοση, και 5) η διερεύνηση των αυτόνομων αποφάσεων σε συνθήκες συνεργατικής μάθησης. Η παρούσα διατριβή αποτελεί την πρώτη προσπάθεια εφαρμογής των αναλυτικών δεδομένων μάθησης για την κατανόηση, ερμηνεία και μοντελοποίηση των παραμέτρων που σχετίζονται με την ανάπτυξη δεξιοτήτων μαθησιακής αυτονομίας. Η σχετική βιβλιογραφία παρουσιάζει κενό στην θεματική αυτή περιοχή. Για την υλοποίηση της έρευνας σχεδιάστηκε και υλοποιήθηκε μια σειρά από εμπειρικές μελέτες και πειραματικές μετρήσεις στις οποίες αναπτύχθηκαν αναλυτικά δεδομένα μάθησης για την υποστήριξη της αυτόνομης μάθησης από τρεις διαφορετικές προσεγγίσεις: (α) ως κατ’ απαίτηση αναζήτηση μεταγνωστικής βοήθειας ως οπτικοποιημένα αναλυτικά δεδομένα μάθησης, (β) ως (ημι-)αυτόνομη επιλογή και έλεγχος της προσαρμοσμένης διαδικασίας γνωστικής αυτό-αξιολόγησης, και (γ) ως παιγνιοθεωρητικές ομαδικές συστάσεις εκπαιδευτικών πηγών σε συνθήκες συνεργατικής μάθησης. Λαμβάνοντας υπόψη και τις τρεις αυτές προσεγγίσεις, η διατριβή παρέχει μια ολιστική θεώρηση του πώς τα τεχνολογικά υποβοηθούμενα εκπαιδευτικά περιβάλλοντα μπορούν να υποστηρίξουν τους εκπαιδευόμενους στην ανάπτυξη μαθησιακής αυτονομίας. Τα αναλυτικά δεδομένα μάθησης αντλούνται με πολλές διαφορετικές τεχνικές και μεθόδους εξόρυξης γνώσης, και καλύπτουν ένα ευρύ φάσμα παραμέτρων που σχετίζονται με τη συμπεριφορά, τα κίνητρα και το γνωσιακό επίπεδο των εκπαιδευόμενων.Η συνολική συνεισφορά της παρούσας διατριβής συνοψίζεται ως εξής:1. Αξιοποιεί τα αναλυτικά δεδομένα μάθησης, και με γνώμονα αυτά, προτείνει και αξιολογεί ένα ολιστικό μοντέλο για την ερμηνεία της μαθησιακής επίδοσης σε διαδικασίες συνοπτικής αυτό-αξιολόγησης της μάθησης με ερωτήσεις-ασκήσεις πολλαπλής επιλογής. Αντίστοιχο μοντέλο δεν υπήρχε στη σχετική βιβλιογραφία, 2. Προτείνει και αξιολογεί δυναμικά και συνεκτικά μοντέλα εκπαιδευόμενων που βασίζονται σε αναλυτικά δεδομένα μάθησης, και ενσωματώνει στα μοντέλα αυτά μια διάσταση χρονικής δυναμικής (temporal dynamics) προκειμένου να διασφαλιστεί η «επίγνωση επί του παρόντος (current-awareness)» υιοθετώντας την προσαρμοστική κατηγοριοποίηση των δυναμικών ροών δεδομένων για τη μοντελοποίηση των εκπαιδευόμενων, 3. Για πρώτη φορά στη βιβλιογραφία αναπτύσσει και χρησιμοποιεί τα αναλυτικά δεδομένα μάθησης για τη μέτρηση των αυτόνομων αλληλεπιδράσεων κατά τη διάρκεια προσαρμοστικών και σταθερών διαδικασιών αυτό-αξιολόγησης της γνώσης, με στόχο να υποστηρίξει τη ανάπτυξη δεξιοτήτων μαθησιακής αυτονομίας. Επίσης, πρωτότυπη κρίνεται η εφαρμογή της Θεωρίας Παιγνίων για τη λήψη αποφάσεων και την καθοδήγηση των ομαδικών συστάσεων. Τέλος, η πρόταση ενός ολιστικού μοντέλου αξιολόγησης της ανάπτυξης της ικανότητας για αυτόνομη μάθηση, βασισμένου σε αντιλήψεις για την αυτορρύθμιση και σε αναλυτικά δεδομένα μάθησης που πρακτικά καταγράφουν την αυτορρύθμιση, αποτελεί καινοτομία που «ανοίγει» μια ολόκληρη ερευνητική περιοχή.

show abstract

Analysing High-Level Help-Seeking Behaviour in ITSs

Cited by 7 publications

References 2 publications

Towards Understanding How to Assess Help-Seeking Behavior Across Cultures

Towards Understanding How to Assess Help-Seeking Behavior Across Cultures

The impact of on‐demand metacognitive help on effortful behaviour: A longitudinal study using task‐related visual analytics

Supporting learners’ capacity for autonomous decisions using learning analytics

Contact Info

Product

Resources

About