E-ÖĞRENME ORTAMLARINDA ÖĞRENEN ÖZELLİKLERİNE DAYALI ETKİLEŞİM PROFİLLERİNİN BELİRLENMESİ

Yıl 2017, Cilt: 7 Sayı: 2, 172 - 192, 11.07.2017

Muhittin Şahin , Sinan Keskin , Adem Özgür , Halil Yurdugül

https://doi.org/10.17943/etku.297075

Cited By: 8

Öz

Öğrenenlerin e-öğrenme ortamlarındaki
etkileşimlerine dayalı profillerinin belirlenmesi öğretim tasarımında ve
e-öğrenme ortamlarının tasarlanmasında önemli bir yere sahiptir. Etkileşim
profilleri, farklı özelliklere sahip e-öğrenenlerin e-öğrenme ortamlarındaki
etkileşimlerini ifade etmektedir ve bu araştırmada güdülenme ve öğrenme
stratejileri açısından öğrenenlerin e-öğrenme ortamlarındaki etkileşim
profillerinin belirlenmesi amaçlanmıştır. Araştırma altı hafta boyunca
Bilgisayar Ağları ve İletişim dersini alan 65 öğrenen ile yürütülmüştür. Öğrenenler
ders bağlamında öğrenme yönetim sistemi (ÖYS) olarak Moodle ortamını kullanarak
e-öğrenme yaşantıları geçirmiştir. Bu ortamda öğrenenler ders ile ilgili
içerikler, tartışma ortamları, değerlendirme görevleri ve öğretici ile
etkileşime girmişlerdir. Araştırma verileri; öz bildirim (bilişsel strateji ve güdülenme
kaynakları) ve etkileşim verilerinin veri tabanında tutulmasıyla elde
edilmiştir. Öğrenenlerin öğrenme stratejileri içerisinde yer alan bilişsel
stratejileri olarak yineleme, açımlama ve düzenleme; güdülenme kaynakları
olarak ise görev değeri ve sınav kaygısı ele alınmıştır. Etkileşim verileri ise
Moodle ortamındaki öğrenen-öğrenen, öğrenen-öğretici, öğrenen-içerik,
öğrenen-değerlendirme etkileşimleri olmak üzere dört tema altında
incelenmiştir. Verilerin analizinde ilk olarak öğrenen etkileşimlerine dayalı
bir sıralama yapılmıştır. Bu sıralamayı yapabilmek için gri ilişki analizi
(grey relation analysis) kullanılmıştır. Öğrenenlerin etkileşim profilleri ile
bilişsel stratejiler ve motivasyon kaynakları arasındaki bağıntının
incelenebilmesi amacıyla optimal ölçekleme (optimal scaling) analizinden
yararlanılmıştır. Bu analiz sonucuna göre; yüksek etkileşimde bulunan öğrenenlerin
açımlama ve düzenlemeye dayalı bilişsel stratejilerinin yüksek olduğu, düşük
etkileşimde bulunan öğrenenlerin ise düşük açımlama ve düzenleme bilişsel
stratejilerine sahip oldukları gözlenmiştir. Bununla birlikte, güdülenme
kaynağı olarak görev değeri yüksek olan öğrenenlerin ise genellikle yüksek
düzeyde yineleme stratejilerini kullandıkları görülmüştür. Düşük etkileşim
düzeyinde de olsa; sınav kaygısı yaşayan öğrenenlerin daha çok etkileşime
girdikleri, sınav kaygısından uzak olan öğrenenlerin ise daha az etkileşime
girdikleri bulgusuna ulaşılmıştır. Bu bulguların sonucunda öğrenenlerin tercih
ettikleri bilişsel stratejilerin e-öğrenme ortamlarındaki etkileşimleri
üzerinde önemli bir etken olduğu ortaya çıkmıştır.

Anahtar Kelimeler

E-öğrenme ortamları, etkileşim profilleri, öğrenme stratejileri, güdülenme kaynakları, e-öğrenme davranışları

Kaynakça

• Arkorful, V., & Abaidoo, N. (2015). The role of e-learning, advantages and disadvantages of its adoption in higher education. International Journal of Instructional Technology and Distance Learning, 12(1), 29-42.
• Aydın, C. H. (2003). Uzaktan eğitimin geleceğine ilişkin eğilimler. Elektrik Mühendisliği,
• 419, 28-36.
• Büyüköztürk, Ş., Akgün, Ö. E., Özkahveci, Ö. ve Demirel, F. (2004). Güdülenme ve öğrenme stratejileri ölçeğinin Türkçe formunun geçerlik ve güvenirlik çalışması. Kuram ve Uygulamada Eğitim Bilimleri, 4(2), 207-239.
• Dyckhoff, A.L., Zielke, D., Bültmann, M., Chatti, M.A. ve Schroeder, U. (2012). Design and implementation of a learning analytics toolkit for teachers. Educational Technology & Society, 15(3). 58–76p.
• Ellis, R. K. (2009). A field guide to learning management systems. American Society for Training & Development (ASTD). Retrieved from: http://www.astd.org/~/media/Files/Publications/LMS_fieldguide_20091
• Fardinpour, A., Pedram, M.M. & Burkle, M. (2014). Intelligent Learning Management Systems: Definition, Features and Measurement of Intelligence. International Journal of Distance Education Technologies, 12(4), 19-31.
• Garrison, D. R. (2011). E-learning in the 21st Century: A Framework for Research and Practice. New York: Taylor & Francis.
• Hirumi, A. (2002). A framework for analyzing, designing, and sequencing planned e-learning interactions. The Quarterly Review of Distance Education, 3(2), 141-160.
• Jo, I. H., Park, Y., Yoon, M., & Sung, H. (2016). Evaluation of online log variables that estimate learners’ time management in a Korean online learning context. International Review of Research in Open and Disturbed Learning, 17(1), 195-213.
• Jo, I. H., Yu, T., Lee, H., & Kim, Y. (2015). Relations between student online learning behaviour and academic achievment in higher education: A learning analytic approach. In G. Chen, V. Kumar, Kinshuk, R. Huang, & S. C. Kong (Eds.), Emerging Issues in Smart Learning (pp. 275-286). Berlin: Springer.
• Keller, C., & Cernerud, L. (2002). Students’ perceptions of e‐learning in university education. Journal of Educational Media, 27(1-2), 55-67.
• Kizilcec, R. F., Perez-Sanagusitin, M., & Maldonado, J. J. (2017). Self-regulated learning strategies predict learner behaviour and goal attainment in massive open online courses. Computers & Education, 104, 18-33.
• Kloos, C.D., Pardo, A., Muñoz-Merino, P.J., Gutiérrez, I. ve Leony, D. (2013). Learning Analytics @ UC3M. 2013 IEEE Global Engineering Education Conference (EDUCON), 13-15 March, Berlin, Germany.
• Kruse, K. (2002). The benefits and drawbacks of e-learning. Online: https://www.acsu.buffalo.edu/~marissac/online_learning.docx
• Liu, S., & Lin, Y. (2006). Grey information: theory and practical applications. Springer Science & Business Media.
• Liu, S., Yang, Y., & Forrest, J. (2016). Grey Data Analysis: Methods, Models and Applications. Springer.
• Macfadyen, L. P., & Dawson, S. (2010). Mining LMS data to develop an ―early warning system for educators: A proof of concept. Computers & Education, 54, 588-599.
• Manathunga, C. (2005). Early warning signs in postgraduate research education: A different approach to ensuring timely completions. Teaching in Higher Education, 10(2), 219-233.
• McGill, T. J., & Klobas, J. E. (2009). A task-technology fit viewv of learning management system impact. Computers & Education, 52(2), 496-508.
• Meulman, J. J. (1998). Optimal scaling methods for multivariate categorical data analysis. SPSS White Paper: Chicago.
• Moore, M. G. (1989). Three types of interaction. American Journal of Distance Education, 3(2), 1-6.
• Nistal, M. L., Rodriguez, M. C., & Castro, M. (2011). Use of e-learning functionalities and standards: The Spanish case. IEEE Transactions on Education, 54(4), 540-549.
• Özgür, A. (2015). Öğrenme yönetim sistemlerinde öğrenen-değerlendirme etkileşiminin incelenmesi. Yayınlanmamış yüksek lisans tezi. Hacettepe Üniversitesi.
• Özgür, A., & Yurdugül, H. (2016). The investigation of learner assessment interaction in learning management systems. International Journal of e-Assessment, 1(1), 1-17.
• Pintrich, P. R., Smith, D. A. F., Garcia, T., & McKeachie, W. J. (1991). A Manual for the use of the motivated strategies for learning questionnaire. Ann Arbor, MI: National Center for Research to Improve Postsecondary Teaching and Learning.
• Pintrich, P. R. (1994). Student Motivation in the College Classroom. K. W. Prichard & R. M. Sawyer (Ed.). Handbook of college teaching: Theory and applications. Westport: Greenwood Publishing Group, Inc.
• Reynolds, W. M., & Miller, G. E. (Eds.) (2013). Handbook of Psychology: Volume 7 Educational Psychology (2nd Edition). New Jersey: John Wiley & Sons, Inc.
• Rosenberg, M. J. (2001). E-learning: Strategies for Delivering Knowledge in Digital Age. New York: McGraw-Hill.
• Rubin, B., Fernandes, R., Avgerinou, M. D., & Moore, J. (2010). The effect of learning management systems on student and faculty outcomes. Internet and Higher Education, 13, 82-83.
• Siemens, G., & Gasevic, D. (2012). Guest Editorial - Learning and Knowledge Analytics. Educational Technology & Society, 15(3), 1–2.
• Tabuenca, B., Kalz, M., Drachsler, H., & Specht, M. (2015). Time will tell: The role of mobile learning analytics in self-regulated learning. Computers & Education, 89, 53-75.
• Weinstein, C. E., & Jung, J. (2011). Learning strategies. In V. G. Aukrust (Ed.), Learning and Cognition in Education (pp. 137-143). Oxford: Elsevier.
• Welsh, E. T., Wanberg, C. R., Brown, K. G., & Simmering, M. J. (2003). E-learning: Emerging uses, empirical results and future directions. International Journal of Training and Development, 7(4), 245-258.