教室蒲公英:可视化参与者的位置、轨迹和身体朝向增强教师的理解
作者
可视化感知与认知协作学习与同伴教学用户研究方法(访谈、调查、观察)中小学教师(K-12)职业培训师与教练
文献标题
Classroom Dandelions: Visualising Participant Position, Trajectory and Body Orientation Augments Teachers’ Sensemaking
文献信息
- 主题领域: 教学空间中的数据可视化与学习分析
- 关键词: 学习分析,室内定位,团队合作,多模态数据,可视化,教学技术
研究背景与问题
-
发现的问题或挑战:
- 尽管教育中数字化技术已取得许多进展,但如何高效利用物理教学空间,仍是教学与学习中的重要问题。
- 学生和教师的空间行为(如位置、身体方向)对课堂活动的影响尚未被充分研究,尤其是在动态学习环境中。
- 仅依靠轨迹数据或热图来研究教师与学生的空间互动可能导致误解,因为身体朝向这一关键参数通常未被考虑。
-
研究重要性:
- 教师的空中行为(如位置变化、身体朝向)与教学效果密切相关。
- 新兴的传感技术提供了自动建模空间行为的可能性,为教师的专业发展、课堂资源分配及教学设计优化带来了潜在价值。
-
研究动机与相关工作:
- 当前关于教学空间分析的研究多聚焦于距离和位置的分析,但未充分考虑身体的朝向信息。
- 本文旨在填补这一研究空白,设计一种能有效视觉化位置、轨迹与身体方向的工具,用于支持教师对课堂行为的解读与反思。
解决方案
-
提出的解决方案:
- 设计并提出了一种创新的可视化工具,被称为“蒲公英图”(Dandelion Diagram),该工具结合参与者的位置、运动轨迹和身体方向,帮助教师理解课堂空间行为。
-
创新之处:
- 新工具在传统热图基础上,引入了轨迹与身体朝向的可视化元素。
- 提供了针对动态学习环境的多维度空间行为可视化方法,包括教师与学生之间的互动模式。
-
实施步骤与关键技术:
- 使用超宽带(UWB)传感器系统记录教师和学生的x-y坐标及身体方向数据。
- 将数据通过蒲公英图的四个主要设计特性可视化:聚光灯模型、轨迹连接、叠加密度与颜色编码。
- 在两个真实教学场景中(科学实验室和护理仿真),展示这种可视化方法,并通过访谈了解教师的使用反馈。
研究成果
-
具体成果:
- 蒲公英图帮助教师区分热图中难以察觉的空间行为模式(如监督 vs. 观察,面向一个目标 vs. 环视空间)。
- 通过结合身体方向数据,有效使得教师从位置数据中解读课堂互动和行为模式。
-
优势对比:
- 相较于传统热图,蒲公英图通过聚焦用户的身体朝向与轨迹信息,更准确地反映了教师的注意力分配和互动情况。
- 与视频分析相比,这种可视化工具节省教师时间,提供了简洁的事件反馈。
-
实验与评估结果:
- 大多数教师表示该工具有效增强了他们对课堂行为的洞察,例如检测到的教师共教(co-teaching)场景及团队工作中的领导不足。
- 教师普遍认为蒲公英图能够辅助教学反思和专业培训,并用于案例对比与同伴学习。
-
局限性与未来方向:
- 局限性:
- 教师的初次使用有潜在的过度解读风险(例如,将身体方向误认为是互动证据)。
- 当前系统较为依赖昂贵的传感器设备,限制了其大范围应用。
- 研究范围仅覆盖科学与健康领域的高等教育课堂,尚待在更多环境下验证。
- 未来方向:
- 探索集成性更强的工具,将视觉化与事件视频结合,实现高效导航与回放。
- 推动对不同教育水平和学科的扩展研究,例如中小学教育。
- 丰富可视化参数,比如绝对时间和互动频率,以增强信息的透明性和应用性。
- 局限性:
总结
本文研究开发了一种名为蒲公英图的可视化技术,用以研究教育环境中的空间行为数据,并通过两个真实的教育场景验证了其有效性。这项研究为课堂中的学习分析提供了新工具,有助于提升教师的教学反思能力以及学生团队合作的效率。然而,如何降低技术传播过程中的误用风险,以及如何更广泛应用于不同教育环境,是未来的关键挑战与发展方向。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 教师的空间行为(如位置、身体朝向)如何影响课堂活动的有效性?分类: 课堂分析与学习可视化同类问题arrow_forward
- 如何可视化结合位置、轨迹和身体朝向的数据以帮助教师反思课堂行为?分类: 课堂分析与学习可视化同类问题arrow_forward
- “蒲公英图”能否提供比传统热图和视频分析更有效的教学洞察?分类: 课堂分析与学习可视化同类问题arrow_forward
lightbulb
现实痛点
1- 教师难以有效利用动态课堂空间来识别互动和行为模式。分类: 课堂分析与学习可视化同类问题arrow_forward
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3491102.3517736
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
可视化感知与认知、协作学习与同伴教学、用户研究方法(访谈、调查、观察)
work
职业/产业
中小学教师(K-12)、职业培训师与教练
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文