/ en / Traditional / help

Beats Biblionetz - Texte

Trace-SRL

A Framework for Analysis of Microlevel Processes of Self-Regulated Learning From Trace Data
John Saint, Alexander Whitelock-Wainwright, Dragan Gasevic, Abelardo Pardo
Publikationsdatum:
Erste Seite des Textes (PDF-Thumbnail)
Dieses Biblionetz-Objekt existiert erst seit Juni 2024. Es ist deshalb gut möglich, dass viele der eigentlich vorhandenen Vernetzungen zu älteren Biblionetz-Objekten bisher nicht erstellt wurden. Somit kann es sein, dass diese Seite sehr lückenhaft ist.

iconZusammenfassungen

The recent focus on learning analytics (LA) to analyze temporal dimensions of learning holds the promise of providing insights into latent constructs, such as learning strategy, selfregulated learning (SRL), and metacognition. These methods seek to provide an enriched view of learner behaviors beyond the scope of commonly used correlational or cross-sectional methods. In this article, we present a methodological sequence of techniques that comprises: 1) the strategic clustering of learner types; 2) the use of microlevel processing to transform raw trace data into SRL processes; and 3) the use of a novel process mining algorithm to explore the generated SRL processes. We call this the “Trace-SRL” framework. Through this framework, we explored the use of microlevel process analysis and process mining (PM) techniques to identify optimal and suboptimal traits of SRL. We analyzed trace data collected from online activities of a sample of nearly 300 computer engineering undergraduate students enrolled on a course that followed a flipped class-room pedagogy. We found that using a theory-driven approach to PM, a detailed account of SRL processes emerged, which could not be obtained from frequency measures alone. PM, as a means of learner pattern discovery, promises a more temporally nuanced analysis of SRL. Moreover, the results showed that more successful students regularly engage in a higher number of SRL behaviors than their less successful counterparts. This suggests that not all students are sufficiently able to regulate their learning, which is an important finding for both theory and LA, and future technologies that support SRL.
Von John Saint, Alexander Whitelock-Wainwright, Dragan Gasevic, Abelardo Pardo im Text Trace-SRL (2020)

iconDieser wissenschaftliche Zeitschriftenartikel erwähnt ...


Begriffe
KB IB clear
Algorithmusalgorithm , Computercomputer , learning analyticslearning analytics , Lernenlearning , Metakognitionmetacognition , Selbstreguliertes Lernen , Theorietheory

iconDieser wissenschaftliche Zeitschriftenartikel erwähnt vermutlich nicht ... Eine statistisch erstelle Liste von nicht erwähnten (oder zumindest nicht erfassten) Begriffen, die aufgrund der erwähnten Begriffe eine hohe Wahrscheinlichkeit aufweisen, erwähnt zu werden.

icon
Nicht erwähnte Begriffe
Schule

iconVolltext dieses Dokuments

Auf dem WWW Trace-SRL: Artikel als Volltext (lokal: PDF, 3920 kByte; WWW: Link OK )

iconAnderswo suchen  Auch im Biblionetz finden Sie nicht alles. Aus diesem Grund bietet das Biblionetz bereits ausgefüllte Suchformulare für verschiedene Suchdienste an. Biblionetztreffer werden dabei ausgeschlossen.

iconBeat und dieser wissenschaftliche Zeitschriftenartikel

Beat hat Dieser wissenschaftliche Zeitschriftenartikel erst in den letzten 6 Monaten in Biblionetz aufgenommen. Er hat Dieser wissenschaftliche Zeitschriftenartikel einmalig erfasst und bisher nicht mehr bearbeitet. Beat besitzt kein physisches, aber ein digitales Exemplar. Eine digitale Version ist auf dem Internet verfügbar (s.o.). Aufgrund der wenigen Einträge im Biblionetz scheint er es nicht wirklich gelesen zu haben. Es gibt bisher auch nur wenige Objekte im Biblionetz, die dieses Werk zitieren.

iconBiblionetz-History Dies ist eine graphische Darstellung, wann wie viele Verweise von und zu diesem Objekt ins Biblionetz eingetragen wurden und wie oft die Seite abgerufen wurde.