Algoritme adaptif yang dirancang untuk proses pendidikan cenderung menghasilkan hasil yang beragam . Sementara aplikasi yang mengajarkan bahasa, matematika, dan literasi menunjukkan hasil yang dijanjikan, area lain cenderung tidak cocok untuk bot guru. Sebuah tim peneliti pendidikan Belanda, bagaimanapun, baru-baru ini berkelana ke medan yang relatif belum dijelajahi. Dipimpin oleh Karel Kroeze dari University of Twente, tim menciptakan algoritma adaptif yang akan membangun dan membantu membantu pelajar dalam hipotesis ilmiah. 

Masalah dengan Pembentukan Hipotesis K-12

Dalam pendidikan K-12, pembentukan hipotesis bisa menjadi proses yang penuh. Sementara pembelajaran berbasis inkuiri umumnya dianggap sebagai pedagogi yang beralasan, para peneliti telah mengidentifikasi masalah dalam proses pembentukan inkuiri. Dengan kata lain, sementara siswa cenderung bertanya-tanya dengan ketika mereka mengajukan pertanyaan, mereka juga dapat berjuang untuk mengajukan pertanyaan yang produktif sejak awal. 

Seperti Kroeze dkk. menulis, “Penelitian secara konsisten menunjukkan bahwa inkuiri adalah proses kompleks di mana siswa membuat kesalahan. Secara khusus, siswa dari segala usia memiliki masalah dalam merumuskan hipotesis, terutama ketika mereka tidak terbiasa dengan topik inkuiri, dan ketika data eksperimen tidak normal. Akibatnya, beberapa siswa menghasilkan hipotesis pada akun mereka sendiri, dan ketika mereka melakukannya, mereka sering berpegang pada hipotesis tunggal yang diketahui (yaitu, bias konfirmasi) atau pernyataan tidak tepat yang tidak dapat diuji dalam penelitian. kecenderungan alam ini menunjukkan bahwa pembelajaran di kuiri yang tidak terarah mungkin tidak efektif. 

Namun,   pembelajaran inkuiri terbimbing telah terbukti lebih baik dibandingkan dengan instruksi langsung dan pembelajaran inkuiri tidak terarah, dan membantu menumbuhkan pemahaman konseptual yang lebih dalam.”

Algoritma Adaptif

Kroeze dan membuat mulai membuat algoritme yang dapat membantu membimbing siswa dalam proses pembuatan hipotesis. Untuk melakukan ini, algoritme perlu melakukan dua hal: 1) hipotesis siswa dan 2) memberikan umpan balik tentang kualitas. 

Untuk mengatasi tugas 1), tim Merujuk pada pendidikan ME Quinn dan KD George yang, dalam artikel tahun 1975, Menemukan 5 kualitas hipotesis yang baik. Ini adalah:

“(1)  masuk akal ; (2)  bersifat empiris , hubungan ilmiah (sebagian); (3)  cukup , hubungan ilmiah antara paling sedikit dua variabel; (4)  tepat— hubungan yang memenuhi syarat dan/atau ketentuan; dan (5)  menyatakan sebuah tes , pernyataan eksplisit dari sebuah tes.”

Menggunakan seperangkat istilah tata bahasa bebas konteks untuk mendefinisikan bahasa alami (mengikuti karya Noam Chomsky), tim tersebut membuat algoritme untuk platform sains online Go-Lab. Ini terintegrasi dengan fitur papan gores hipotesis pada platform. Algoritme adaptif memungkinkan siswa untuk menggunakan istilah yang telah diprogram sebelumnya seperti 'jika,' 'maka,' 'meningkat,' 'menurun,' 'sama dengan,' dan seterusnya untuk menulis hipotesis mereka. Mereka kemudian diberi pilihan untuk membentuk beberapa hipotesis dan, jika mereka mau, untuk meminta bantuan algoritma.

percobaan

Para peneliti kemudian menguji algoritme ini uji dalam tiga pengaturan yang berbeda, menciptakan dua kelompok di masing-masing, dengan satu kelompok dan yang lainnya bertindak sebagai kontrol.

“Sebuah studi percontohan awal dilakukan dengan versi awal pengurai hipotesis untuk pertimbangan penilaian secara otomatis menggunakan tata bahasa bebas konteks. Setelah itu, studi percontohan kedua dilakukan dengan versi parser yang lengkap untuk Identifikasi masalah yang tersisa dengan parser dan ruang belajar inkuiri (ILS) sebelum melanjutkan ke percobaan terakhir. Eksperimen akhir menggunakan desain eksperimen untuk menilai manfaat alat dalam meningkatkan hipotesis siswa.”

Hasil

Seperti banyak eksperimen, para peneliti mampu menghasilkan hasil positif untuk alat mereka di lingkungan laboratorium. Tinggal di kelas, hasil mereka lebih beragam. 

Namun, saat menguji hasil pendidikan, pelajar yang menggunakan algoritme yang meminta bantuan cenderung mendapat skor lebih tinggi daripada rekan-rekan mereka di kelompok kontrol. Sebagai penulis menyimpulkan:

“Sebuah buku catatan hipotesis yang memberikan umpan balik langsung kepada siswa tentang hipotesis yang mereka implementasikan menggunakan tata bahasa bebas konteks. Papan penggores otomatis terbukti efektif; siswa yang menggunakan fungsi umpan baliknya menciptakan hipotesis yang lebih baik daripada mereka yang tidak. Penggunaan tata bahasa bebas konteks membuatnya relatif mudah untuk memisahkan sintaks dasar hipotesis, konstruksi bahasa khusus, dan implementasi domain khusus. Pemisahan ini memungkinkan adaptasi cepat alat ke bahasa dan domain baru, memungkinkan konfigurasi oleh guru, dan penyertaan dalam berbagai lingkungan penyelidikan.”

Kesimpulan ini menarik. Mereka menunjukkan bahwa algoritma adaptif dan pembelajaran yang dipersonalisasi mungkin memiliki peran penting untuk dimainkan di masa depan pendidikan sains.

Baca kajian lengkapnya di sini .

sumber:
https://news-elearninginside-com.translate.goog/an-adaptive-algorithm-for-k-12-science-shows-promising-results