< Terug naar vorige pagina

Project

Meten en optimaliseren van latente variabelen in door technologie ondersteunde leercontexten

Dit doctoraat onderzoekt het meten van latente variabelen, via twee gevalsstudies over het meten van betrokkenheid en mentale belasting. Deze studies monitoren verschillende databronnen en peilen terzelfdertijd via zelfrapportage naar de latente variabele in kwestie. Op die manier kunnen de studies nagaan welke databronnen gerelateerd zijn aan de latente variabele. Het blijkt dat sommige databronnen weliswaar significant gerelateerd zijn aan de zelfrapportage score, maar dat een meetmodel deze score zelf niet nauwkeurig kan benaderen, omdat effectgroottes eerder klein zijn.

Hoewel deze twee gevalsstudies zich richten op de specifieke concepten van betrokkenheid en mentale belasting, geven ze ook aanleiding tot meer algemeen bruikbare richtlijnen. Zo wordt een stappenplan opgesteld dat dienst kan doen als richtsnoer voor onderzoekers die latente variabelen wensen te meten. Daarnaast beschrijft deze thesis ook hoe verschillende statistische technieken en machine learning technieken ingezet kunnen worden, met het specifiek doel van het meten van latente variabelen voor ogen.

Scores verkregen via zelfrapportage zijn zeker niet perfect, maar ze vormen wel een interessante grondwaarheid om uit te zoeken welke databronnen verband houden met een latente variabele. Niettemin beïnvloeden toevallige en systematische afwijkingen van dergelijke scores de nauwkeurigheid en validiteit van het bijhorende meetmodel. Het is aangeraden om de condities van een dataverzameling zodanig te ontwerpen dat ze aanleiding geven tot een zo groot mogelijke variantie in de te onderzoeken latente variabele. Daarnaast kan het helpen om de validiteit van zelfrapportage te verhogen, via o.a. confidentialiteit, anonimiteit en een duidelijke vraagstelling (Morsbach & Prinz, 2006).

Dit doctoraatsonderzoek heeft naast het meten van latente variabelen ook als doel om deze te optimaliseren. Een eerste studie vindt plaats in een hybride klaslokaal en probeert de betrokkenheid van zowel de aanwezige studenten als hun virtuele klasgenoten te optimaliseren. De onderzoeksresultaten konden deze leerruimte verder verbeteren, zowel vanuit technisch als pedagogisch oogpunt.

Daarnaast onderzoekt een andere studie het optimaliseren van werkinstructies als cognitieve ondersteuning tijdens assemblage door middel van Augmented Reality (AR). Het blijkt dat AR interessante voordelen heeft, in het bijzonder voor nieuwe operatoren. Een andere studie onderzoekt het effect van AR instructies met een verschillend niveau van detail. Deze ondersteuningsniveaus blijken doorgaans weinig te verschillen, al ervaren operatoren een taak wel als minder complex naarmate ze instructies krijgen met meer details. Vermoedelijk maken verschillende ondersteuningsniveaus enkel een verschil als taken voldoende ingewikkeld zijn (Ginns, 2006; Reiser, 2004).

Deze thesis biedt ook meer inzicht in de vraag over wat datagedreven methoden wel en niet kunnen in termen van het meten van latente variabelen. We beschouwen drie criteria die mee bepalen hoe waarschijnlijk het is om een latente variabele precies te meten. Deze zijn 1) de mate waarin de relevante databronnen gemonitord worden, 2) de hoeveelheid observaties en 3) de mate waarin het verband tussen de databronnen en de latente variabele logisch en consistent is.

Het toenemend belang van levenslang leren (OECD, 2019) en de digitalisering hebben leren en technologie sterk met elkaar verweven. Dit brengt zowel uitdagingen als interessante kansen met zich mee, zoals het blootleggen van leerprocessen of het optimaliseren van technologie-ondersteunend leren. Deze thema’s zullen ongetwijfeld interessante mogelijkheden voor onderzoek en ontwikkeling blijven bieden in de toekomst.

Datum:24 aug 2017 →  10 sep 2021
Trefwoorden:Multimodal learning analytics, Student engagement, Multi-location learning, Cognitive load, Latent variables, Augmented reality
Disciplines:Biologische en fysiologische psychologie, Algemene psychologie, Andere psychologie en cognitieve wetenschappen
Project type:PhD project