نقش سواد داده در ارتقای کیفیت یادگیری هوشمند دانشجویان
کلمات کلیدی:
سواد داده, یادگیری هوشمند, تحلیل یادگیری, آموزش عالی, مهارت‌های دادهمحورچکیده
هدف از این پژوهش، بررسی نقش سواد داده در بهبود کیفیت یادگیری هوشمند دانشجویان و تبیین چگونگی تأثیر مهارت‌های تحلیلی داده‌محور بر خودتنظیمی، تصمیم‌گیری آموزشی و درگیری شناختی در محیط‌های یادگیری دیجیتال است. این پژوهش از نوع مرور نظام‌مند کیفی است که با رویکرد تحلیل محتوای استقرایی انجام شد. داده‌ها صرفاً از طریق مرور متون و اسناد علمی گردآوری شدند. جست‌وجوی نظام‌مند در پایگاه‌های Scopus، Web of Science، ERIC، Springer و Google Scholar صورت گرفت و بر اساس معیارهای ورود، دوازده مقاله مرتبط با موضوع انتخاب گردید. داده‌ها با استفاده از نرم‌افزار NVivo نسخه 14 تحلیل شدند. در مراحل کدگذاری باز، محوری و انتخابی، مفاهیم و مقوله‌های اصلی استخراج شدند و فرایند تحلیل تا رسیدن به اشباع نظری ادامه یافت. برای اطمینان از روایی و پایایی داده‌ها، از بازبینی همتایان و هم‌پوشانی تحلیل‌ها بهره گرفته شد. نتایج نشان داد که سواد داده با بهبود درک مفهومی داده‌ها، توسعه مهارت‌های تحلیلی و تقویت تفکر انتقادی، نقش مهمی در ارتقای کیفیت یادگیری هوشمند ایفا می‌کند. دانشجویان دارای سواد داده بالا توانستند بازخوردهای داده‌محور را برای تنظیم راهبردهای یادگیری و تصمیم‌گیری آموزشی به کار گیرند. همچنین، سواد داده موجب افزایش انگیزش درونی، احساس کنترل بر یادگیری و ارتقای عملکرد تحصیلی شد. یافته‌ها حاکی از آن است که تلفیق سواد داده با فناوری‌های یادگیری هوشمند از جمله هوش مصنوعی و یادگیری ماشین، بستر مؤثری برای شخصی‌سازی یادگیری و یادگیری بازتابی فراهم می‌آورد. نتایج پژوهش بیانگر آن است که سواد داده به‌عنوان مهارتی چندبعدی شامل ابعاد شناختی، اخلاقی و فنی، کلید اصلی ارتقای کیفیت یادگیری هوشمند در آموزش عالی است. پرورش این مهارت در برنامه‌های دانشگاهی می‌تواند به توانمندسازی دانشجویان در تصمیم‌گیری مبتنی بر داده، یادگیری خودراهبر و تفکر تحلیلی منجر شود.
دانلودها
مراجع
Calzada Prado, J., & Marzal, M. Á. (2013). Incorporating data literacy into information literacy programs: Core competencies and contents. Libri, 63(2), 123–134. https://doi.org/10.1515/libri-2013-0010
Chen, X., Xie, H., Zou, D., & Hwang, G.-J. (2022). Application and theory gaps during the rise of Artificial Intelligence in education. Computers and Education: Artificial Intelligence, 3, 100081. https://doi.org/10.1016/j.caeai.2022.100081
Fischer, C., Pardos, Z. A., Baker, R. S., Williams, J. J., Smyth, P., Yu, R., & Warschauer, M. (2020). Mining big data in education: Affordances and challenges. Review of Research in Education, 44(1), 130–160.
Frank, M., Walker, J., & Boud, D. (2016). Using data to support learning in higher education: A review. Teaching in Higher Education, 21(6), 682–699.
Ifenthaler, D., & Yau, J. Y.-K. (2020). Utilising learning analytics to support study success in higher education: A systematic review. Educational Technology Research and Development, 68(4), 1961–1999.
Janssen, J., Stoyanov, S., Ferrari, A., Punie, Y., Pannekeet, K., & Sloep, P. (2017). Experts’ views on digital competence: Commonalities and differences. Computers & Education, 68, 473–481.
Jarke, J., & Breiter, A. (2023). The datafication of higher education: Critical questions and possible futures. Learning, Media and Technology, 48(1), 1–16.
Koltay, T. (2017). Data literacy for researchers and data librarians. Journal of Librarianship and Information Science, 49(1), 3–14.
Lu, O. H. T., Huang, A. Y. Q., Huang, J. C. H., Lin, A. J. Q., Ogata, H., & Yang, S. J. H. (2018). Applying learning analytics for the early prediction of students’ academic performance in blended learning. Educational Technology & Society, 21(2), 220–232.
Mandinach, E. B., & Gummer, E. S. (2016). What does it mean for teachers to be data literate: Laying out the skills, knowledge, and dispositions. Teaching and Teacher Education, 60, 366–376.
Pangrazio, L., & Godhe, A.-L. (2019). Reconceptualising critical data literacy for the digital age. Big Data & Society, 6(2), 1–11.
Pangrazio, L., & Sefton-Green, J. (2021). Digital rights, digital citizenship and data literacy. Learning, Media and Technology, 46(3), 290–301.
Ridsdale, C., Rothwell, J., Smit, M., Ali-Hassan, H., Bliemel, M., Irvine, D., Kelley, D., & Wuetherick, B. (2015). Strategies and best practices for data literacy education: Knowledge synthesis report. Dalhousie University.
Schmid, R. F., Bernard, R. M., Borokhovski, E., Tamim, R. M., Abrami, P. C., Wade, C. A., & Woods, J. (2020). The effects of technology use in postsecondary education: A meta-analysis of classroom applications. Computers & Education, 143, 103667.
Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30–40.
