E-ÖĞRENME ORTAMLARINDA ÖĞRENEN ÖZELLİKLERİNE DAYALI ETKİLEŞİM PROFİLLERİNİN BELİRLENMESİ

Muhittin Şahin; Sinan Keskin; Adem Özgür; Halil Yurdugül

doi:10.17943/etku.297075

E-ÖĞRENME ORTAMLARINDA ÖĞRENEN ÖZELLİKLERİNE DAYALI ETKİLEŞİM PROFİLLERİNİN BELİRLENMESİ

Öz

Öğrenenlerin e-öğrenme ortamlarındaki etkileşimlerine dayalı profillerinin belirlenmesi öğretim tasarımında ve e-öğrenme ortamlarının tasarlanmasında önemli bir yere sahiptir. Etkileşim profilleri, farklı özelliklere sahip e-öğrenenlerin e-öğrenme ortamlarındaki etkileşimlerini ifade etmektedir ve bu araştırmada güdülenme ve öğrenme stratejileri açısından öğrenenlerin e-öğrenme ortamlarındaki etkileşim profillerinin belirlenmesi amaçlanmıştır. Araştırma altı hafta boyunca Bilgisayar Ağları ve İletişim dersini alan 65 öğrenen ile yürütülmüştür. Öğrenenler ders bağlamında öğrenme yönetim sistemi (ÖYS) olarak Moodle ortamını kullanarak e-öğrenme yaşantıları geçirmiştir. Bu ortamda öğrenenler ders ile ilgili içerikler, tartışma ortamları, değerlendirme görevleri ve öğretici ile etkileşime girmişlerdir. Araştırma verileri; öz bildirim (bilişsel strateji ve güdülenme kaynakları) ve etkileşim verilerinin veri tabanında tutulmasıyla elde edilmiştir. Öğrenenlerin öğrenme stratejileri içerisinde yer alan bilişsel stratejileri olarak yineleme, açımlama ve düzenleme; güdülenme kaynakları olarak ise görev değeri ve sınav kaygısı ele alınmıştır. Etkileşim verileri ise Moodle ortamındaki öğrenen-öğrenen, öğrenen-öğretici, öğrenen-içerik, öğrenen-değerlendirme etkileşimleri olmak üzere dört tema altında incelenmiştir. Verilerin analizinde ilk olarak öğrenen etkileşimlerine dayalı bir sıralama yapılmıştır. Bu sıralamayı yapabilmek için gri ilişki analizi (grey relation analysis) kullanılmıştır. Öğrenenlerin etkileşim profilleri ile bilişsel stratejiler ve motivasyon kaynakları arasındaki bağıntının incelenebilmesi amacıyla optimal ölçekleme (optimal scaling) analizinden yararlanılmıştır. Bu analiz sonucuna göre; yüksek etkileşimde bulunan öğrenenlerin açımlama ve düzenlemeye dayalı bilişsel stratejilerinin yüksek olduğu, düşük etkileşimde bulunan öğrenenlerin ise düşük açımlama ve düzenleme bilişsel stratejilerine sahip oldukları gözlenmiştir. Bununla birlikte, güdülenme kaynağı olarak görev değeri yüksek olan öğrenenlerin ise genellikle yüksek düzeyde yineleme stratejilerini kullandıkları görülmüştür. Düşük etkileşim düzeyinde de olsa; sınav kaygısı yaşayan öğrenenlerin daha çok etkileşime girdikleri, sınav kaygısından uzak olan öğrenenlerin ise daha az etkileşime girdikleri bulgusuna ulaşılmıştır. Bu bulguların sonucunda öğrenenlerin tercih ettikleri bilişsel stratejilerin e-öğrenme ortamlarındaki etkileşimleri üzerinde önemli bir etken olduğu ortaya çıkmıştır.

Anahtar Kelimeler

E-öğrenme ortamları,etkileşim profilleri,öğrenme stratejileri,güdülenme kaynakları,e-öğrenme davranışları

Kaynakça

Arkorful, V., & Abaidoo, N. (2015). The role of e-learning, advantages and disadvantages of its adoption in higher education. International Journal of Instructional Technology and Distance Learning, 12(1), 29-42.
Aydın, C. H. (2003). Uzaktan eğitimin geleceğine ilişkin eğilimler. Elektrik Mühendisliği,
419, 28-36.
Büyüköztürk, Ş., Akgün, Ö. E., Özkahveci, Ö. ve Demirel, F. (2004). Güdülenme ve öğrenme stratejileri ölçeğinin Türkçe formunun geçerlik ve güvenirlik çalışması. Kuram ve Uygulamada Eğitim Bilimleri, 4(2), 207-239.
Dyckhoff, A.L., Zielke, D., Bültmann, M., Chatti, M.A. ve Schroeder, U. (2012). Design and implementation of a learning analytics toolkit for teachers. Educational Technology & Society, 15(3). 58–76p.
Ellis, R. K. (2009). A field guide to learning management systems. American Society for Training & Development (ASTD). Retrieved from: http://www.astd.org/~/media/Files/Publications/LMS_fieldguide_20091
Fardinpour, A., Pedram, M.M. & Burkle, M. (2014). Intelligent Learning Management Systems: Definition, Features and Measurement of Intelligence. International Journal of Distance Education Technologies, 12(4), 19-31.
Garrison, D. R. (2011). E-learning in the 21st Century: A Framework for Research and Practice. New York: Taylor & Francis.

Hirumi, A. (2002). A framework for analyzing, designing, and sequencing planned e-learning interactions. The Quarterly Review of Distance Education, 3(2), 141-160.
Jo, I. H., Park, Y., Yoon, M., & Sung, H. (2016). Evaluation of online log variables that estimate learners’ time management in a Korean online learning context. International Review of Research in Open and Disturbed Learning, 17(1), 195-213.
Jo, I. H., Yu, T., Lee, H., & Kim, Y. (2015). Relations between student online learning behaviour and academic achievment in higher education: A learning analytic approach. In G. Chen, V. Kumar, Kinshuk, R. Huang, & S. C. Kong (Eds.), Emerging Issues in Smart Learning (pp. 275-286). Berlin: Springer.
Keller, C., & Cernerud, L. (2002). Students’ perceptions of e‐learning in university education. Journal of Educational Media, 27(1-2), 55-67.
Kizilcec, R. F., Perez-Sanagusitin, M., & Maldonado, J. J. (2017). Self-regulated learning strategies predict learner behaviour and goal attainment in massive open online courses. Computers & Education, 104, 18-33.
Kloos, C.D., Pardo, A., Muñoz-Merino, P.J., Gutiérrez, I. ve Leony, D. (2013). Learning Analytics @ UC3M. 2013 IEEE Global Engineering Education Conference (EDUCON), 13-15 March, Berlin, Germany.
Kruse, K. (2002). The benefits and drawbacks of e-learning. Online: https://www.acsu.buffalo.edu/~marissac/online_learning.docx
Liu, S., & Lin, Y. (2006). Grey information: theory and practical applications. Springer Science & Business Media.
Liu, S., Yang, Y., & Forrest, J. (2016). Grey Data Analysis: Methods, Models and Applications. Springer.
Macfadyen, L. P., & Dawson, S. (2010). Mining LMS data to develop an ―early warning system for educators: A proof of concept. Computers & Education, 54, 588-599.
Manathunga, C. (2005). Early warning signs in postgraduate research education: A different approach to ensuring timely completions. Teaching in Higher Education, 10(2), 219-233.
McGill, T. J., & Klobas, J. E. (2009). A task-technology fit viewv of learning management system impact. Computers & Education, 52(2), 496-508.
Meulman, J. J. (1998). Optimal scaling methods for multivariate categorical data analysis. SPSS White Paper: Chicago.
Moore, M. G. (1989). Three types of interaction. American Journal of Distance Education, 3(2), 1-6.
Nistal, M. L., Rodriguez, M. C., & Castro, M. (2011). Use of e-learning functionalities and standards: The Spanish case. IEEE Transactions on Education, 54(4), 540-549.
Özgür, A. (2015). Öğrenme yönetim sistemlerinde öğrenen-değerlendirme etkileşiminin incelenmesi. Yayınlanmamış yüksek lisans tezi. Hacettepe Üniversitesi.
Özgür, A., & Yurdugül, H. (2016). The investigation of learner assessment interaction in learning management systems. International Journal of e-Assessment, 1(1), 1-17.
Pintrich, P. R., Smith, D. A. F., Garcia, T., & McKeachie, W. J. (1991). A Manual for the use of the motivated strategies for learning questionnaire. Ann Arbor, MI: National Center for Research to Improve Postsecondary Teaching and Learning.
Pintrich, P. R. (1994). Student Motivation in the College Classroom. K. W. Prichard & R. M. Sawyer (Ed.). Handbook of college teaching: Theory and applications. Westport: Greenwood Publishing Group, Inc.
Reynolds, W. M., & Miller, G. E. (Eds.) (2013). Handbook of Psychology: Volume 7 Educational Psychology (2nd Edition). New Jersey: John Wiley & Sons, Inc.
Rosenberg, M. J. (2001). E-learning: Strategies for Delivering Knowledge in Digital Age. New York: McGraw-Hill.
Rubin, B., Fernandes, R., Avgerinou, M. D., & Moore, J. (2010). The effect of learning management systems on student and faculty outcomes. Internet and Higher Education, 13, 82-83.
Siemens, G., & Gasevic, D. (2012). Guest Editorial - Learning and Knowledge Analytics. Educational Technology & Society, 15(3), 1–2.
Tabuenca, B., Kalz, M., Drachsler, H., & Specht, M. (2015). Time will tell: The role of mobile learning analytics in self-regulated learning. Computers & Education, 89, 53-75.
Weinstein, C. E., & Jung, J. (2011). Learning strategies. In V. G. Aukrust (Ed.), Learning and Cognition in Education (pp. 137-143). Oxford: Elsevier.
Welsh, E. T., Wanberg, C. R., Brown, K. G., & Simmering, M. J. (2003). E-learning: Emerging uses, empirical results and future directions. International Journal of Training and Development, 7(4), 245-258.

Ayrıntılar

Birincil Dil

Türkçe

Konular

-

Bölüm

Araştırma Makalesi

Yazarlar

Muhittin Şahin
Türkiye

Sinan Keskin
YÜZÜNCÜ YIL ÜNİVERSİTESİ
Türkiye

Adem Özgür
UŞAK ÜNİVERSİTESİ
Türkiye

Halil Yurdugül
HACETTEPE ÜNİVERSİTESİ
Türkiye

Yayımlanma Tarihi

11 Temmuz 2017

Gönderilme Tarihi

9 Mart 2017

Kabul Tarihi

-

Yayımlandığı Sayı

Yıl 2017 Cilt: 7 Sayı: 2

DOI

https://doi.org/10.17943/etku.297075

IZ

https://izlik.org/JA29YT74TR

Kaynak Göster

RIS / Bibtex

APA

Şahin, M., Keskin, S., Özgür, A., & Yurdugül, H. (2017). E-ÖĞRENME ORTAMLARINDA ÖĞRENEN ÖZELLİKLERİNE DAYALI ETKİLEŞİM PROFİLLERİNİN BELİRLENMESİ. Eğitim Teknolojisi Kuram ve Uygulama, 7(2), 172-192. https://doi.org/10.17943/etku.297075

Cited By

Students’ interaction patterns in different online learning activities and their relationship with motivation, self-regulated learning strategy and learning performance

Education and Information Technologies

https://doi.org/10.1007/s10639-020-10151-1

Examination of the relationship between the attitudes of teacher candidates towards technology and their opinions of distance education

Journal of Educational Technology and Online Learning

https://doi.org/10.31681/jetol.1157339

Students’ learning preferences for forms and activities – suggestions for academic teachers

Przegląd Organizacji

https://doi.org/10.33141/po.2023.04.43

E-ÖĞRENME ORTAMLARINDA ÖĞRENEN ÖZELLİKLERİNE DAYALI ETKİLEŞİM PROFİLLERİNİN BELİRLENMESİ

E-ÖĞRENME ORTAMLARINDA ÖĞRENEN ÖZELLİKLERİNE DAYALI ETKİLEŞİM PROFİLLERİNİN BELİRLENMESİ

Öz

Anahtar Kelimeler

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

Cited By

Students’ interaction patterns in different online learning activities and their relationship with motivation, self-regulated learning strategy and learning performance

Predicting Academic Achievement with Machine Learning Algorithms

Factors Affecting Students’ Preferences for Online and Blended Learning: Motivational Vs. Cognitive

Learner classification based on interaction data in E-learning environments: the ELECTRE TRI method

Çevrimiçi Öğrenenlerin E-öğrenme Ortamı Etkileşimlerinin Öğrenen Kontrolüne Dayalı Olarak İncelenmesi

Açıköğretim Sisteminde öğrenenlerin canlı derslere ilişkin görüşleri

Examination of the relationship between the attitudes of teacher candidates towards technology and their opinions of distance education

Students’ learning preferences for forms and activities – suggestions for academic teachers