Vis enkel innførsel

dc.contributor.advisorTorkildsen, Hermund André
dc.contributor.authorNordvoll, Sindre Mathias Strømnes
dc.date.accessioned2021-09-28T17:44:06Z
dc.date.available2021-09-28T17:44:06Z
dc.date.issued2020
dc.identifierno.ntnu:inspera:55577898:15715360
dc.identifier.urihttps://hdl.handle.net/11250/2784825
dc.description.abstractDenne oppgaven beskriver en metode for å la datamaskiner automatisk kunne gi tilbakemeldinger på ungdomsskoleelevers arbeid med matematikkoppgaver. I tillegg undersøkes det hvilken effekt ulike typer maskingitte tilbakemeldinger har på elevenes prestasjoner. Private aktører som Maple T.A., Kikora, Gyldendal og Khan Academy tilbyr nettoppgaver med ulike metoder for å automatisk evaluere elevsvar. De fleste av disse, og lignende tjenester, tilbyr en form for rett/gal verifisering av oppgavene. Som motvekt til disse private leverandørene ble det utviklet en programvare og metode for å gi mer formative og kontekstuelt responderende tilbakemeldinger gjennom en datamaskin. Hvilke typer tilbakemeldinger og hvordan deres innhold genereres er inspirert etter Narciss & Huth (2002) og Narciss (2013) sin strategi under navnet feilrelatert veiledning. En slik strategi gir elevene assisterte og flerfoldige forsøk ved å gi strategisk nyttig informasjon for oppgaveløsning, fremfor å gi svaret direkte. Programvaren som ble utviklet ble testet gjennom å la n=123 tiendeklasseelever jobbe med en test i lineære funksjoner. Elevene skal i løpet av testen tilpasse en graf til ulike tabeller, funksjonsuttrykk og kontekstsituasjoner. Gjennom testen gir programvaren enten verifiserende eller formative og responsspesifikke tilbakemeldinger. Et semi-randomisert eksperiment med en kontrollgruppe som gis verifiserende tilbakemeldinger i testen benyttes for å avsløre hvordan de to typene tilbakemeldinger påvirker prestasjoner i testen. Resultatene viser at den eksperimentelle gruppen som ble utsatt for formative maskingitte tilbakemeldinger, presterer moderat bedre målt i effektstørrelse (g=0.43) ved p=.023. I tillegg brukte denne gruppen 57% lenger tid på testen. Samtidig er det store forskjeller på hvor mye tilbakemeldingene ser ut til å hjelpe elevene. På oppgaver som handler om å oversette en tabell til graf finnes det ingen signifikant forskjell mellom de to testgruppene i eksperimentet. Samlet sett indikerer resultatene at datamaskiner kan ha en god effekt på prestasjoner dersom tilbakemeldingene de gir på matematikkoppgaver er utformet etter formative prinsipper. Likevel finnes det utfordringer knyttet til skalering av gode automatiske tilbakemeldingssystemer for et stort antall oppgaver. Metoden denne undersøkelsen er fundert på krever at tilbakemeldingene og tilstandene maskinen skal reagerer på, må konstrueres manuelt.
dc.description.abstractThis thesis describes a method that allows computers to automatically provide feedback on secondary school students' work on math tasks. In addition, the effect of different types of machine feedback on students' performance is examined. Private players like Maple T.A., Kikora, Gyldendal and Khan Academy offer online assignments with different methods for automatically evaluating student responses. Most of these, and similar services, offer some form of right/wrong verification of tasks. In counterbalance to these private suppliers, a software and method was developed to provide more formative and contextually responsive feedback through a computer. The types of feedback and how their content is generated are inspired by Narciss & Huth's (2002) and Narciss's (2013) strategy under the name of bug-related feedback. Such a strategy provides students with assisted and multiple attempts by providing strategically useful information for problem solving, rather than giving the answer directly. The developed software was tested by letting n=123 tenth grade students work on a test in linear functions. During the test, the pupils will adapt a graph to different tables, algebraic expressions and context situations. Through the test, the software provides either verifying or formative and response-specific feedback. A semi-randomized experiment with a control group provided with verifying feedback in the test, is used to reveal how the two types of feedback affect performance in the test. The results show that the experimental group that was subjected to formative machine-delivered feedback performed moderately better measured in effect size (g=0.43) at p=.023. In addition, this group spent 57% longer on the test. At the same time, there are major differences in how much feedback seems to help students. For tasks involving translating a table into a graph, there is no significant difference between the two test groups in the experiment. Overall, the results indicate that computers can have a good effect on performance if the feedback they provide on math tasks is designed according to formative principles. Nevertheless, there are challenges associated with upscaling good automatic feedback systems for a large number of tasks. The method this study is based on requires that the feedback and conditions the machine responds to must be constructed manually.
dc.language
dc.publisherNTNU
dc.titleAutomatiske tilbakemeldingssystemer i matematisk læring - Kvantitativ studie av automatisk gitte tilbakemeldingers effekt på prestasjoner
dc.typeMaster thesis


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel