Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Nhu cầu xem xét phân tích đa cấp trong nghiên cứu CSCL - Một lời kêu gọi sử dụng các phương pháp thống kê tiên tiến hơn
Tóm tắt
Theo định nghĩa, nghiên cứu CSCL (học tập hợp tác dựa trên máy tính) liên quan đến dữ liệu của các cá nhân nằm trong các nhóm và ảnh hưởng của một bối cảnh học tập cụ thể đến quá trình học tập hợp tác. Hầu hết các phương pháp thống kê đã được thiết lập không thể phân tích dữ liệu tổ chức như vậy một cách đầy đủ. Bài viết này mô tả các vấn đề phát sinh khi áp dụng các phương pháp chuẩn và giới thiệu mô hình hóa đa cấp (MLM) như một phương pháp thống kê thay thế và thích hợp trong nghiên cứu CSCL. MLM cho phép kiểm tra các hiệu ứng tương tác của các biến dự đoán thay đổi trong các nhóm (ví dụ, hoạt động của các thành viên trong nhóm trong một cuộc trò chuyện) và các biến dự đoán thay đổi giữa các nhóm (ví dụ, độ đồng nhất của nhóm do kiến thức trước đó của các thành viên trong nhóm tạo ra). Do đó, nó cho phép xem xét rằng một hướng dẫn, công cụ hoặc môi trường học tập có những tác động khác nhau nhưng hệ thống đến các thành viên trong các nhóm theo một mặt và đến các nhóm theo mặt khác. Mô hình thống kê cơ bản của MLM được mô tả bằng một ví dụ từ nghiên cứu CSCL. Bài viết nhấn mạnh rằng MLM yêu cầu kích thước mẫu lớn mà hầu hết các nghiên cứu CSCL không cung cấp. Một đề xuất được đưa ra cho việc sử dụng một số phân tích hữu ích.
Từ khóa
#CSCL #nghiên cứu hợp tác #phân tích đa cấp #thống kê #mô hình hóa đa cấpTài liệu tham khảo
Bonito, J. A. (2002). The analysis of participation in small groups: Methodological and conceptual issues related to interdependence. Small Group Research, 33, 412–438.
Bonito, J. A., & Lambert, B. L. (2005). Information similarity as a moderator of the effect of gender on participation in small groups: A multilevel analysis. Small Group Research, 36, 139–165.
Bryk, A. S., & Raudenbush, S. W. (1992). Hierarchical linear models. Newbury Park, CA: Sage.
Burstein, L. (1978). Assessing differences between grouped and individual-level regression coefficients. Sociological Methods & Research, 7, 5–28.
Burstein, L. (1980). The analysis of multilevel data in educational research and evaluation. Review of Research in Education, 8, 158–232.
Burstein, L., Kim, S. S., & Delandshere, G. (1989). Multilevel investigations of systematically varying slopes: Issues, alternatives, and consequences. In D. Bock (Ed.) Multilevel analysis of educational data (pp. 233–279). San Diego: Academic.
Chiu, M. M., & Khoo, L. (2003). Rudeness and status effects during group problem solving: Do they bias evaluations and reduce the likelihood of correct solutions. Journal of Educational Psychology, 95, 506–523.
Chiu, M. M., & Khoo, L. (2005). A new method for analyzing sequential processes: Dynamic multilevel modeling. Small Group Research, 36, 600–631.
Cress, U. (2005). Ambivalent effect of member portraits in virtual groups. Journal of Computer-Assisted Learning, 21, 281–291.
De Wever, B., Van Keer, H., Schellens, T., & Valcke, M. (2007). Applying multilevel modelling to content analysis data: Methodological issues in the study of role assignment in asynchronous discussion groups. Leaning & Instruction, 17, 436–447.
Hox, J. J. (2002). Multilevel analysis: techniques and applications. Mahwah, NJ: Lawrence Erlbaum Associates.
Hron, A., Hesse, F. W., Cress, U., & Giovis, C. (2000). Implicit and explicit dialogue structuring in virtual learning groups. British Journal of Educational Psychology, 70, 53–64.
Kashy, D. A., & Kenny, D. A. (2000). The analysis of data from dyads and groups. In H. T. Reis, & C. M. Judd (Eds.) Handbook of research methods in social and personality psychology. Cambridge, UK: Cambridge University Press.
Kenney, D. A., & Judd, C. M. (1986). Consequences of violating the independence assumption in analysis of variance. Psychological Bulletin, 99, 422–431.
Kenny, D. A., Kashy, D. A., & Bolger, N. (1998). Data analysis in social psychology. In D. T. Gilbert, S. T. Fiske, & G. Lindzey (Eds.) The handbook of social psychology (4th ed., Vol. 1, pp. 233–265). New York: McGraw Hill.
Kenny, D. A., Mannetti, L., Pierro, A., Livi, S., & Kashy, D. A. (2002). The statistical analysis of data from small groups. Journal of Personality and Social Psychology, 83, 126–137.
Kimmerle, J. & Cress (2008). Group Awareness and Self-Presentation in Computer-Supported Information Exchange. International Journal of Computer-Supported Collaborative Learning DOI 10.1007/s11412-007-9027-z.
Kreft, I. (1996). Are multilevel techniques necessary? An overview, including simulation studies. Retrieved March, 20, 2007 from http://www.calstatela.edu/faculty/ikreft/quarterly/quarterly.html.
Maas, C. J. M., & Hox, J. (2005). Sufficient samples sizes for multilevel modeling. Methodology, 1, 86–92.
Marsh, H. W., & Hau, K. T. (2003). Big-fish-little-pond effect on academic self-concept: A cross-cultural (26-Country) test of the negative effects of academically selective schools. American Psychologist, 58(5), 364–376.
McGraw, K. O., & Wong, S. P. (1996). Forming inferences about some intraclass correlation coefficients. Psychological Methods, 1, 30–46.
Paccagnella, O. (2006). Centering or not centering in multilevel models? The role of the group mean and the assessment of group effects. Evaluation Review, 30, 66–85.
Piontkowski, U., Keil, W., & Hartmann, J. (2006). Analyseebenen und Dateninterdependenz in der Kleingruppenforschung am Beispiel netzbasierter Wissensintegration. Zeitschrift für Sozialpsychologie, 37, 41–50.
Raudenbush, S., & Bryk, A. (2002). Hierarchical linear models: applications and data analysis methods. Thousand Oaks: Sage.
Robinson, W. S. (1950). Ecological correlations and the behavior of individuals. American Sociological Review, 15, 351–357.
Schellens, T., Van Keer, H., & Valcke, M. (2005). The impact of role assignment on knowledge construction in asynchronous discussion groups: A multilevel analysis. Small Group Research, 36, 704–745.
Schellens, T., Van Keer, H., Valcke, M., & De Wever, B. (2007). Learning in asynchronous discussion groups: A multilevel approach to study the influence of student, group and task characteristics. Behaviour & Information Technology, 26, 55–71.
Snijders, T. A. B., & Bosker, R. J. (1999). Multilevel analysis. London: Sage.
Stevens, J. (1996). Applied multivariate statistics for the social sciences (3rd ed.). Mahwah, NJ: Lawrence Erlbaum.
Strijbos, J. W., & Fischer, F. (2007). Methodological. challenges in collaborative learning research. Learning & Instruction, 17, 389–393.
Strijbos, J. W., Martens, R. L., Jochems, W. M. G., & Broers, N. J. (2004). The effect of functional roles on group efficiency: Using multilevel modeling and content analysis to investigate computer-supported collaboration in small groups. Small Group Research, 25, 195–229.
Strijbos, J. W., Martens, R. L., Jochems, W. M. G., & Broers, N. J. (2007). The effect of functional roles on perceived group efficiency during computer-supported collaborative learning: a matter of triangulation. Computers in Human Behavior, 23, 353–380.