Spillprodusentene har for lengst løst noe
skolen fortsatt strever med: Å skape motivasjon gjennom mestring.
Belønningen
kommer umiddelbart: Seiersfanfare, glitrende konfetti og flere poeng. Når du går «opp i level» i et dataspill,
skjer det akkurat idet du er klar for det.
Progresjonen kommer fordi spillets algoritmer
overvåker prestasjonen din i sanntid – hvor raskt du løser oppgaver, hvor ofte
du feiler, hvor presist du handler og hvor lenge du bruker på å vinne eller
tape.
Slik blir ferdighetsnivået ditt målt. Så justerer systemet vanskelighetsgraden
automatisk: Fiender blir sterkere eller svakere, tidspresset øker, oppgaver
blir mer komplekse.
Det er det vi kaller adaptiv læring. Målet er
at spillet skal være utfordrende, men løsningen fortsatt oppnåelig.
Oppgavene blir tilpasset underveis i
prøven
Dette ville forskerne Øyvind Aas og Wasana
Leithe ved Kristiania utforske i klasserommet. I et pilotprosjekt testet de to
typer digitale matematikkprøver:
En lineær test, der alle
studentene fikk de samme spørsmålene i fast rekkefølge.
En adaptiv test, der
spørsmålene endret vanskelighetsgrad ut ifra hvordan studenten svarte – på
samme måte som i dataspill.
– Kongstanken var at vi skulle se hver enkelt
student og tilpasse oppgavene, selv i klasser med veldig mange ulike individer,
sier Aas.
De ville at studentene skulle tilbringe mest
mulig tid på oppgaver på riktig nivå, slik de gjør i spill.
Tilbakemeldinger ble automatisert
De spurte seg selv:
«Hvordan kan vi automatisere tilbakemeldinger slik at det går raskere?»
– I en lineær test blir alle studenter dyttet
gjennom samme trakt. Hvor godt de klarer disse faste oppgavene, avgjør hvilket
nivå de blir plassert på, sier Aas.
I en adaptiv test starter alle midt på treet.
Fordi systemet tilpasser seg studentens svar og sender henne til riktig nivå på
neste oppgave – enten litt vanskeligere eller litt lettere – tilbringer hun mer
tid på et nivå som er riktig for akkurat henne.
Hun får oppgaver som utfordrer
uten å være for vanskelig.
Studentene opplevde ikke spørsmålene for lette, men var allikevel svært fornøyde med både detaljerte tilbakemeldinger og veiledning for hva de bør jobbe mer med fremover.
Resultatene var tydelige
Leithe og Aas gjennomførte et eksperiment med
47 studenter for å undersøke hvordan ulike typer matematikkprøver påvirker
læring. Noen av studentene fikk en lineær test, andre en adaptiv.
Annonse
Begge gruppene fikk umiddelbar tilbakemelding
etter hvert spørsmål og en grafisk oversikt til slutt, med poengsum, karakter
og anbefalinger for videre læring.
Rett etter testen tok alle deltakerne en
felles mini-eksamen med fire spørsmål. Resultatet var tydelig: Studentene som
hadde tatt den adaptive testen, klarte halvparten av de fire oppgavene. De som hadde
tatt den lineære, klarte bare én.
– Det betyr ikke nødvendigvis at alle
adaptive tester gir dobbelt så gode resultater. Dette var en pilot, understreker Aas.
Slike tester bidrar også til læring underveis
Allikevel tyder
resultatene på at adaptive tester ikke bare måler hva studentene kan – de
bidrar også til læring underveis, mener forskeren.
Både fordi de bruker mer tid i det området
hvor de mestrer, men får nok utfordring, og fordi systemet gir umiddelbar
tilbakemelding, utdyper Aas.
For å sjekke om teorien deres holder vann,
vil forskerne gjennomføre denne typen prøver med større studentgrupper. De skal ta en bredere test med flere oppgaver som har større variasjon.
Forskerne vil gi dem en
test i forkant, for å finne ut om metoden funker for studenter på alle
ferdighetsnivåer.
Slik kan vurdering bli læring
En gjennomgang som tok for seg 188
fagartikler fra perioden 2014-2024 bekrefter funnene til Aas og Leithe.
Forskerne bak litteraturgjennomgangen fant at elever lærer mer når
tilbakemeldingen er tilpasset den enkeltes behov og progresjon og samtidig
viser veien videre, i stedet for bare å fortelle hva som var galt.
Det kanskje tydeligste bruddet med norsk
praksis når det gjelder vurderinger, slik den vanligvis fungerer i dag, er at adaptive tester gjør
vurdering til et læringsverktøy i seg selv.
Annonse
En test trenger altså ikke å være
et endepunkt. Studentene til Aas og Leithe satte spesielt pris på veiledningen
og vurderingen. De opplevde den som meningsfull og fremtidsrettet.
– Den positive læringseffekten ligger nettopp
i dialogen mellom systemet og eleven eller studenten. Det er en kontinuerlig
tilbakemeldingssløyfe som støtter selvregulert læring, sier Aas.
Du går med andre ord «opp i level» når systemet
registrerer at du er klar for det. Digitale, adaptive systemer gjør det mulig å
gi tilbakemelding i sanntid – kontinuerlig, målrettet og personlig.
Resultatet
er, ifølge forskerne, økt engasjement, bedre selvregulering og sterkere
mestringstro.
En mer demokratisk læreform?
– I et
tradisjonelt system får alle de samme oppgavene, i samme tempo. De sterke får
for lette oppgaver og kjeder seg. De som ikke har kommet like langt, får for
vanskelige oppgaver og mister motivasjonen. Resultatet er at forskjellene øker
over tid, sier Aas.
Adaptive tilbakemeldinger har vist seg å redusere
forskjeller og minske gapet mellom elever med ulikt utgangspunkt, fordi alle til
enhver tid befinner seg i sitt best mulige læringsområde.
– På den måten lærer flere faktisk noe nytt,
uavhengig av startnivå. Forskjellene i fremdrift kan bestå, men forskjellene i
utbytte og engasjement blir mindre, sier Aas.
Hvis adaptive tester blir mer utbredt, kan vi ifølge forskerne slutte med å undervise først og vurdere til slutt.
I stedet kan vi bruke et system der vurdering og læring skjer samtidig – i sanntid, på studentens
nivå og på en måte som støtter hvordan hun lærer.
Systemet tilpasser vanskelighetsgraden på spørsmålene i sanntid ut fra studentens prestasjoner.
Studentene får tilbakemelding etter hvert spørsmål og ved testens slutt.
Hensikten er å hjelpe dem med å finne sine styrker og hvor de kan gjøre forbedringer.
Korte videoer om nøkkelbegreper
Etter testen kan studentene se korte videoer om temaene de trenger å forbedre.
Videoene tar spesifikt for seg de nøkkelbegrepene som CAT-testen har avdekket som utfordrende.
Lærerens dashbord og gruppearbeid
Foreleser har tilgang til et sanntidsdashbord som viser hver students fremgang og resultater.
Denne informasjonen brukes til å: a. Gruppere etter nivå: Dele studentene inn i grupper på samme nivå for samarbeid og støtte. b. Blande nivåer: Lage grupper med ulike ferdighetsnivåer for å fremme samarbeid og medstudentlæring.
Tilpassede justeringer av forelesninger
Dataene fra CAT-systemet gir innsikt i studentenes forståelse.
Foreleser kan bruke denne informasjonen til å justere fremtidige forelesninger.
Søkelyset legges på områder der mange studenter viser svak forståelse.
