از خطاهای پرتکرار آزمون تا درس بعدی؛ چطور با دستیار هوشمند آموزش را هدفمند اصلاح کنیم؟
نمرهٔ پایین به‌تنهایی نمی‌گوید چه درسی لازم است. با نمونهٔ جمع کسرها، پاسخ‌های اشتباه را دسته‌بندی کنید، علت را بیازمایید و یک میکرودرس ترمیمی بسازید.
آزمون کوتاهِ پایان درس منتشر شده و نمودار نتیجه را می‌بینید: بخشی از کلاس به یک سؤال پاسخِ غلط داده است. واکنشِ آسان این است که همان درس را یک بار دیگر ضبط کنید یا کل فصل را تکرار کنید. اما یک پاسخِ غلط می‌تواند چند علتِ متفاوت داشته باشد: سؤال مبهم بوده، پیش‌نیاز فراموش شده، هنرجو دو روش را با هم قاطی کرده، زمان کافی نداشته یا کلیدِ پاسخ خطا دارد. تا علت را نفهمید، تولیدِ محتوای بیشتر ممکن است فقط حجمِ دوره را بالا ببرد.
تبدیل خطاهای پرتکرار آزمون به درس بعدی یک فرایندِ تشخیص و آزمایش است. دستیار هوشمند استاد می‌تواند پاسخ‌های مجاز و بی‌نام را دسته‌بندی، فرضیه‌های آموزشی پیشنهاد و از محتوای خودِ دوره پیش‌نویسِ درس و تمرینِ کوتاه بسازد. استاد باید اول درست‌بودن سؤال و پاسخنامه را کنترل کند، سپس با شواهدِ بیشتر دربارهٔ سوءبرداشت تصمیم بگیرد. ابزار نباید صرفِ تکرار یک گزینهٔ غلط را به معنای «نفهمیدنِ همهٔ درس» تفسیر کند یا به هنرجویان برچسبِ توانایی بزند.
در این راهنما یک کلاسِ فرضیِ جمعِ کسرهای ناهم‌مخرج را دنبال می‌کنیم. تعداد پاسخ‌ها و گفت‌وگوها مثال آموزشی‌اند، نه آمار کاربران فاکسیمون. موضوع مقاله طراحیِ درسِ بعد از تشخیص است. برای تحلیلِ اینکه خودِ یک سؤالِ آزمون مشکل دارد، راهنمای تحلیل نتایج آزمون در گوگل فرم را نیز ببینید؛ برای کشفِ ابهام از پیام‌ها و سؤال‌های آزاد، راهنمای شناسایی درس‌های مبهم مسیرِ مکملی است.
اول مطمئن شوید مشکل از خودِ آزمون نیست
قبل از دسته‌بندیِ خطاهای هنرجویان، سؤال را دوباره مثل یک شرکت‌کنندهٔ تازه بخوانید. آیا صورت مسئله اطلاعاتِ کافی دارد؟ آیا کلمه‌ای دو معنی دارد؟ آیا همهٔ گزینه‌های پاسخ واقعاً متمایزند؟ آیا کلید با محتوای منتشرشدهٔ همین نسخهٔ درس سازگار است؟ اگر سؤال می‌پرسد «یک‌دوم به‌علاوهٔ یک‌سوم چند است؟» و کلید پنج‌ششم است، محاسبه درست است؛ اما اگر گزینه‌ها یا تصویرِ همراه به مجموعِ دو شکلِ متفاوت اشاره می‌کنند، ممکن است خودِ نمایش، هنرجو را گمراه کند.
نمونهٔ دیگری از خطای آزمون این است که استاد در ویدیو از «یک کلِ یکسان» حرف زده ولی در سؤال دو شکل با اندازهٔ متفاوت نشان داده است. پاسخِ هنرجو در این حالت ممکن است بازتابِ ابهامِ تصویر باشد، نه ناتوانی در جمع کسرها. اگر زمانِ نمایش یا بارگذاریِ تصویر مشکل داشته، دادهٔ پاسخ‌ها هم به‌تنهایی قابل اتکا نیست. راهنمای طراحی آزمون آنلاین به بازبینیِ سؤال و اجرای آزمایشی کمک می‌کند؛ برای امکانات محصول نیز صفحهٔ سنجش فاکسیمون را ببینید.
برای کنترلِ اولیه، پاسخنامه را بدون نگاه به کلید از نو حل کنید و از یک همکار بخواهید صورت سؤال را بخواند. اگر کلید غلط است، اول آن را اصلاح و اثرش بر نمره‌ها و پیام‌های قبلی را بررسی کنید. اگر سؤال چند تفسیرِ معقول دارد، دادهٔ آن را برای تصمیم دربارهٔ درسِ بعد کنار بگذارید یا جداگانه علامت بزنید. هیچ دستیارِ هوشمندی نباید از دادهٔ معیوب، نتیجهٔ مطمئن بسازد. هدف این مرحله دفاع از محتوای استاد نیست؛ محافظت از تصمیمِ آموزشی و انصاف در ارزیابی است.
پاسخِ غلط را به چند الگوی قابل بررسی بشکنید
نمودار «درست/غلط» برای شروع خوب است، اما نمی‌گوید هر هنرجو چگونه فکر کرده است. در مثالِ یک‌دوم به‌علاوهٔ یک‌سوم، یک پاسخِ غلطِ رایج در مثالِ ما «دوپنجم» است: صورت‌ها و مخرج‌ها جداگانه جمع شده‌اند. پاسخِ دیگری «سه‌ششم» است: هنرجو ممکن است مخرج مشترک را ساخته ولی تبدیلِ صورتِ یک کسر را ناقص انجام داده باشد. این دو به یک درسِ ترمیمیِ یکسان نیاز ندارند. البته از عددِ نهایی به‌تنهایی هم نمی‌توان مسیرِ ذهنیِ هر فرد را با قطعیت دانست.
از میان پاسخ‌ها، چند نمونهٔ مجاز و بی‌نام از مراحلِ حل را بخوانید. اگر فقط تستِ چندگزینه‌ای دارید، یک سؤالِ پیگیریِ کم‌خطر بپرسید: «برای رسیدن به جواب، یک‌دوم را به چه کسری با مخرجِ شش تبدیل کردی و چرا؟» پاسخ به این سؤال به شما کمک می‌کند میان خطای مفهومِ «کلِ یکسان»، خطای تبدیلِ کسر و اشتباهِ حسابی فرق بگذارید. دادهٔ شخصی یا تصویرِ برگهٔ کامل را برای این تحلیل بیشتر از نیاز وارد ابزار نکنید.
یک جدولِ کوچک بسازید: «الگوی پاسخ»، «شاهدِ موجود»، «توضیحِ احتمالی»، «چه چیزی هنوز نمی‌دانیم» و «پرسشِ تأییدکننده». برای «دوپنجم»، توضیحِ احتمالی جمعِ مستقیمِ صورت و مخرج است؛ پرسشِ تأییدکننده می‌تواند مقایسهٔ بصری با یک کلِ ثابت باشد. برای «سه‌ششم»، بررسی کنید هنرجو چگونه یک‌سوم را به دوششم و یک‌دوم را به سه‌ششم تبدیل می‌کند. این جدول برای تشخیصِ آموزشی است، نه پرونده‌سازی دربارهٔ تک‌تکِ افراد.
تعدادِ تکرار را با اهمیتِ پیش‌نیاز بسنجید
اگر سه نفر از بیست نفر به یک سؤال غلط جواب داده‌اند، شاید یک یادآوریِ کوتاه کافی باشد. اگر بخشِ بزرگی از کلاس در یک پیش‌نیازِ ضروری گیر کرده، ادامه‌دادن به مبحثِ بعدی بدون مداخله می‌تواند مشکل را بزرگ‌تر کند. اما هیچ آستانهٔ جهانیِ «اگر چند درصد غلط بود درس تازه بساز» وجود ندارد. اندازهٔ گروه، دشواریِ سؤال، اهمیتِ مهارت، وزنِ آزمون و کیفیتِ شواهد با هم تصمیم را شکل می‌دهند.
فرض کنید در کلاسِ فرضی، چند پاسخِ «دوپنجم» و چند پاسخِ «سه‌ششم» دیده‌اید. قبل از برنامه‌ریزیِ یک جلسهٔ کامل، بپرسید آیا هر دو خطا در هدفِ درسِ بعدی اثر دارند. اگر مبحثِ بعدی مقایسهٔ کسرهاست، ناتوانی در تشخیصِ «کلِ ثابت» ممکن است مهم‌تر از یک لغزشِ محاسباتی باشد. اگر هنرجویان در حلِ تشریحی دلیلِ درست را می‌گویند ولی گاهی عدد را اشتباه می‌نویسند، تمرینِ بازبینیِ محاسبه شاید از ضبطِ دوبارهٔ مفهوم مناسب‌تر باشد.
مرکز آموزش Yale دربارهٔ سنجش تکوینی توضیح می‌دهد که دادهٔ سنجش در جریانِ یادگیری باید به اصلاحِ تدریس و بازخوردِ هدفمند کمک کند. این اصل را به شکلِ عملی اجرا کنید: شدتِ مداخله را با اثرِ خطا بر ادامهٔ یادگیری متناسب کنید. یک پاسخِ غلطِ پرتکرار الزاماً نشانهٔ تنبلیِ هنرجو یا بی‌کیفیتیِ کل دوره نیست. شاید صورتِ سؤال، ترتیبِ مثال‌ها یا فرصتِ تمرین را باید عوض کرد.
بستهٔ ورودیِ دستیار را به شواهدِ معتبر محدود کنید
برای گرفتن پیشنهاد از دستیار، کل فایلِ خامِ پاسخ‌ها را بی‌هدف بارگذاری نکنید. یک خلاصهٔ بی‌نام بسازید: هدفِ درس، متنِ دقیقِ سؤال، پاسخِ تأییدشده، الگوهای پاسخ، دو یا سه نمونهٔ مجاز از مراحلِ حل، محدودیت‌های داده و بخشِ مرتبط از درسِ استاد. اگر آزمون در نسخهٔ قبلیِ دوره طراحی شده، این را بنویسید. اگر نمونه‌ها از گروهِ کوچکی آمده‌اند، همین محدودیت را هم بنویسید. دستیار نمی‌تواند با حدس، کیفیتِ دادهٔ ورودی را بهتر کند.
نمونهٔ درخواست: «هدف: هنرجو می‌تواند جمعِ یک‌دوم و یک‌سوم را با کلِ یکسان و مخرج مشترک توضیح دهد. کلیدِ بررسی‌شده: پنج‌ششم. چند پاسخِ دوپنجم با جمعِ مستقیمِ صورت و مخرج همراه است؛ در چند پاسخِ سه‌ششم مرحلهٔ تبدیلِ یک‌سوم ناقص است. این‌ها نمونهٔ فرضی و بی‌نام‌اند. از محتوای درسِ نسخهٔ دوم سه فرضیهٔ آموزشی بده، برای هر فرضیه یک پرسشِ کوتاهِ تأییدکننده بنویس و فقط برای فرضیه‌ای که با شواهد سازگارتر است طرحِ میکرودرس پیشنهاد کن. از نسبت‌دادن خطا به شخصیت یا سطحِ کلیِ هنرجو پرهیز کن.»
اگر محتوای دوره و منابعِ مورد تأییدِ استاد در دستیار هوشمند فاکسیمون به‌درستی انتخاب شده‌اند، درخواست را در همان زمینه انجام دهید و منبعِ هر تعریف را کنترل کنید. اگر هنوز آن منبع در دسترسِ دستیار نیست، بخشِ لازم را خودتان با مجوز وارد کنید. هیچ‌وقت فرض نکنید دستیار به همهٔ پاسخ‌های خصوصی یا فایل‌های دوره دسترسی دارد. نقشِ او پیشنهادِ دسته‌بندی و پیش‌نویس است؛ تشخیصِ نهاییِ علت و تصمیم دربارهٔ گروه‌ها با استاد می‌ماند.
یک پرسشِ پیگیری، فرضیه را امتحان می‌کند
دستیار ممکن است خیلی سریع بگوید «هنرجویان مخرج مشترک را بلد نیستند». این جمله شاید بخشی از مسئله را ببیند، اما برای همهٔ پاسخ‌ها درست نیست. برای آزمودنِ فرضیه، از هنرجو بخواهید یک‌دوم را روی یک نوارِ واحد و یک‌سوم را روی نواری هم‌اندازه نشان دهد و توضیح دهد چرا قطعاتِ دو نوار را نمی‌توان بدون یکسان‌کردنِ اندازهٔ بخش‌ها جمع کرد. پرسش باید امکانِ توضیح بدهد؛ صرفِ انتخابِ گزینهٔ درست بعد از دیدن پاسخنامه کافی نیست.
پرسشِ دوم می‌تواند صرفاً مرحلهٔ تبدیل را بسنجد: «اگر هر کل را به شش قسمتِ مساوی تقسیم کنیم، یک‌دوم چند قسمت و یک‌سوم چند قسمت می‌شود؟» پاسخِ درست، سه و دو قسمت است. اگر هنرجو این را می‌داند اما مجموع را غلط می‌نویسد، خطا شاید در جمعِ نهایی یا توجه به دستور باشد. اگر اصلاً نمی‌تواند بگوید چرا کل باید یکسان باشد، یک مثالِ بصری و گفت‌وگوی کوتاه ممکن است از تکرارِ فرمول مفیدتر باشد. استاد باید پاسخِ واقعی را ببیند؛ مقاله نمی‌تواند جای آن مشاهده را بگیرد.
Cornell دربارهٔ ارزیابیِ دانسته‌های پیشین پیشنهاد می‌کند برای شناساییِ تصورهای نادرست از پرسش‌های کوتاه و هدفمند استفاده شود. در کاربردِ ما، پرسشِ پیگیری باید بتواند میان دو علتِ ممکن فرق بگذارد. اگر هر دو فرضیه با یک پاسخِ «بله/خیر» سازگارند، پرسش خوب طراحی نشده است. دستیار می‌تواند چند صورتِ سؤال پیشنهاد کند، ولی استاد باید آن‌ها را با هدف، سطح و زمانِ کلاس تطبیق دهد.
تصمیم بگیرید به چه کسی چه نوع کمک برسد
همهٔ هنرجویان به بازآموزیِ کامل نیاز ندارند. کسانی که مفهومِ کلِ ثابت را فهمیده‌اند اما در یک محاسبه لغزیده‌اند، ممکن است با یک تمرینِ بازبینیِ کوتاه جلو بروند. کسانی که صورت و مخرج را مستقل جمع می‌کنند، به یک مثالِ بصری و فرصتِ توضیحِ دلیل نیاز دارند. کسانی که سؤال را درست حل کرده‌اند نیز نباید به اجبار تمامِ زمانِ خود را صرفِ تماشای تکرار کنند. بسته به اندازهٔ کلاس، می‌توانید فعالیتِ مشترکِ کوتاه با انتخابِ مسیرِ تمرینِ متفاوت بسازید.
این تقسیم‌بندی باید موقت و مبتنی بر شواهد باشد، نه برچسبِ ثابتِ «ضعیف» و «قوی». هنرجو ممکن است در یک موضوع کمک بخواهد و در موضوعِ دیگر جلوتر باشد. اگر داده‌ها محدودند، به‌جای اختصاصِ مسیرِ قطعی، انتخابِ چند تمرین با توضیحِ روشن ارائه کنید: «اگر در مرحلهٔ تبدیلِ کسر گیر کردی این مثال را ببین؛ اگر فقط جمعِ آخر را اشتباه می‌نویسی این دو تمرینِ کنترل را انجام بده.» انتخاب باید راهِ برگشت و پرسیدن داشته باشد.
در کلاسِ خصوصی، استاد می‌تواند همان لحظه با یک پرسشِ پیگیری مسیر را تغییر دهد. در دورهٔ ضبط‌شده، شاید یک ویدیوی کوتاهِ ترمیمی و دو تمرینِ خودآزمایی کافی باشد. دستیار می‌تواند متنِ توضیح و بازخوردِ گزینه‌ها را پیش‌نویس کند، اما اینکه چه چیزی در حسابِ شما به‌صورت خودکار نمایش داده می‌شود باید در محصول بررسی شود. این مقاله دربارهٔ تصمیمِ آموزشی است، نه وعدهٔ موتورِ تطبیقِ خودکار برای هر هنرجو.
طرحِ یک میکرودرسِ ترمیمی را از هدفِ کوچک شروع کنید
عنوانِ مفید برای درسِ بعدی «چرا یک‌دوم به‌علاوهٔ یک‌سوم، دوپنجم نیست؟» است، نه «مرور دوبارهٔ تمام کسرها». هدفِ کوچک این است که هنرجو با یک کلِ ثابت توضیح دهد چرا بخش‌های نامساوی را قبل از جمع باید هم‌اندازه کرد. آغازِ درس می‌تواند دو نوارِ هم‌طول باشد: یکی به دو بخشِ مساوی و دیگری به سه بخشِ مساوی تقسیم شده است. استاد یک بخش از هر کدام را کنار هم می‌گذارد و می‌پرسد آیا تعدادِ «دو بخش» به‌تنهایی اندازهٔ مجموع را مشخص می‌کند.
پس از توضیحِ کوتاه، هر نوار را در ذهن یا با ابزار به شش قسمتِ مساوی تقسیم کنید: یک‌دوم می‌شود سه‌ششم و یک‌سوم می‌شود دوششم؛ مجموع پنج‌ششم است. این بازنمایی به شرطِ یکسان‌بودنِ کل‌ها معنا دارد. سپس یک مثالِ تازه بدهید که با حفظِ همان اصل حل شود، نه همان سؤال با عددهای جابه‌جا. برای نمونه، یک‌چهارم به‌علاوهٔ یک‌دوم برابر سه‌چهارم است؛ هنرجو باید بتواند دلیلِ تبدیلِ یک‌دوم به دوچهارم را بگوید.
زمانِ درس را کوتاه نگه دارید تا تشخیص را بتوان دوباره سنجید؛ مثلاً یک توضیحِ چنددقیقه‌ای، یک پرسشِ توقف و یک تمرینِ انتقال. طولِ دقیق به گروه و ابزار بستگی دارد. راهنمای Cornell برای سنجش یادگیری تأکید می‌کند دادهٔ سنجشِ تکوینی باید بر گامِ بعدیِ تدریس اثر بگذارد. اگر میکرودرس فقط همان ویدیوی قدیمی را با نامِ تازه تکرار کند، از شواهدِ خطا استفاده نکرده‌اید.
دستیار کجای ساختِ این درس واقعاً کمک می‌کند؟
استاد می‌تواند از دستیار بخواهد متنِ یک توضیحِ دو دقیقه‌ای، یک پرسشِ توقف در ویدیو، بازخوردِ گزینه‌های غلط و یک تمرینِ انتقال را بر اساسِ همین هدف پیشنهاد کند. اگر دستیار زمینهٔ دورهٔ خودِ استاد را داشته باشد، بهتر می‌تواند از اصطلاحات و مثال‌های آشنای همان دوره استفاده کند. این استفاده از منبعِ انتخاب‌شده با «آموزشِ دوبارهٔ خودکارِ مدل از هر پاسخ» فرق دارد؛ چنین فرایندِ آموزشیِ مدل را بدون شواهدِ محصول ادعا نکنید.
نمونهٔ دستورِ دقیق این است: «از درسِ نسخهٔ دوم و الگوی خطای دوپنجم، یک پیش‌نویسِ میکرودرس بساز. ابتدا یک پرسشِ تشخیصی بیاور، سپس با کلِ یکسان و قطعه‌های ششم توضیح بده، بعد پرسشی بنویس که هنرجو دلیلِ خود را بگوید. جوابِ درست و دلیلِ نادرستیِ جمعِ مستقیمِ صورت و مخرج را جدا بنویس. اگر منبع برای یک ادعا کافی نیست، آن را علامت بزن. دربارهٔ همهٔ هنرجویان تعمیم نده.» نتیجهٔ خوب باید قابل نقد و ویرایش باشد، نه متنی که صرفاً روان به نظر می‌رسد.
اگر دستیار یک مثالِ بصری پیشنهاد می‌کند، استاد باید محاسبه و تصویر را با هم بررسی کند. شش قسمتِ شکل باید واقعاً مساوی باشند؛ اگر تصویر یا توضیح این شرط را نقض کند، هنرجو از بازنماییِ غلط یاد می‌گیرد. برای درسِ ریاضی، ظاهرِ حرفه‌ایِ تصویر جای صحتِ مفهوم را نمی‌گیرد. اگر تولیدِ تصویرِ دقیق دشوار است، قطعه‌های فیزیکیِ واقعی یا نمودارِ سادهٔ ساخته‌شده و بازبینی‌شدهٔ استاد بهترند. برای طراحی سؤالِ داخل ویدیو از ابهام هنرجو، یک راهنمای جداگانه دربارهٔ جای پرسش و نوع بازخورد وجود دارد.
بازخوردِ پاسخِ اشتباه را به «دلیل» وصل کنید
اگر هنرجو در پرسشِ ترمیمی دوباره «دوپنجم» را انتخاب می‌کند، پیامِ «غلط است، دوباره امتحان کن» کمک کمی می‌کند. بازخوردِ بهتر می‌تواند بگوید: «در این روش تعدادِ بخش‌ها را جمع کرده‌ای، اما اندازهٔ بخش‌های یک‌دوم و یک‌سوم برابر نیست. هر دو را با یک کلِ یکسان به قسمت‌های ششم تبدیل کن و دوباره مجموع را بساز.» سپس فرصتِ حلِ تازه بدهید. اگر پاسخ «سه‌ششم» است، بازخورد باید به تبدیلِ هر دو کسر اشاره کند، نه اینکه همان توضیحِ خطای دوپنجم را تکرار کند.
برای پاسخِ درست هم فقط «آفرین» کافی نیست. از هنرجو بخواهید در یک جمله توضیح دهد چرا مخرجِ شش انتخاب شده است یا یک شکلِ تازه را با همان منطق تفسیر کند. ممکن است کسی گزینهٔ درست را حدس زده باشد. دستیار می‌تواند نسخه‌های کوتاه و روشنِ این بازخوردها را پیشنهاد دهد، اما استاد باید مطمئن شود هر متن با همان گزینه و همان مرحلهٔ حل سازگار است. راهنمای بازبینیِ پاسخ‌های دستیار برای کنترلِ منبع، لحن و خطاهای احتمالی به کار می‌آید.
اگر تعدادِ گزینه‌ها زیاد است، از یک جدولِ ساده استفاده کنید: «الگوی خطا»، «شاهد»، «پیامِ بازخورد»، «تمرینِ بعدی». از فرستادنِ همان پیام به همهٔ پاسخ‌های غلط خودداری کنید؛ شخصی‌سازیِ آموزشی اینجا یعنی پیام با نوعِ خطا و محتوای درس بخواند، نه اینکه صرفاً نامِ هنرجو در ابتدای متن بیاید. اگر علتِ خطا هنوز نامعلوم است، به‌جای ادعای تشخیص، یک پرسشِ روشن بفرستید.
نتیجهٔ میکرودرس را با سؤالِ تازه بسنجید
پس از بازآموزی، همان سؤالِ قبلی را بی‌تغییر تکرار نکنید؛ ممکن است هنرجو جواب را حفظ کرده باشد. یک مسئلهٔ هم‌سطح با اعدادِ تازه و درخواستِ دلیل بدهید. برای مثال، یک‌سوم به‌علاوهٔ یک‌ششم برابر سه‌ششم یا یک‌دوم است. هنرجو باید توضیح دهد یک‌سوم به دوششم تبدیل می‌شود و با یک‌ششم جمع می‌شود. اگر فقط عددِ نهایی درست است ولی توضیحِ تبدیل هنوز مبهم است، شاید یادگیریِ موردنظر هنوز پایدار نشده باشد.
سؤالِ تازه باید همان مهارت را بسنجد و ناخواسته دشوارتر نشود. اگر در آزمونِ دوم هم‌زمان متنِ پیچیده، شکلِ تازه و زمانِ کوتاه اضافه کنید، معلوم نیست تفاوتِ نتیجه از درسِ ترمیمی آمده یا از تغییرِ آزمون. به پاسخِ هنرجویان، توضیح‌هایشان و سؤال‌هایی که بعد از درس می‌پرسند با هم نگاه کنید. اگر گروهِ کوچک است، درصدهای پرزرق‌وبرق گزارش نکنید؛ چند نمونهٔ کیفیِ قابل بازبینی می‌تواند برای تصمیمِ بعدی مفیدتر باشد.
اگر خطا ادامه دارد، سه احتمال را دوباره بررسی کنید: فرضیهٔ شما دربارهٔ علت درست نبوده، توضیحِ تازه به همان اندازه مبهم است، یا پیش‌نیازِ دیگری مانع شده است. در این حالت، تولیدِ خودکارِ درسِ سوم بدون مشاهدهٔ تازه معمولاً بهترین قدم نیست. با یک یا دو هنرجو گفت‌وگوی کوتاه کنید و از آن‌ها بخواهید روشِ خود را بلند توضیح دهند. دستیار می‌تواند سؤال‌های گفت‌وگو را پیشنهاد کند، اما تشخیصِ استاد از پاسخِ واقعی به دست می‌آید.
چه داده‌ای را برای بهبودِ دوره نگه داریم؟
برای هر مداخله، چند چیز را ثبت کنید: نسخهٔ سؤالِ اول، دلیلِ معتبر دانستنِ آن، الگوی خطای مشاهده‌شده، فرضیهٔ استاد، محتوای میکرودرس، پرسشِ پیگیری و تصمیمِ بعدی. این پروندهٔ کوتاه کمک می‌کند وقتی دوره به‌روزرسانی شد، بدانید چرا یک توضیح اضافه شده است. لازم نیست نام و پاسخِ خامِ همهٔ هنرجویان در پروندهٔ عمومی بماند. اگر نمونهٔ فردی برای پژوهشِ آموزشی یا آموزشِ تیم لازم است، مجوز و محدودهٔ دسترسی را جدا مشخص کنید.
نسخه‌گذاری مهم است. ممکن است استاد در ماهِ بعد متنِ اصلیِ درس را عوض کند و همان خطای سابق کمتر دیده شود. در این صورت میکرودرسِ ترمیمی هنوز باید به نسخهٔ درست لینک بدهد؛ نباید هنرجو را به مثالِ منسوخ هدایت کند. اگر محتوای یک پاسخِ تأییدشده در دستیار استفاده می‌شود، پس از تغییرِ درس آن را نیز بازبینی کنید. اصلاحِ محتوای منبع یا دانشِ تأییدشده به معنیِ یادگیریِ خودکارِ مدلِ پایه از هر گفت‌وگو نیست.
در امکانات مدیریت دورهٔ فاکسیمون می‌توانید مسیرهای سازمان‌دهیِ محتوا را ببینید. برای آزمایشِ این روش، لازم نیست ابتدا یک سامانهٔ پیچیدهٔ تحلیلِ یادگیری بسازید؛ یک جدولِ محدود و امن برای تصمیم‌های آموزشی کافی است. وقتی تعدادِ دوره‌ها و مدرس‌ها بالا رفت، به استانداردِ مشترک برای نام‌گذاریِ نسخه‌ها و مسئولِ بازبینی نیاز دارید. دستیار می‌تواند خلاصه بسازد، اما مالکیتِ تصمیم و انتشار باید روشن بماند.
زمانِ استاد را چگونه بسنجیم، بدون وعدهٔ نتیجهٔ قطعی؟
زمانِ مفیدِ صرفه‌جویی‌شده فقط زمانِ تولیدِ متن نیست. استاد شاید با دستیار در چند دقیقه یک طرحِ درس بنویسد، اما اگر مجبور شود ده دقیقه خطاهای محاسباتی آن را اصلاح کند، سودِ خالص کم می‌شود. یک بار روشِ فعلی و یک بار روشِ یادداشتِ ساختاریافته همراهِ دستیار را در شرایطِ مشابه امتحان کنید. زمانِ بررسیِ پاسخ‌ها، نوشتنِ طرح، بازبینیِ مثال‌ها، تولیدِ تمرین و پاسخ به سؤال‌های بعدی را جدا ثبت کنید. کیفیتِ یادگیری را کنار زمان بگذارید.
برای کلاسِ فرضی، شاید مشخص شود دسته‌بندیِ اولیهٔ پاسخ‌ها بیشترین زمان را می‌برد، نه نوشتنِ متنِ میکرودرس. در این صورت بهتر است قالبِ ثبتِ خطا و پرسشِ پیگیری را اصلاح کنید. شاید هم خطاها از همان سؤالِ بد آمده‌اند و هیچ درسِ ترمیمی لازم نیست. دستیار وقتی مفید است که کارِ تکراریِ واقعی را کم کند و استاد فرصتِ بیشتری برای دیدنِ دلیلِ خطا داشته باشد. هیچ‌یک از این نتایج را نمی‌توان به رشدِ تضمینیِ فروش یا درآمد تعمیم داد.
همچنین کیفیتِ تجربهٔ هنرجو را بپرسید: آیا پس از میکرودرس می‌داند چه چیز را باید دوباره تمرین کند؟ آیا بازخورد به سؤالِ او مربوط است؟ آیا مسیرِ کمک‌گرفتن روشن است؟ افزایشِ تعدادِ محتوا یا پیام‌ها به‌تنهایی نشانهٔ آموزشِ بهتر نیست. برای یک دورهٔ پولی، شفافیتِ این مسیر می‌تواند به اعتمادِ هنرجو کمک کند، اما اثرِ تجاریِ آن نیازمند دادهٔ واقعیِ همان دوره است.
برای اینکه خطاهای مشترک به تغییرِ درستِ درس بعد برسند، آن‌ها را با هدف و روش سنجش بسنجید؛ راهنمای جامع سنجش یادگیری آنلاین چارچوب این کار را می‌دهد.
اجرای آزمایشیِ هفت‌مرحله‌ای در یک دوره
یک آزمونِ کوتاهِ کم‌خطر انتخاب کنید و با حلِ مستقلِ سؤال و بررسیِ کلید شروع کنید. سپس از پاسخ‌های مجاز چند الگو بسازید و کنار هر الگو بنویسید چه چیزی هنوز معلوم نیست. یک پرسشِ پیگیری طراحی کنید که بین دو علتِ ممکن فرق بگذارد. بعد هدفِ میکرودرس را در یک جمله تعریف کنید و از دستیار، با زمینهٔ محتوای خودِ دوره، پیش‌نویسِ توضیح و تمرین بخواهید. استاد مثال و محاسبه را کامل بازبینی کند، درس را با یک گروهِ کوچک اجرا کند و با سؤالِ تازه نتیجه را بسنجد.
اگر مرحله‌ای جواب نداد، به همان نقطه برگردید. در این مسیر، تولیدِ محتوای بیشتر هدف نیست؛ رفعِ یک مانعِ مشخص برای یادگیری هدف است. ممکن است نتیجهٔ آزمایش این باشد که باید فقط صورتِ سؤال را روشن‌تر کنید، یا یک تصویرِ دقیق به درسِ موجود اضافه کنید. شاید برای گروهی کوچک یک پیامِ فردی بهتر از ویدیوی تازه باشد. دستیار باید گزینه‌ها را روی میز بگذارد و متن‌های قابل بازبینی پیشنهاد کند؛ انتخابِ مناسب با شواهدِ کلاس و قضاوتِ استاد است.
برای آشنایی با امکان‌های موجود، صفحهٔ دستیار هوشمند استاد، سنجش و آزمون و راهنمای معیارهای ارزیابی تکلیف را ببینید. پیش از برنامه‌ریزی، مشخص کنید کدام بخشِ این گردش کار در حسابِ شما پشتیبانی می‌شود و کدام بخش را استاد باید دستی انجام دهد. اگر می‌خواهید برای دورهٔ خود یک آزمایشِ کوچک و قابل اندازه‌گیری راه بیندازید، ثبت‌نام فاکسیمون مسیرِ شروع است؛ نخستین خروجی را با پاسخِ واقعیِ هنرجویان و بازبینیِ خودتان ارزیابی کنید.