Metriky pro hodnocení vzdělávacích procesů v kolaborativní virtuální realitě
Mimo mnoho dalších přínosů, s sebou virtuální realita a její rozvoj z poslední doby přinesl možnost připravovat jejím prostřednictvím rozličné vzdělávací scénáře, přičemž zároveň přináší ještě nedávno netušené možnosti tvorby prostředí přesně na míru výukovému cíli. Zatím ne zcela doceněním benefitem, ze kterého mohou lektoři vzdělávající své studenty ve virtuálním prostředí těžit, je možnost kvantifikovat výsledky uskutečněné lekce pomocí předem stanovených a zaznamenatelných metrik. Do rukou se jim tak dostává nástroj, pomocí kterého můžeme po skončení každé lekce vyhodnotit její průběh či zapojení jednotlivých jejich účastníků. Můžeme tak dostat velmi objektivní představu o detailech práce studentů nebo výsledky použít pro zdokonalení dalších vzdělávacích aktivit.
V reálném prostředí fyzické vzdělávací lekce či vyučovací hodiny vedené podle tradičních vzdělávacích schémat, může být pro lektora obtížné sbírat v průběhu svého výkladu formálně měřitelná data o průběhu lekce od většího množství studentů. V rámci virtuální prostředí je možné nastavit sběr předem definovaných datových struktur, jejichž následnou analýzou je možné vyhodnocovat jednotlivé parametry uskutečněné lekce. Podobná evaluace může být následně velmi užitečné při hodnocení celkového přínosu edukačního sezení, případně může sloužit jako podklad pro efektivní hodnocení jednotlivých účastníků lekce, přičemž může poskytovat cennou zpětnou vazbu k jednotlivým a předem stanoveným metrikám. Pokud jsou tyto metriky zároveň dobře nastavené, je možné věnovat více pozornosti samotnému obsahu lekce. Ve větší studijní skupině je zároveň možné poskytnout osobnější přístup jedincům, jejichž studijní tempo nekoresponduje s tempem ostatních studentů. Lektor má tak více prostoru věnovat se při samotné lekci hlubší podstatě vzdělávání a důležitosti předávané informace, přičemž dostává na závěr kvantifikována data, jejichž sběru nemusí během svého výkladu věnovat zvláštní pozornost. Analogická data se tradičně sbírají například prostřednictvím takzvaných LMS (anglicky Learning Management System) systémů. Charakter dat generovaných prostředím virtuální reality je však do jisté míry odlišný. Podobat se však mohou způsobem, jakým je budeme interpretovat a účelem jejich následného využití.
Ucelenější přehled o konkrétních metrikách generovaných prostředím virtuální reality není v odborné literatuře zatím významněji zastoupen. Z těchto důvodů je následující výčet pouze návrhem metrik, které by bylo možné ve virtuálním prostředí kvantifikovat a pouze úvodním zamyšlením se nad potenciálním technickým řešením. Stejně tak nelze kompletně všechny metriky přenositelně použít pro neomezené variace virtuálních vzdělávacích lekcí a vždy bude záležet na konkrétním obsahu lekce a datech, které bude lektor pro vyhodnocené své lekce požadovat. Celá problematika si zatím spíše hledá své teoretické ukotvení v obecných vzdělávacích teoriích, což může být však příslibem k budoucím praktickým implementacím nejenom v oblasti abstraktního výzkumu. Potenciální hodnota efektivního sběru a vizualizace takto získaných dat zároveň leží i mimo svět edukačních procesů. Jejich existenci tak mohou ocenit i další oblasti lidského bádání pracující s touto progresivní technologií, jejíž využití můžeme vysledovat například ve sportovním odvětví nebo v korporátním a krizovém vzdělávání.
Základní datové struktury, které by bylo možné s běžnými technologickými prostředky v současné době sbírat jako výstup virtuálních vzdělávacích aktivit, můžeme rozdělit podle svého charakteru například následujícím způsobem:
Analýza zvukových záznamů:
- Kvantitativní analýza četnosti mluvených vstupů a celková doba mluvení,
- průměrná délka jednotlivých mluvených vstupů,
- obsahová analýza mluveného slova— četnost slov, počet slov a další,
- úrovně hlasitosti jednotlivých účastníků lekce,
- procentuální vyjádření doby, kdy byl zapnutý/vypnutý mikrofon.
Analýza pohybových dat:
- Vyhodnocení vzájemné pozice uživatelů— vzájemně strávený čas, počet interakcí, vizualizace/rekonstrukce pohybu na 2D mapě,
- celková nachozená vzdálenost.
Analýza eyetrackingových dat:
- Interakce s objekty (počet pohledů na ostatní uživatele či definované objekty ve scéně),
- reakční doba od pohledové interakce s objektem na stanovený podnět.
Interakce s virtuálním prostředím:
- Objekty, s nimiž uživatel pracuje či jinak interaguje,
- počet použití ovladače (počet stisknutí tlačítka, stranová dominance).
Formální metriky:
- Přítomnost či absence uživatele na lekci,
- Technická metadata a hardwaru a prostředí (použitý headset, verze softwaru a další),
- celkový čas strávený v lekci,
- počet využitých pokusů ke splnění úkolu/lekce.
Self-reported analýza (hodnocení na konci lekce formou dotazníku, rozhovoru apod.):
- Subjektivní pocity z lekce,
- užitečnost a přínosnost lekce,
- pozitivní/negativní přínos oproti stejné lekci v klasickém stylu výuky.
Biometrická data:
- Srdeční tep,
- mozková aktivita,
- tělesná teplota,
- úroveň stresu a další.
Dle naznačených metrik vhodných k datovému vyjádření je zřejmé, že jejich charakter a praktický záběr může být hodně široký. Samotná data nemusejí souviset pouze s virtuálním prostřením ve své hluboké podstatě, ale je možné do výsledné analýzy zahrnout i data jiného typu, jako jsou ta z navržené kategorie formálním či biometrických dat. Stejně tak je možné škálovat skupiny uživatelů, od kterých budou data sbírána a jinak tříděna. Užitečným se ukazuje i sběr těchto dat na straně lektora a dalších doprovodných aktérů.
Práce na implementaci sběru, vyhodnocení a vizualizace popsaných datových struktur je ve své prvotní fázi. Její startovní potenciál a praktické využití má však slibné obrysy a proto si jistě téma zaslouží svou pozornost a úsilí vynaložené k praktickým výsledkům.
Poznámka: Článek je shrnutím základních teoretických poznatků, z nichž by měla vzniknout diplomová práce na stejné téma.
Použité zdroje
Evaluating Collaborative Learning Processes using System-based Measurement
Educational Data Mining (Wikipedia)
Learning Analytics (Wikipedia)
Virtual reality brings unique learning analytics
VR Training Analytics: A New World Of User Data Tied To Performance Outcomes
A Learning Analytics Theoretical Framework for STEM Education Virtual Reality Applications
