The scope of the project ”Adaptive Learning Technology in Language learning for  professionals” is to find adaptive features inside the Learning management Systems suitable for language learning and to plan for flipped and adaptive teaching in Danish or Swedish. This analysis point to three aspects of adaptive learning where teaching can be adaptive with regard to student’s individual goals, teacher’s didactical choices and automate formative testing with feedback. All within existing Learning Management Systems.

Tak til

En stor tak til NORDPLUS (NPLA-2019-10070-Nordplus) for støtte til forskningsprojektet ”Adaptiv læring i sprogundervisning af voksne fagprofessionelle” og dermed til noget af arbejdet i denne artikel. En tak rettes også til Daniel Spikol, Malmø Universitet og Henrik Køhler Simonsen, SmartLearning for at have bidraget med gode diskussioner og input.

1. Indledning og problem

I en verden med stigende kompleksitet er både fagfaglige kompetencer og sproglige kompetencer i stadigt højere grad en forudsætning for at kunne samarbejde professionelt og bidrage til løsning af problemer.
Samtidig skæres til stadighed på f.eks. universiteternes undervisning i små sprogfag og træning af sprogkompetencer overlades til markedskræfterne. Derfor ønskes med projektet at undersøge muligheder for at sikre adgang til uddannelse og lave omkostninger uden at gå på kompromis med kvaliteten.

Valget af adaptiv læringsteknologi til sprogundervisning bunder i flere ønsker og forventninger til adaptiv læringsteknologis potentialer, nemlig

• at den lærende har mulighed for, uafhængig af tid og sted, at forberede sig i eget tempo med feedback på det ydede
• at den lærende uanset fagfaglige og kommunikative (sproglige) forudsætninger kan deltage uden at
  opleve at skulle lære noget “overflødigt”
• at uanset den lærendes udgangspunkt, har alle sammenligneligt vidensgrundlag, så de lærendes og underviseres fælles tid bruges optimalt. I projektet skelnes mellem viden, færdigheder og kompetencer
• at sikre høj kvalitet af undervisningsmaterialerne,
• at optimere uddannelsesdriften til gavn for både den lærende, uddannelsesinstitutionen og for samfundet

Den skandinaviske tilgang til at lære tænkes her som livslang læring og kompetenceudvikling for alle, dvs. formel efter- og videreuddannelse i kombination med undervisning i en stærk sektor for uformel folkeoplysning. Tilgangen bygger på læring for (hele) livet, dvs. målrettet den lærende som både borger i samfundet, som deltager på arbejdsmarkedet og som privatperson (Nordisk Samarbejde, n.d.).

Da fagområdet digital læringsteknologi er relativ nyt, er mange af fagtermerne engelske. Det er et valg ikke at oversætte dem til dansk, da oversættelse af fagord ligger uden for dette projekts sigte.

På baggrund af valget af adaptiv læringsteknologi til sprogundervisning ud fra de nævnte kriterier undersøges

1. hvad der kendetegner adaptiv læring i sprogundervisning og
2. hvordan det kan operationaliseres i et Learning Management System?

2. Metode og data

For at finde frem til en måde at bruge adaptiv teknologi i sprogundervisningen er der, baseret på analyse med Hiim og Hippes didaktiske relationsmodel (2007), valgt en kontinuerlig vekslen mellem analyse og afprøvning:

• Undervisningens mål er
  • Vokabularium om kunstig intelligens på et nordisk sprog som fremmedsprog
  • Fagterminologi og -forståelse på et nordisk sprog som modersmål.
  • Projektet benytter Den Fælles Europæiske Referenceramme for selvbedømmelse af sprogkundskaber (Europass.cedefop.europa.eu, n.d.)
• De lærendes meget varierende forudsætninger i forhold til både sprog og faglig viden
• Rammefaktorer omfatter bl.a.
  • Online teknologier og services er (næsten) uafhængige af tid og sted
  • Digitale teknologier og deres produkter består af tal og der kan dermed laves beregninger på produkterne/services
  • Computere repræsenterer i dag en enorm regnekraft og båndbredde, som er tilgængelig for undervisning i denne del af verden
  • Hver app, hver digital service, hvert program har egne “affordances”, dvs. Bowers (2008) udtryk lånt fra Gibson, der her dækker over en slags ‘oplevede funktionaliteter’ ved noget, der kan bruges som værktøj. Her: ”læringsaffordances” dvs hvilke læreprocesser, der lægges op til eller bedst understøttes
• Indhold tilpasses de lærendes sproglige og fagfaglige forudsætninger
• Læreprocessen, som i denne sammenhæng tænkes flipped (Sahin & Kurban, 2019), dvs. materialet tænkes ikke som noget, der skal stå alene, men skabe forudsætninger for yderligere undervisning
• Evalueringen som foregår løbende med afprøvninger, dataindsamling og feedback fra de lærende

Den valgte metode, der bruges til at finde frem til egnet teknologi, er at afprøve allerede kendte modeller og teknologier for adaptiv læring med særlig fokus på sprogundervisning af voksne fagprofessionelle

Det planlagte testforløb med forskellige grupper af lærende på hhv. Cphbusiness Academy, Sprogskolen i København, Erhvervsakademi Aarhus og Malmö Universitet er netop lige påbegyndt, og der er derfor endnu ikke indsamlet nok data.

Testforløbene forventes at give kvantitative data fra de lærendes interaktion med materialet. Interviews med og feedback fra de lærende forventes at give kvalitative data.

3. Teori

3.1. Vokabularieundervisning

Forståelse af begreber og træning af vokabularium (at huske ord) hører til nederst i Blooms taksonomi (Krathwohl & Anderson 2001). Der defineres “lower order thinking skills” som “husker” og “forstår”. Længere oppe på den taksonomiske skala kommer “anvender”, “analyserer”, “evaluerer” og “konstruerer”. Blooms mastery-baserede undervisning, for så vidt der er tale om at huske og at forstå, er ideel til automatisering af 1:1-undervisning med et digitalt undervisningsmiddel som adaptiv læringsteknologi, fordi at huske og forstå ord og begreber er kontekstuafhængige. Først ved anvendelse af ord og begreber i kontekst kommer teknologien for nuværende til kort.

Træningsøvelserne til sprogundervisning er inspireret af f.eks. MemRise, Babble, Lingio og DuoLingo og grupperet som i Europass.cedefop.europa.eu (n.d.). Alt efter teknologisk platform er forskellige træningsøvelser mulige og hensigtsmæssige:

• Forstå (lytte og læse)
  • Til at huske ord kan flashcards benyttes (modul “Flashcard” i Moodle)
  • Til at læse og forstå benyttes artikler fra relevante fagforeningernes hjemmesider, f.eks. IDA i Danmark og IVA i Sverige
  • Til at forstå ord som begreber kan veldesignede quizzer afdække misforståelser i Moodles quiz-modul
  • Til at lytte og forstå kan podcasts og andet lydmateriale bruges
• Tale (samtale og redegøre)
  • Til at lære at udtale ord korrekt kan lydfiler af ‘indfødte’ sammenlignes med optagelser af egen udtale bruges
• Skrive
  • Til at stave ord kan funktionaliteten “Short-Answer question type” i Moodles quiz-modul bruges
  • Til at anvende ord i sproglig korrekt sammenhæng kan funktionaliteten “Drag and drop into text” i Moodles quiz-modul bruges

Figur 1: Guide to the Danish ’nå’.

3.2. Adaptiv læring

“Adaptiv” betyder “tilpasningsdygtig” og i denne sammenhæng drejer det sig om læringsteknologi, der tilpasser sig den lærendes behov.

“Adaptive learning —or adaptive teaching —is the delivery of custom learning experiences that address the unique needs of an individual through just-in-time feedback, pathways, and resources (rather than providing a one-size-fits-all learning experience)” (SmartSparrow2019).

Figur 2: Technology adapting to student’s learning needs.

Figuren ovenfor viser forskellige aspekter af de lærendes individuelle behov, som kan understøttes af teknologi: ”Accessible teaching” (Home Office Digital, n.d.) tager udgangspunkt i mennesker med forskellige behov og peger på tekniske løsninger understøttet af W3Cs arbejde (W3.org, n.d.) ”Media for learning” refererer til brug af forskellige medier (tekst, audio, video, etc.), som kan vikariere for eller erstatte hinanden uden at den formidlede viden går tabt. Under ”Learning Paths” refererer ”Individualized goals” til den lærendes valg af relevant materiale, ”Instructional design” refererer til sekvenser ud fra didaktiske valg og ”Mastery learning” refererer til at identificere det lærte og træne det ulærte.

I projektet arbejdes med de aspekter fra illustrationen, som er under ”Learning paths”.

3.2.1 Individualized goals og den lærendes valg af relevant materiale

For at lade de lærende beholde agency, dvs “the human capability to influence one’s functioning and the course of events by one’s actions” (Bandura, n.d.) vælges i projektet at lade de lærende selv beslutte hvor omfattende kurset skal være og den oplevede sværhedsgrad. De får valget mellem forskellige “pakker”:

• Huske, forstå og anvende (tænkt til lærende med svensk eller dansk som modersmål, projektledere uden særlig faglig viden)
• Huske, udtale og anvende (tænkt til lærende med dansk eller svensk som andetsprog og med dyb faglig viden)
• Huske, forstå, udtale, stave og anvende (tænkt til de ambitiøse).

Den lærende modtager automatiseret formativ feedback efter deres øvelser. Resultatet af øvelserne kan indgå i samlingen af data til kvalitetssikring af undervisningsmaterialet og de “learning paths” der er valgt ud fra didaktiske overvejelser.

I dette projekt er fravalgt brug af et talegenkendelses-API, da kvaliteten af de afprøvede apps ikke har været tilstrækkelig.

3.2.2. Instructional Design og sekvenser ud fra didaktiske valg

Kunstig intelligens brugt som værktøj er ikke en del af projektet. Kunstig intelligens er det emne der undervises i, i dette projekt, og inferens er derfor et vilkår og samtidig et didaktisk valg, da vi vælger at lave læringsstier til tre grupper af lærende:

• Lærende med en programmeringsbaggrund
• Lærende med en datafaglig baggrund og
• Lærende med en mere generel baggrund, f.eks. projektledere.

Voksnes undervisning bør i højeste grad være relevant for den lærendes hverdag og praksis (Knowles, 1970). Samtidig er det væsentligt at planlægge undervisningen efter, at voksne lærer på forskellige måder, og hvad de bringer med sig af viden og kunnen har indflydelse på deres proces med at lære (Glaser, 1984). Derfor er der i dette projekt valgt IT-professionelle, som skal lære at tale om kunstig intelligens på dansk eller svensk.

Figur 3: Adapting and preconceptions.

Figur 3 er en illustration af opdelingen af ord og begreber, så ordene er samlet i emner med oprindelse inden for samme faglighed: Der er ord fra Data Science, fra Computer Science (datalogi), fra anvendelse af kunstig intelligens (Business Development) og ord, der vil kunne danne grobund for misforståelser, hvis den lærende ingen forudsætninger har fra de tre øvrige områder. Alle ord skal læres af alle de lærende, men i forskellig rækkefølge på grund af deres forskellige fagfaglige forudsætninger.

De første 26 ord som er udvalgt, er delt ind i moduler, der hver især består af 5-9 ord. Den lærende vil initielt blive præsenteret for et spørgsmål om hans/hendes baggrund og kurset vil begynde med det korresponderende modul: Computer Science Module for dataloger, Data Science Module for datascience-fagfolk og “Suitcase Words” (Minsky 2007) for projektledere for at synliggøre mulige (og forhåbentlig derfor undgå) misforståelser inden resten af kursets indhold præsenteres Glaser (1984)

Det ville have været optimalt at bruge epistemisk netværksanalyse til afgrænsning af vidensdomænet og derigennem at udvælge de mest relevante ord. Men det må blive i et andet projekt. Denne gang har vi lænet os op ad Elementsofai.com og Wikipedia.

3.2.3 Mastery learning og identificering af det lærte og træning af det ulærte

Adaptiv læringsteknologi kan ses som et skridt på vejen mod løsningen af Bloom’s two sigma problem (Bloom, 1984). Bloom beskrev hvordan han havde målt effekten af

• klasserumsundervisning (1 underviser, 30 lærende) med forelæsninger, løbende test og karakter,
• klasserumsundervisning (1 underviser, 30 lærende) med forelæsninger, løbende test med
  efterfølgende feedback og hjælp til at forstå det ikke-mestrede
• 1:1 undervisning (1 underviser, 1-3 lærende) med undervisning, løbende test med efterfølgende
  feedback og hjælp til at forstå det ikke-mestrede (tutor)

Bloom fandt, at 1:1 mastery-baseret undervisning (dvs. hvor den lærende først bliver introduceret til et nyt emne, når han/hun har opnået den ønskede grad af mastery inden for det emne, som anses for forudsætning for forståelse for det næste emne), havde effekt på op til to standardafvigelser i den afsluttende summative test af de lærende (Bloom, 1984).

”Frequent formative evaluation tests pace the learning of students and help motivate them to put forth the necessary effort at the appropriate time. The appropriate use of these tests helps to insure that each set of learning tasks is thoroughly mastered before subsequent learning tasks are started”, (Bloom, 1968).

Feedback på formative evalueringstests i 1:1-form var umådelig dyrt at skalere, da det var underviser-afhængigt og forbundet med manuelt rettearbejde. I dag giver en digital test af mestring af viden og forståelse med tilhørende feedback ikke mange arbejdstimer for underviser når testen er produceret, hvis testresultaterne præsenteres på en hensigtsmæssig måde for underviseren.

4. Konklusion

Kendetegnende for adaptiv læringsteknologi til sprogundervisning er teknologiens tilpasning til de lærendes behov. I dette projekt indsnævres til Learning Management Systems muligheder for at lave ”Learning Paths”. På baggrund af den opstillede analyse synes det inden for rækkevidde at foreslå en model for brug af adaptiv læringsteknologi, som ikke strider imod den skandinaviske tilgang til livslang læring og kompetenceudvikling for alle lærende som borgere, som deltagere på arbejdsmarkedet og som privatpersoner.

Der vil ikke blive udviklet en model uden underviser, da automatiseret undervisningsmateriale for bl.a. sprogundervisning primært egner sig til videnstilegnelse, dvs ”huske” og ”forstå”, og ikke til træning af færdigheder eller kompetencer.

Videnstilegnelse i form af fagfagligt vokabularium på dansk eller svensk kan gøres ved at benytte de indbyggede adaptive muligheder i Learning Management Systems for

• individualiserede mål, for
• sekvenser valgt ud fra didaktiske kriterier og for
• ofte at give automatiseret formativ feedback til de lærende,

hvilket understøtter mastery-learning.

5. Perspektivering

Når tilstrækkeligt med lærende har været gennem et kursus, vil det være muligt at lave analyse på de tre aspekters kvantitative effektivitet.

Litteratur

ALBERT BANDURA Agency | Psychologist | Social Psychology | Stanford University | California. Retrieved 23 February 2020, from https://albertbandura.com/albert-bandura-agency.html

Bergenholtz, H., & Tarp, S. (Eds.). (1995). Manual of specialised lexicography: the preparation of specialised dictionaries (Vol. 12). John Benjamins Publishing.

Bloom, B. S. (1968). Learning for Mastery. Instruction and Curriculum. Regional Education Laboratory for the Carolinas and Virginia, Topical Papers and Reprints, Number 1. Evaluation comment, 1(2), n2.

Bloom, B. S. (1984). The 2 sigma problem: The search for methods of group instruction as effective as one-to-one tutoring. Educational researcher, 13(6), 4-16.

Bower, M. (2008). Affordance analysis–matching learning tasks with learning technologies. Educational Media International, 45(1), 3-15.

Europass.cedefop.europa.eu. (n.d.). Den Fælles Europæiske Referenceramme. [online] Available at: https://europass.cedefop.europa.eu/sites/default/files/cefr-da.pdf [Accessed 23 Feb. 2020].

Hilde, H., & Hippe, E. (2007). Læring gennem oplevelse, forståelse og handling. København: Gyldendalske boghandel.

Home Office Digital, D., n.d. Designing For Accessibility. [online] Ukhomeoffice.github.io. Available at: <https://ukhomeoffice.github.io/accessibility-posters/> [Accessed 23 February 2020].

Krathwohl, D. R., & Anderson, L. W. (2001). A Taxonomy for Learning. Teaching, and Assessing: A Revision of Bloom’s Taxonomy of Educational Objectives.

Nordisk Samarbejde. n.d. Om Nordisk Netværk For Voksnes Læring (NVL). [online] Available at:
<https://www.norden.org/da/information/om-nordisk-netvaerk-voksnes-laering-nvl> [Accessed 23 February 2020].

Minsky, M. (2007). The emotion machine: Commonsense thinking, artificial intelligence, and the future of the human mind. Simon and Schuster.

Şahin, M., & Kurban, C. F. (2019). The new university model: flipped, adaptive, digital and active learning (FADAL).

W3.org. n.d. Accessibility – W3C. [online] Available at: <https://www.w3.org/standards/webdesign/accessibility> [Accessed 23 February 2020].

Fra

Forsøg med uddannelsesdigitalisering og uddannelsesformater
Erfaringer fra den digitale frontlinje i erhvervsakademisektoren
ISBN: 978-87-7209-369-7
Printed by: SL grafik, Frederiksberg, Denmark (www.slgrafik.dk)