Key points are not available for this paper at this time.
Resumo O progresso dos alunos em ambientes de aprendizagem colaborativa suportados por computador é tipicamente medido por meio da análise e interpretação de medidas quantitativas de interação na web. No entanto, a utilidade dessas "proxies para aprendizado" é questionada, pois elas não refletem necessariamente o pensamento crítico—um componente essencial da aprendizagem colaborativa. Pesquisas indicam que esquemas de análise de conteúdo pedagógico têm valor para medir o discurso crítico em ambientes de aprendizagem online formais e em pequena escala, mas pesquisas utilizando esses métodos em fóruns de Massive Open Online Course (MOOC) de alta volume e informais são menos comuns. O desafio nesse contexto é desenvolver indicadores válidos e confiáveis que operem com sucesso em larga escala. Neste estudo, testamos dois esquemas de codificação estabelecidos usados para a análise de conteúdo pedagógico de discussões online em uma revisão de larga escala dos dados de comentários de MOOCs. As pontuações pedagógicas são derivadas de avaliações manuais aplicadas a comentários por avaliadores e correlacionadas com indicadores linguísticos e de interação derivados automaticamente. Os resultados mostram que os métodos de análise de conteúdo são confiáveis e estão muito fortemente correlacionados entre si, sugerindo que seu formato específico não é significativo nesse contexto. Além disso, os métodos estão fortemente associados aos indicadores linguísticos relevantes de níveis mais altos de aprendizado e têm correlações mais fracas com outras métricas linguísticas e de interação. Isso sugere promessas para pesquisas adicionais utilizando técnicas de aprendizado de máquina, com o objetivo de fornecer feedback realista a instrutores, alunos e designers de aprendizagem.
O’Riordan et al. (Qui,) estudaram essa questão.