Mức độ tham gia học tập số được thể hiện thế nào?

Vì vậy, không nên đồng nhất “có hoạt động trên nền tảng” với “tham gia học tập ở mức cao”. Một người có thể đăng nhập thường xuyên nhưng tương tác rất ít, trong khi người khác truy cập ít hơn nhưng chủ động thảo luận, hoàn thành nhiệm vụ đúng hạn và phản hồi sâu. Muốn nhận biết chính xác mức độ tham gia, cần xem xét đồng thời tần suất, tính chủ động, mức độ tương tác, tính liên tục và mục đích của hành vi

Những hành vi nào cho thấy người học đang tham gia học tập số?

Mức độ tham gia có thể được nhận biết trước hết qua các hành vi quan sát được trong quá trình học. Các hành vi này thường xuất hiện ở nhiều điểm tiếp xúc khác nhau trên nền tảng số

Truy cập và sử dụng tài nguyên học tập

Việc thường xuyên mở bài học, đọc tài liệu, xem nội dung học tập, truy cập học liệu bổ sung hoặc quay lại nội dung trước đó cho thấy người học đang thực sự tiếp xúc với môi trường học tập số

Tuy nhiên, chỉ số truy cập đơn thuần chưa đủ để kết luận mức độ tham gia. Lượt mở tài liệu cao nhưng không đi kèm hoạt động học tập khác có thể chỉ phản ánh sự hiện diện, chưa phản ánh đầy đủ sự tham gia nhận thức

Thực hiện và hoàn thành nhiệm vụ học tập

Hành vi làm bài tập, nộp bài, tham gia bài kiểm tra, hoàn thành hoạt động nhóm hoặc thực hiện nhiệm vụ theo tiến độ là dấu hiệu trực tiếp hơn của sự tham gia

Điểm cần quan sát không chỉ là “có hoàn thành hay không”, mà còn là mức độ duy trì, tính đúng hạn và khả năng tiếp tục thực hiện nhiệm vụ qua nhiều giai đoạn của khóa học

Tương tác với giảng viên và bạn học

Tham gia diễn đàn, đặt câu hỏi, trả lời thảo luận, phản hồi nhận xét hoặc trao đổi trong hoạt động nhóm cho thấy người học không chỉ tiếp nhận nội dung mà còn tham gia vào quá trình tương tác

Đây là một dấu hiệu quan trọng vì học tập số không chỉ diễn ra qua việc tiêu thụ nội dung. Khi người học đặt câu hỏi, giải thích quan điểm hoặc phản hồi người khác, mức độ tham gia thể hiện rõ hơn qua hành vi xã hội và nhận thức

Mức độ tham gia khác nhau ở điểm nào?

Các hành vi trên cần được nhìn theo mức độ tham gia, thay vì chỉ phân loại thành “có” hoặc “không”

Tham gia ở mức hiện diện

Người học chủ yếu đăng nhập, mở tài liệu, xem nội dung hoặc kiểm tra thông báo nhưng ít thực hiện hoạt động yêu cầu phản hồi và tương tác

Mức này cho thấy người học có hiện diện trong môi trường số, nhưng chưa nhất thiết thể hiện sự tham gia sâu

Tham gia ở mức chủ động

Người học bắt đầu chủ động thực hiện nhiệm vụ, tham gia thảo luận, đặt câu hỏi, phản hồi và duy trì tiến độ học tập

Điểm khác biệt nằm ở việc người học không chỉ phản ứng với yêu cầu của khóa học mà đã chủ động tạo ra hoạt động học tập của chính mình

Tham gia ở mức tích cực và liên tục

Ở mức cao hơn, hành vi được duy trì đều đặn qua thời gian. Người học không chỉ hoàn thành nhiệm vụ mà còn quay lại nội dung để làm rõ vấn đề, tham gia trao đổi, phản hồi và điều chỉnh cách học dựa trên quá trình học tập

Do đó, mức độ tham gia nên được nhìn như một phổ hành vi, trong đó tính chủ động và tính liên tục có ý nghĩa quan trọng bên cạnh tần suất hoạt động

Vì sao tần suất hoạt động chưa phản ánh đầy đủ mức độ tham gia?

Một trong những hiểu lầm phổ biến là cho rằng người học càng đăng nhập nhiều thì càng tham gia tích cực

Tần suất chỉ phản ánh một phần hành vi. Một người có thể truy cập nền tảng nhiều lần vì kiểm tra thông báo, tải tài liệu hoặc thực hiện những thao tác rất ngắn. Ngược lại, một phiên học ít lần truy cập nhưng bao gồm đọc tài liệu, làm nhiệm vụ và tham gia thảo luận có thể tạo ra giá trị học tập lớn hơn

Vì vậy, khi đánh giá mức độ tham gia, cần kết hợp nhiều dấu hiệu thay vì dựa vào một chỉ số đơn lẻ

Các dữ liệu thường có giá trị hơn khi được xem cùng nhau, chẳng hạn:

·         Tần suất truy cập

·         Thời điểm và tính đều đặn của hoạt động

·         Mức độ hoàn thành nhiệm vụ

·         Hành vi tương tác

·         Số lần phản hồi hoặc đóng góp

·         Khả năng duy trì hoạt động qua nhiều tuần

·         Việc quay lại nội dung hoặc hoạt động sau lần học đầu tiên

Ý nghĩa của từng chỉ số cũng phụ thuộc vào thiết kế khóa học. Một hoạt động học không yêu cầu thảo luận sẽ không thể được đánh giá bằng cùng tiêu chí với một khóa học lấy thảo luận nhóm làm trọng tâm

Dữ liệu số giúp nhận biết mức độ tham gia như thế nào?

Môi trường số tạo ra nhiều dấu vết hành vi có thể dùng để nhận biết sự tham gia

Dữ liệu hoạt động trên nền tảng

Lịch sử đăng nhập, truy cập bài học, mở tài liệu, thực hiện nhiệm vụ và nộp bài cho phép quan sát người học có thực sự tham gia vào các hoạt động được thiết kế hay không

Những dữ liệu này phù hợp để nhận biết mức độ hiện diện và duy trì hoạt động

Dữ liệu tương tác

Lượt đăng bài, phản hồi, đặt câu hỏi, nhận xét và trao đổi trong nhóm giúp phản ánh mức độ tham gia mang tính xã hội

Giá trị của dữ liệu tương tác không nằm hoàn toàn ở số lượng. Một phản hồi có lập luận hoặc góp phần giải quyết vấn đề có thể mang nhiều thông tin hơn nhiều phản hồi ngắn chỉ để hoàn tất yêu cầu

Dữ liệu tiến trình

Việc theo dõi chuỗi hoạt động theo thời gian giúp phân biệt một hoạt động nhất thời với mức độ tham gia ổn định

Chẳng hạn, một người học hoạt động liên tục qua nhiều tuần, hoàn thành nhiệm vụ theo tiến độ và duy trì tương tác thường cho thấy mức độ tham gia bền vững hơn một người chỉ hoạt động mạnh trong một khoảng thời gian ngắn

Những điều kiện nào khiến hành vi tham gia không phản ánh đúng mức độ tham gia?

Không phải mọi hành vi số đều có thể được diễn giải theo cùng một cách

Hành vi phụ thuộc vào thiết kế khóa học

Nếu khóa học chủ yếu cung cấp nội dung tự học, người học có thể ít bình luận hoặc thảo luận nhưng vẫn đang tham gia đúng cách. Ngược lại, nếu khóa học yêu cầu cộng tác thường xuyên, việc gần như không tương tác có thể là dấu hiệu cần xem xét

Hành vi không đồng nghĩa với chất lượng học tập

Tham gia nhiều không tự động có nghĩa là người học hiểu tốt, đạt kết quả cao hoặc học hiệu quả. Mức độ tham gia mô tả cách người học hiện diện và hành động trong quá trình học, còn kết quả học tập là một khía cạnh khác

Đây là ranh giới quan trọng khi đọc dữ liệu: một chỉ số về hoạt động không nên được dùng để suy ra trực tiếp một kết luận về năng lực hoặc thành tích nếu chưa có bằng chứng tương ứng

Một hành vi có thể có nhiều nguyên nhân

Việc giảm hoạt động trên nền tảng có thể xuất phát từ nhiều nguyên nhân khác nhau, chẳng hạn thay đổi lịch học, khó khăn với nhiệm vụ, vấn đề kỹ thuật hoặc sự giảm động lực

Do đó, dữ liệu hành vi nên được dùng để phát hiện tín hiệu cần xem xét, thay vì gán ngay một nguyên nhân cho người học

Nhận biết mức độ tham gia học tập số theo cách nào là hợp lý?

Cách tiếp cận phù hợp là kết hợp các nhóm hành vi và xem xét chúng theo thời gian

Trước hết, cần xác định những hành vi nào thực sự quan trọng đối với thiết kế học tập, chẳng hạn hoàn thành nhiệm vụ, tương tác, phản hồi hoặc duy trì tiến độ

Sau đó, đối chiếu nhiều chỉ dấu thay vì dùng một số đo duy nhất. Một người học có thể ít đăng nhập nhưng hoàn thành đầy đủ nhiệm vụ; người khác có thể truy cập rất thường xuyên nhưng ít tạo ra sản phẩm học tập. Hai trường hợp này không nên được đánh giá giống nhau

Cuối cùng, cần đặt dữ liệu trong đúng bối cảnh của khóa học và xem xét tính liên tục. Mức độ tham gia có ý nghĩa hơn khi được nhận biết qua một chuỗi hành vi nhất quán thay vì một thời điểm riêng lẻ

Khi nhìn theo cách này, mức độ tham gia học tập số được nhận biết rõ nhất qua sự kết hợp giữa hiện diện, chủ động, tương tác và duy trì hoạt động trong suốt quá trình học.

Kết luận

Mức độ tham gia học tập số được thể hiện qua những hành vi cụ thể như truy cập học liệu, thực hiện nhiệm vụ, tương tác, phản hồi và duy trì tiến độ học tập. Tuy nhiên, không một hành vi đơn lẻ nào đủ để đại diện cho toàn bộ mức độ tham gia

Muốn nhận biết chính xác hơn, cần kết hợp tần suất với tính chủ động, chất lượng tương tác, tính liên tục và bối cảnh của hoạt động học. Đồng thời, cần phân biệt rõ mức độ tham gia với kết quả hay hiệu quả học tập, bởi đây là những khía cạnh khác nhau của quá trình học tập trong môi trường số