Advertisement

Fostering teachers’ understanding of progression of multiple groups towards the orchestration of conceptual learning

  • Osama SwidanEmail author
  • Naomi Prusak
  • Adva Livny
  • Alik Palatnik
  • Baruch Schwarz
Thementeil

Abstract

Integrating collaborative settings in mathematics classrooms is challenging. The main challenge concerns adaptive guidance—guidance that takes into account the needs of learners. This adaptive guidance depends on the teacher’s understanding of the progression of group work. Understanding this progression when the teacher organizes several groups in a classroom towards conceptual understanding has been impracticable so far. In this paper, we present an environment, the System for Advancing Group Learning in Educational Technologies (SAGLET), which is based on the Virtual Math Teams (VMT) environment. This environment allows teachers to observe multiple groups engaging in problem-solving in geometry. SAGLET relies on the theoretical idea of critical moments in group learning, events whose occurrence may enable or impair co-construction of meanings. We conjecture that the teacher’s identification of critical moments may facilitate further guidance towards conceptual learning among students. Machine learning techniques provide online alerts about critical moments. We checked whether 11 teachers looking at multiple groups working in parallel better understand the progression of group work, upon being informed about critical moments. The results indicate that teachers use alerts about critical moments to understand better the progression of parallel groups but that informing them about critical moments sometimes impairs their observations.

Keywords

Adaptive guidance Conceptual learning Geometry Orchestration Small groups Technological tools 

Förderung des Verständnisses von Lehrkräften über den Arbeitsfortschritt von parallel kooperierenden Kleingruppen zur Unterstützung konzeptuellen Lernens

Zusammenfassung

Die Integration kooperativer Lehr-Lern-Arrangements in den Mathematikunterricht ist mit diversen Herausforderungen verbunden. Eine zentrale Herausforderung dabei stellt die adaptive Unterstützung der Lernenden dar, die auf die individuellen Bedürfnisse zugeschnitten ist. Um Kleingruppen adaptiv unterstützen zu können, ist es entscheidend, dass die Lehrkraft einen Einblick in den Arbeitsfortschritt der einzelnen Kleingruppen erlangt. Vertiefte Einblicke in das Kooperationsgeschehen von mehreren, zeitgleich arbeitenden Kleingruppen zu gewinnen, um diese hinsichtlich ihres konzeptuellen Wissenserwerb fördern zu können, war bisher kaum möglich. In diesem Beitrag präsentieren wir die Lehr-Lern-Umgebung „System for Advancing Group Learning in Educational Technologies (SAGLET)“, die auf die Umgebung „Virtual Math Teams (VMT)“ aufbaut. SAGLET erlaubt es Lehrenden, mehrere Gruppen gleichzeitig beim Lösen von Geometrieaufgaben zu beobachten. SAGLET basiert auf der Idee, dass es bestimmte kritische Momente während einer Gruppenarbeit gibt, die entscheidend für eine erfolgreiche Wissens-Ko-Konstruktion während der Aufgabenbearbeitung sind. Wir gehen davon aus, dass Lehrkräfte den Erwerb von konzeptuellem Verständniswissen besser unterstützen können, wenn sie in der Lage ist, solche kritischen Momente zu identifizieren. Mithilfe von Machine Learning-Verfahren können Lehrende über kritische Momente während der Zusammenarbeit von SuS informiert werden. In einer Studie mit 11 Lehrkräften wurde untersucht, ob diese den Arbeitsfortschritt von mehreren parallel arbeitenden Kleingruppen besser einschätzen können, wenn sie vom System auf kritische Momente während der Zusammenarbeit hingewiesen werden. Aus den Ergebnissen geht hervor, dass Lehrende die Benachrichtigungen über kritische Momente nutzen können, um den Fortschritt der parallel arbeitenden Gruppen besser nachzuvollziehen. In einigen Fällen beeinträchtigten die Systemhinweise jedoch die eigenen Beobachtungen der Lehrkräfte.

Schlüsselwörter

Kooperatives Lernen Lehrunterstützung Orchestration Tools Kritische Momente 

References

  1. Anderson, R. C., Chinn, C., Waggoner, M., & Nguyen, K. (1998). Intellectually stimulating story discussions. In J. Osborn & F. Lehr (Eds.), Literacy for all (pp. 170–186). New York: Guilford.Google Scholar
  2. Asterhan, C. S. C., & Schwarz, B. B. (2016). Argumentation for learning: Well-trodden paths and unexplored territories. Educational Psychologist, 51, 164–187.CrossRefGoogle Scholar
  3. Baroody, A. J. (2003). The development of adaptive expertise and flexibility: The integration of conceptual and procedural knowledge. In A. J. Baroody & A. Dowker (Eds.), The development of arithmetic concepts and skills: Constructing adaptive expertise (pp. 1–33). Mahwah: Erlbaum.Google Scholar
  4. Damşa, C., & Ludvigsen, S. (2016). Learning through interaction and the co-construction of knowledge objects in teacher education. Learning, Culture and Social Interaction, 11, 1–18.CrossRefGoogle Scholar
  5. Dillenbourg, P. (2013). Design for classroom orchestration. Computers & Education, 69, 485–492.CrossRefGoogle Scholar
  6. Dillenbourg, P., & Tchounikine, P. (2007). Flexibility in macro‐scripts for computer‐supported collaborative learning. Journal of Computer-Assisted Learning, 23, 1–13.CrossRefGoogle Scholar
  7. D’Mello, S., Lehman, B., Pekrun, R., & Graesser, A. (2014). Confusion can be beneficial for learning. Learning and Instruction, 29, 153–170.CrossRefGoogle Scholar
  8. van Es, E. A. (2011). A framework for learning to notice student thinking. In M. Sherin, V. Jacobs & R. Philipp (Eds.), Mathematics teacher noticing (pp. 164–181). London: Routledge.Google Scholar
  9. Fuchs, L. S., Fuchs, D., Hamlett, C. L., & Karns, K. (1998). High-achieving students’ interactions and performance on complex mathematical tasks as a function of homogeneous and heterogeneous pairings. American Educational Research Journal, 35, 227–267.CrossRefGoogle Scholar
  10. Gillies, R. M., Ashman, A., & Terwel, J. (Eds.). (2008). The teacher’s role in implementing cooperative learning in the classroom. New York: Springer.Google Scholar
  11. Hanna, G. (2000). Proof, explanation and exploration: An overview. Educational Studies in Mathematics, 44, 5–23.CrossRefGoogle Scholar
  12. Holstein, K., Hong, G., Tegene, M., McLaren, B. M., & Aleven, V. (2018). The classroom as a dashboard: Co-designing wearable cognitive augmentation for K‑12 teachers. In ACM (Ed.), Proceedings of the 8th international conference on learning Analytics and knowledge (pp. 79–88).Google Scholar
  13. Kaendler, C., Wiedmann, M., Rummel, N., & Spada, H. (2015). Teacher competencies for the implementation of collaborative learning in the classroom: A framework and research review. Educational Psychology Review, 27, 505–536.CrossRefGoogle Scholar
  14. Ludvigsen, S. R. (2009). Sociogenesis and cognition. The struggle between social and cognitive activities. In B. B. Schwarz, T. Dreyfus & R. Hershkowitz (Eds.), Transformation of knowledge through classroom interaction (pp. 302–317). New York: Routledge.Google Scholar
  15. Molenaar, I., & van Schaik, A. (2017). A methodology to investigate classroom usage of educational technologies on tablets. In S. Aufenanger & J. Bastian (Eds.), Tablets in Schule und Unterricht. Forschungsergebnisse zum Einsatz digitaler Medien (pp. 87–1116). Wiesbaden: Springer.CrossRefGoogle Scholar
  16. Monteil, J. M. (1989). Eduquer et former. Grenoble: Presses Universitaires de Grenoble.Google Scholar
  17. Romero, M. (2010). Gestion du temps dans les Activités Projet Médiatisées à distance. Vol. 5263. Toulouse: Université de Toulouse. Thèse de Doctorat en cotutelle européenneGoogle Scholar
  18. Schwartz, D. L. (1995). The emergence of abstract representations in dyad problem solving. Journal of the Learning Sciences, 4, 321–354.CrossRefGoogle Scholar
  19. Schwarz, B. B., & Asterhan, C. S. C. (2011). E‑moderation of synchronous discussions in educational settings: A nascent practice. Journal of the Learning Sciences, 20, 395–442.CrossRefGoogle Scholar
  20. Segal, A., Hindi, S., Prusak, N., Swidan, O., Livni, A., Palatnic, A., & Schwarz, B. (2017). Keeping the Teacher in the Loop: Technologies for Monitoring Group Learning in Real-Time. In AIED (Ed.), Artificial Intelligence in Education – 18th International Conference, AIED 2017, Wuhan, China, June 28–July 1, 2017 (pp. 64–76).Google Scholar
  21. Stahl, G. (2009). Studying virtual math team. New York, Dordrecht, Heidelberg, London: Springer.CrossRefGoogle Scholar
  22. Star, J. R., & Strickland, S. K. (2008). Learning to observe: Using video to improve preservice mathematics teachers’ ability to notice. Journal of Mathematics Teacher Education, 11, 107–125.CrossRefGoogle Scholar
  23. Van Leeuwen, K., & Rummel, N. (2018). Orchestration tools for teachers in the context of individual and collaborative learning: What information do teachers need and what do they do with it? 13th Annual International Conference of the Learning Science (ICLS), London.Google Scholar
  24. Van Leeuwen, A., Janssen, J., Erkens, G., & Brekelmans, M. (2014). Supporting teachers in guiding collaborating students: Effects of learning analytics in CSCL. Computers & Education, 79, 28–39.CrossRefGoogle Scholar
  25. Webb, N. M. (2009). The teacher’s role in promoting collaborative dialogue in the classroom. British Journal of Educational Psychology, 79, 1–28.CrossRefGoogle Scholar
  26. Webb, N. M., & Palincsar, A. S. (1996). Group processes in the classroom. In D. C. Berliner & R. C. Calfee (Eds.), Handbook of educational psychology (pp. 841–873). New York: Macmillan.Google Scholar

Copyright information

© Die Herausgeber und Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Graduate Program for Science & Technology EducationBen Gurion University of the NegevBe’er ShevaIsrael
  2. 2.Hebrew University of JerusalemJerusalemIsrael

Personalised recommendations