Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Understanding students' use of learning strategies through visualizations: A usability study
KTH, School of Electrical Engineering and Computer Science (EECS).
2019 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [sv]

Det svenska skolsystemet genomgår en digitaliseringsprocess. I och med digitaliseringen har ett starkt intresse av att utforska olika typer av lärodata via olika läroplattformar utvecklats. För att analysera sådan data kan man ta hjälp av Learning Analytics (LA). LA är när man samlar, analyserar och rapporterar lärodata från diverse lärandeaktiviteter. För att analysera datan mer effektivt kan man ta hjälp av visualisering. Denna studie presenterar ett visualiseringsverktyg riktat till lärare. Det har utvecklats för att stödja lärare i deras förståelse av hur valda självreglerat lärande (SRL)strategier har utvärderats av studenter. Att kunna applicera SRL-strategier är av stor vikt eftersom studenter som lär sig att applicera dessa kommer att ha fördelar båda vid framtida studier och framtida arbete. Syftet med denna studie var att se hur lärodata kan visualiseras för att förstå studenters användning av lärostrategier och hur bra visualiseringsverktyget var ur ett användbarhetsperspektiv. Användbarheten av verktyget testades genom ett experiment där ett antal frågor ställdes. Svaren gick att finna i visualiseringen. Deltagarna i studien fick sedan svara på ett System Usabilityformulär. Resultaten visar att det utvecklade verktyget är användbart och att olika användare använder sig av, om möjligt, olika metoder för att komma fram till ett svar. Denna uppsats presenterar riktlinjer att ha i beaktande när ett visualiseringsverktyg som ska stödja lärare i att förstå studenters användning av SRL-strategier ska designas.

Abstract [en]

The Swedish school system is going through a digitalization process. With digitalization, a strong interest in exploring learner data available through various digital platforms has emerged. In order to analyse the data, one can take help of learning analytics (LA) which relates to collect, report and analyse data from learners or learning activities. To be able to analyse it in a more efficient way, one can take help from visualization. This study presents a visualisation tool aimed at teachers. It has in particular been developed to support teachers in their understanding of how chosen self-regulated learning (SRL) strategies were evaluated by students. SRL strategies are important to be able to apply since students who can learn to apply SRL strategies have an advantage during both future studies and work compared to those who cannot. The aim with this study was to see how learner data can be visualized in order to understand students' use of learning strategies and how good the developed visualization tool is from a usability perspective. The perceived usability of this tool was tested by means of interviews where a series of questions was asked where the answers could be found in the visualization tool. The participants also answered a System Usability Questionnaire. The results showed that the tool developed is usable and that different users of the tool tend to, if possible, use different

methods to reach the answer. This thesis presents design guidelines to have in consideration when designing a visualization tool in order to aid teachers in analysing students' use of SRL strategies.

Place, publisher, year, edition, pages
2019. , p. 19
Series
TRITA-EECS-EX ; 2019:302
Keywords [en]
Learning strategies; Self-regulated learning; Information Visualization; Learning Analytics; Teaching and learning support
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-254975OAI: oai:DiVA.org:kth-254975DiVA, id: diva2:1337077
Supervisors
Examiners
Available from: 2019-07-11 Created: 2019-07-11 Last updated: 2019-07-11Bibliographically approved

Open Access in DiVA

fulltext(2988 kB)23 downloads
File information
File name FULLTEXT01.pdfFile size 2988 kBChecksum SHA-512
16170d906d058b9559aeac0bb53324bbcf8044e0dedcfea82679e3e3925134899a28d02009c1123cfb2489781d553e6484679e7d99aa45b28f67f33e0546ebc7
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering and Computer Science (EECS)
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 23 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 41 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf