无屏幕编程教育的兴起、目标与实践——基于社交媒体研究法（SMR）的Twitter大数据分析
发布时间：2021-10-24 03:56
近些年来兴起的无屏幕编程教育是基于有形用户界面（TUI）,在没有屏幕支持的情况下,通过物理活动和有形设备来实现编程的教育。研究基于社交媒体研究法（SMR）,采用定量与定性相结合的方式,对2018年1月1日至2020年6月30日期间,全球范围内推特（Twitter）推文中的四种无屏幕编程设备的数据进行分析,探究现阶段无屏幕编程教育的实践情况。结果表明:无屏幕编程教育在世界范围内受到广泛关注,多数人对其持肯定态度。无屏幕编程教育以最近发展区和支架理论为基本理论,通过主体四种角色的演绎,对学习者的认知能力、计算思维能力和学习品质,有着不同程度的良好促进作用。相较于有屏幕编程教育,无屏幕编程教育在帮助学习者感知真实世界方面,有着明显的优势。但是,如何将无屏幕编程合理、高效的引入课堂教学,依然是教育工作者亟需解决的一个难题。而且,TUI和人工智能技术发展仍有广阔的进步空间。随着技术的不断发展,无屏幕编程教育的普适度会有极大的提升。
【文章来源】：远程教育杂志. 2020,38(05)北大核心CSSCI
【文章页数】：12 页
【部分图文】：
编程技术的发展历程
在GIS分析中，由于Twitter推文的地理位置信息由用户设定了是否显示，因此，我们在采集数据时发现，18,313条原推中的5554条显示了地理位置坐标。由图4可见，四种无屏幕编程在北美洲（美国，加拿大等）、南半球的澳大利亚以及新西兰等国分布较广，Robot Turtles和Cubetto在欧洲使用频率较高，在南亚和非洲的使用率则相对较低。由于本文没有限定所搜索的推文语言，因此，更加客观地显示了设备使用的全球范围分布。比如，虽然亚洲的分布较少，但四种设备在日本运用广泛，日文推文的比重也很大。除KIBO外，其余三种设备在东南亚使用频率也很高。因我国用户很少登入Twitter发布文章，所以，地图的分布中不涉及中国大陆，但在Twitter许可使用地点的中国香港和台湾地区也有一定数量的数据。总体来看，无屏幕编程设备在全世界范围内，得到了广泛的使用和传播。图4 四种无屏幕编程设备的使用范围分布图
由图2可见，SMR不同于一般意义上的问卷调查研究法。第一，从根本上改变了数据的收集渠道，每时每刻都会有无数人自发在社交媒体上进行数据更新，研究者不需要像传统研究那样通过发放问卷、访谈来获得研究数据。第二，能使用多种研究设备辅助进行大数据研究，并随着技术的发展，同步提升研究设备和研究效率。比如，Rython程序、COSMO等数据抓取分析设备；MAXQDA、QDAMiner、ATLAS.ti、Qualrus、NVivo等内容分析（Content Analysis）软件；Node XL等社会网络分析（Network Analysis）软件。第三，能创造性地开展一些传统研究法无法进行的研究，例如，利用社交网络显示的地理位置，探索相关位置对主题的关系和贡献的GIS分析；利用关系数据进行社会网络关系分析，利用数据算法对社会影响力（Social Influence Computing）进行研究等。第四，由于可以同时采集多主题的数据，SMR可以不局限于单一的学科研究，可组建跨学科、跨领域的团队开展课题研究。实际上，SMR的代表人物经常是以团队形式出现，并具有跨学科的特性。例如，擅长情感分析和自然语言处理技术的Victoria L.Rubin，专注SMR在社会、政治和文化方面研究的Mélanie Millette，专注于Twitter数据研究的Luke Sloan，专注用户互动和社交媒体影响的Anabel Quan-Haase，以及专注于教育话语分析的Alexandra Georgakopoulou等。然而，SMR目前也正面临着一些挑战。一方面，SMR是随着社交媒体的诞生而发展的，因此，该研究方法并没有建立起完备的哲学理论背景。内部构成的不同的分析模块，多延续其自有的理论基础，且多为概念框架，比如，定性分析中的内容分析多以扎根理论为基础。第二，SMR缺乏明确且统一的标准进行信效度评估。正如一枚硬币具有两面性，SMR最大的劣势和优势均在于，其随着技术发展带来的不确定性。SMR是基于社交媒体交互产生的研究方法，随着社交媒体的规模和大数据处理与分析技术的发展，这种研究方法本身也会不断更新迭代。同时，也会随着技术的发展产生新的研究领域，如，当前出现的通过SMR探究机器学习以及AI如何加速数据收集、改进算法，来帮助机器理解和处理图像和视频数据等。随着技术的不断发展，社交媒体数据的内容和形式也在不断更迭，由此SMR的数据获取方式、分析方式乃至研究流程本身，都可能随之改变。
【参考文献】：
期刊论文
[1]分布与互动模式：社交机器人操纵Twitter上的中国议题研究[J]. 师文,陈昌凤. 国际新闻界. 2020(05)
[2]可视化编程教育成效几何？——基于国内外43项实证研究的元分析[J]. 房敏,曾鹏轩. 上海教育科研. 2020(01)
[3]计算思维教育：概念演变与面临的挑战[J]. 张进宝. 现代远程教育研究. 2019(06)
[4]国内外青少年编程教育的发展现状、研究热点及启示——兼论智能时代我国编程教育的实施策略[J]. 孙丹,李艳. 远程教育杂志. 2019(03)
[5]国际儿童编程教育研究现状与行动路径[J]. 孙立会,周丹华. 开放教育研究. 2019(02)
本文编号：3454526
【文章来源】：远程教育杂志. 2020,38(05)北大核心CSSCI
【文章页数】：12 页
【部分图文】：
编程技术的发展历程
在GIS分析中，由于Twitter推文的地理位置信息由用户设定了是否显示，因此，我们在采集数据时发现，18,313条原推中的5554条显示了地理位置坐标。由图4可见，四种无屏幕编程在北美洲（美国，加拿大等）、南半球的澳大利亚以及新西兰等国分布较广，Robot Turtles和Cubetto在欧洲使用频率较高，在南亚和非洲的使用率则相对较低。由于本文没有限定所搜索的推文语言，因此，更加客观地显示了设备使用的全球范围分布。比如，虽然亚洲的分布较少，但四种设备在日本运用广泛，日文推文的比重也很大。除KIBO外，其余三种设备在东南亚使用频率也很高。因我国用户很少登入Twitter发布文章，所以，地图的分布中不涉及中国大陆，但在Twitter许可使用地点的中国香港和台湾地区也有一定数量的数据。总体来看，无屏幕编程设备在全世界范围内，得到了广泛的使用和传播。图4 四种无屏幕编程设备的使用范围分布图
由图2可见，SMR不同于一般意义上的问卷调查研究法。第一，从根本上改变了数据的收集渠道，每时每刻都会有无数人自发在社交媒体上进行数据更新，研究者不需要像传统研究那样通过发放问卷、访谈来获得研究数据。第二，能使用多种研究设备辅助进行大数据研究，并随着技术的发展，同步提升研究设备和研究效率。比如，Rython程序、COSMO等数据抓取分析设备；MAXQDA、QDAMiner、ATLAS.ti、Qualrus、NVivo等内容分析（Content Analysis）软件；Node XL等社会网络分析（Network Analysis）软件。第三，能创造性地开展一些传统研究法无法进行的研究，例如，利用社交网络显示的地理位置，探索相关位置对主题的关系和贡献的GIS分析；利用关系数据进行社会网络关系分析，利用数据算法对社会影响力（Social Influence Computing）进行研究等。第四，由于可以同时采集多主题的数据，SMR可以不局限于单一的学科研究，可组建跨学科、跨领域的团队开展课题研究。实际上，SMR的代表人物经常是以团队形式出现，并具有跨学科的特性。例如，擅长情感分析和自然语言处理技术的Victoria L.Rubin，专注SMR在社会、政治和文化方面研究的Mélanie Millette，专注于Twitter数据研究的Luke Sloan，专注用户互动和社交媒体影响的Anabel Quan-Haase，以及专注于教育话语分析的Alexandra Georgakopoulou等。然而，SMR目前也正面临着一些挑战。一方面，SMR是随着社交媒体的诞生而发展的，因此，该研究方法并没有建立起完备的哲学理论背景。内部构成的不同的分析模块，多延续其自有的理论基础，且多为概念框架，比如，定性分析中的内容分析多以扎根理论为基础。第二，SMR缺乏明确且统一的标准进行信效度评估。正如一枚硬币具有两面性，SMR最大的劣势和优势均在于，其随着技术发展带来的不确定性。SMR是基于社交媒体交互产生的研究方法，随着社交媒体的规模和大数据处理与分析技术的发展，这种研究方法本身也会不断更新迭代。同时，也会随着技术的发展产生新的研究领域，如，当前出现的通过SMR探究机器学习以及AI如何加速数据收集、改进算法，来帮助机器理解和处理图像和视频数据等。随着技术的不断发展，社交媒体数据的内容和形式也在不断更迭，由此SMR的数据获取方式、分析方式乃至研究流程本身，都可能随之改变。
【参考文献】：
期刊论文
[1]分布与互动模式：社交机器人操纵Twitter上的中国议题研究[J]. 师文,陈昌凤. 国际新闻界. 2020(05)
[2]可视化编程教育成效几何？——基于国内外43项实证研究的元分析[J]. 房敏,曾鹏轩. 上海教育科研. 2020(01)
[3]计算思维教育：概念演变与面临的挑战[J]. 张进宝. 现代远程教育研究. 2019(06)
[4]国内外青少年编程教育的发展现状、研究热点及启示——兼论智能时代我国编程教育的实施策略[J]. 孙丹,李艳. 远程教育杂志. 2019(03)
[5]国际儿童编程教育研究现状与行动路径[J]. 孙立会,周丹华. 开放教育研究. 2019(02)
本文编号：3454526
本文链接：https://www.wllwen.com/xinwenchuanbolunwen/3454526.html
