Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/14239
Title: Διερεύνηση της υπολογιστικής σκέψης μέσα από δραστηριότητα μηχανικής μάθησης με χρήση της πλατφόρμας Machine Learning for Kids
Other Titles: Exploring computational thinking through an activity based on machine learning using the platform Machine Learning for Kids
Authors: Παπαδοπούλου, Φωτεινή
Keywords: Υπολογιστική σκέψη
Αυτοαποτελεσματικότητα
Μηχανική μάθηση
Keywords (translated): Computational thinking
Self-efficacy
Machine learning
STEM
Abstract: Η Μηχανική Μάθηση είναι μια τεχνολογία η οποία επιτρέπει στους Η/Υ να εκτελούν συγκεκριμένα καθήκοντα με «έξυπνο» τρόπο, να μαθαίνουν από παραδείγματα και να «εκπαιδεύουν» αλγορίθμους ώστε να «μαθαίνουν» μέσω αξιοποίησης προτύπων. Η βιβλιογραφία δείχνει πως γίνονται έρευνες για να μπορέσει να εισαχθεί στη διδακτική και μαθησιακή διαδικασία, ακόμα και σε επίπεδο πρωτοβάθμιας εκπαίδευσης. Στην εργασία αυτή παρουσιάζεται μια πλατφόρμα Μηχανικής Μάθησης, όπου οι συμμετέχοντες εμπλέκονται στη δημιουργία ενός συστήματος Μηχανικής Μάθησης, -μέσω της καθοδηγούμενης (supervised) μάθησης- προγραμματίζοντας στο Scratch. Η παρούσα έρευνα μελετά το κατά πόσο επιδρούν δραστηριότητες Μηχανικής Μάθησης, στις οποίες οι συμμετέχοντες αναπτύσσουν «έμπειρα συστήματα», στην εκτίμηση των επιπέδων της αυτοαποτελεσματικότητάς τους ως προς την Υπολογιστική Σκέψη, το κατά πόσο επηρεάζονται τα αποτελέσματα από τους παράγοντες «φύλο» και «ηλικία» συμμετεχόντων, καθώς και το κατά πόσο υπάρχουν πιθανές συσχετίσεις μεταξύ της Επίλυσης Προβλήματος και των διαστάσεων της Υπολογιστικής Σκέψης. Το δείγμα της έρευνας αποτελείτο από 38 φοιτητές τμημάτων Παιδαγωγικής κατεύθυνσης της Α.Σ.ΠΑΙ.ΤΕ. Αθηνών, ηλικίας από 20 ετών και άνω. Τα δεδομένα που αξιοποιήθηκαν για την έρευνα συλλέχθηκαν με τη μορφή pre-test και post-test. Συγκεκριμένα, μεταξύ άλλων, εξετάζεται η επίδραση του παράγοντα «φύλο» και του παράγοντα «ηλικία» ως προς την αξιολόγηση των επιπέδων της αυτοαποτελεσματικότητας της Υπολογιστικής Σκέψης. Επίσης, έγινε συσχέτιση των αποτελεσμάτων που ελήφθησαν από τα pre-test και από post-test και διαπιστώθηκε πως υπάρχουν ορισμένες διαστάσεις οι οποίες παρουσιάζουν υψηλότερη συσχέτιση και άλλες που παρουσιάζουν ασθενέστερη. Τα ευρήματα αναλύονται εκτενώς στο Κεφάλαιο 4. Η εργασία αναπτύσσεται συνολικά σε 5 κεφάλαια: στο πρώτο κεφάλαιο παρουσιάζονται εισαγωγικές πληροφορίες, ο σκοπός της εργασίας και η διάρθρωση αυτής, στο δεύτερο κεφάλαιο γίνεται η βιβλιογραφική ανασκόπηση των υπό εξέταση εννοιών, στο τρίτο κεφάλαιο αναλύεται η μεθοδολογία που αξιοποιήθηκε για την έρευνα, στο τέταρτο κεφάλαιο παρουσιάζονται τα αποτελέσματα και στο πέμπτο κεφάλαιο ακολουθεί η συζήτηση των ευρημάτων. Το κυρίως σώμα της εργασίας ολοκληρώνεται με τη βιβλιογραφία και το παράρτημα.
Abstract (translated): Machine Learning is a technology that allows computers to perform specific tasks in a "smart" way, to learn from examples and to "train" algorithms so that they "learn" through the use of prototypes. The literature shows that various research is being done in order to facilitate the inclusion of Machine Learning into the teaching and learning process - even at primary level. In this paper, a Machine Learning platform is introduced, where participants are involved in creating a Mechanical Learning system, -through supervised learning- by programming in Scratch. The present study examines whether mechanical learning activities, in which participants develop "experienced systems", have an impact on the levels of their self-efficacy in Computational Thinking, whether the results are affected by the factors "gender" and "age" of the participants, as well as whether there are possible correlations between the concepts of Problem Solving and Computational Thinking. The sample of the research consisted of 38 students from Departments of Pedagogical Direction of ASPETE, Athens, aged 20 and over. The data used for the research were collected in the form of pre-test and post-test. In particular, among other things, the effect of the "gender" factor and the "age" factor on the assessment of the levels of self-efficacy of Computational Thinking is examined. Also, the results obtained from the pre-test and post-test were correlated and it was found that there are some dimensions that have a higher correlation and others that have a weaker one. The findings are analyzed extensively in Chapter 4. The paper is developed in a total of 5 chapters: the first chapter presents introductory information, the purpose of the work and its structure, the second chapter consists of the bibliographic review of the concepts under consideration, in the third chapter the methodology used for the research is analyzed, in the fourth chapter the results are presented and in the fifth chapter there is the discussion of the findings. The paper concludes with the bibliography and the appendix.
Appears in Collections:Τμήμα Επιστημών της Εκπαίδευσης και Κοινωνικής Εργασίας (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
Papadopoulou_Master_STEM.pdfMaster Thesis2.71 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.