self-learning และการใช้เทคโนโลยีช่วยในการสอน

วันที่ 7 สิงหาคม 2557 ได้มีโอกาสฟังบรรยายและฝึกอบรมเรื่อง How to help students learn &  using social media in medical education  จัดโดย งานแพทยศาสตร์และบัณฑิตศึกษา คณะวิทยาศาสตร์ มหาวิทยาลัยมหิดล วิทยากรโดย นพ. Rajin Arora รองผู้อำนวยการสำนักงานบริหารโครงการร่วมผลิตแพทย์เพิ่มเพื่อชาวชนบท (สบพช) หรือ CPIRD  http://mededtweet.blogspot.com ได้รับความรู้มากมาย จะขอนำประเด็นสำคัญมาสรุปไว้ดังนี้ค่ะ

  • ควรทำความเข้าใจ Peter Sheahan’s Generation Gap ของคนรุ่น Baby Boomers, Gen X, Gen Y ซึ่งมีประเด็นความสนใจที่แตกต่างกัน
  • ทฤษฎีการเรียนรู้ของ Kolb’s Experiential learning cycle ซึ่งเป็นวงจรที่เริ่มต้นจาก concrete experience (ไปฟังบรรยาย ก็แค่ได้ฟัง / hear ไม่ใช่ learn) -> reflective observation  -> abstract conceptualization (สรุปเป็นของตัวเอง) -> active experimentation
  • คำพูดเก่าแก่ แต่ยังใช้ได้อยู่จนทุกวันนี้คือ Learning by Doing ของ John Dewey, 1859-1952 (การเรียน จะให้รู้ ต้องมี hand-on)
  • 6 Grasha-Ruechmann Learning Styles สไตล์การเรียนของนักศึกษา ประเภทต่างๆ ได้แก่ 1. Competitive 2. Collaborative 3. Avoidant 5. Dependent 6. Indepedent
  • 5 Grasha Teaching Styles สไตล์การสอนของอาจารย์ประเภทต่างๆ ได้แก่ 1. Expert 2. Formal Authority 3. Personal Model (อาจารย์ที่เป็น role model จะเป็น internal motivation ของนักศึกษา) 4. Facilitator (สนับสนุนส่งเสริม) 5. Delegator (มอบหมายงาน)  ซึ่งเราสามารถเข้าไปทำแบบสอบถามออนไลน์ Teaching Style Survey เพื่อดูว่า เราเป็นอาจารย์แบบไหน ได้ที่เว็บไซต์ http://www.longleaf.net/teachingstyle.html
  • ต้องเข้าใจความหมายของการเรียนรู้ด้วยตนเอง (Self-Learning) ว่ามี 4 ประเภท คือ 1. Dependent Directed-self learning (DDSL) 2. Dependent self-directed learning (DSDL) 3. Independent Directed-self learning (IDSL) 4. Independent self-directed learning (ISDL) เป็น continuous professional development ตามลำดับขั้น เช่น DDSL เป็นการสอนระดับปริญญาตรี (อาจารย์แนะนำหัวข้อหรือสิ่งที่ต้องเรียน และเมื่อเรียนแล้วต้องกลับมาปรึกษาอาจารย์) DSDL เป็นการสอนระดับปริญญาโทและเอก หรือ PBL ของนักศึกษาแพทย์ (นักศึกษาหาหัวข้อหรือสิ่งที่ต้องเรียนเอง และเมื่อเรียนแล้วต้องกลับมาปรึกษาอาจารย์) IDSL เป็นการใช้ learning package เช่น e-learning (อาจารย์แนะนำหัวข้อหรือสิ่งที่ต้องเรียน ให้นักศึกษาไปเรียนด้วยตัวเอง) และ ISDL เช่น การทำวิจัย, CPD และการใช้ MOOCs เป็นต้น (นักศึกษาหาหัวข้อหรือสิ่งที่ต้องเรียนเอง และศึกษาด้วยตัวเอง)
  • ความสำเร็จของ self-learning อยู่ที่ “instructional design” 
  • การสอนแบบ lecture เกิดขึ้นในช่วงสงครามโลกครั้งที่ 1 ซึ่งต้องมีการผลิตทุกอย่างเป็น mass แต่ที่จริงสมัยก่อนเราเรียนรู้แบบกลุ่มทั้งนั้น เราควรเลือกว่าบางอย่างต้อง lecture แต่บางอย่างอาจต้องใช้ self-learning
  • จากงานวิจัยในปัจจุบัน พบว่าการเรียนแบบ Problem-based learing หรือ PBL นั้นอาจมีข้อเสีย มากกว่าข้อดี และใช้ไม่ได้ผล
  • การใช้เทคโนโลยีช่วยในการสอน เช่น การใช้ M-learning หรือใช้ mobile devices หรือ gadgets ต่างๆ การใช้ e-learning หรือการเรียนการสอนผ่านสื่ออิเล็กทรอนิกส์ทุกประเภท
  • การบริหารจัดการ e-learning มีประเด็นที่เกี่ยวข้อง ได้แก่ network, hardware, software และ content
  • เราใช้ e-learning ไปเพื่ออะไร : Replacement (ทดแทน), Complement (แถมให้), Supplement (สอนเสริม), หรือ Requirement (ส่วนหนึ่ง) — แบบ complement ไม่ค่ยแนะนำ เพราะเสียเวลาทำ
  • การใช้ social media ในการเรียนการสอน จะช่วย improve knowledge, attitudes และ skills
  • ตัวอย่างของ social media เช่น wiki, blog, twiiter, facebook, google app for education (google drive, google form, google calendar, google classroom)
  • ประเด็นสำคัญที่ต้องพิจารณาคือ การเรียนต้องเกิดจาก motivation ของนักศึกษา ทั้ง internal และ external นักศึกษาอยากเรียนเอง / การเลือกกระบวนการเรียนที่จะใช้ ควรคำนึงถึงหลักการของ self-learning 4 ประเภท  ต้องมี reflection, collaboration, feedback ประเมินว่านักศึกษาได้เรียนรู้แล้วจริง เป็น assessment for learning (ประเมินเพื่อการเรียนรู้) ไม่ใช่ assessment of learning (ประเมินแค่เก็บคะแนน) / ให้นักศึกษามี engagement  และสุดท้ายคือ อาจารย์ต้องมี ICT literacy
โฆษณา

เรียนออนไลน์ ผ่านระบบ Coursera (ตอน 3)

เรียนออนไลน์กับ Coursera วิชาที่สอง คือวิชา Social Network Analysis หลักสูตร 8 สัปดาห์ของ Assoc.Prof. Lada Adamic จาก University of Michigan วันนี้เรียนจบแล้วแต่คงไม่ได้ประกาศนียบัตรหรอก เพราะไม่ได้ทำการบ้านที่อาจารย์มอบหมายเลย ดูแต่วิดีโอและทำ quiz เท่านั้น เป็นวิชาที่ค่อนข้างยาก ถ้าเปิดสอนอีกรอบ คิดว่าจะลงเรียนใหม่ดีกว่า

หัวข้อที่เรียน มีดังนี้

  1. Week 1 : Introduction
    • Why social network analysis?
    • Software Tools
    • Degree and Connected components
    • Gephi Demo
  2. Week 2 : Random Graph Models
    • Introduction to Random Graph Models
    • Random Graphs and alternative models
    • Models of Network Growth
  3. Week 3 : Centrality
    • Degree, Betweenness, Closeness
    • Eigenvector and Directed
    • Centrality applications
    • Power Laws
  4. Week 4 : Commnuity Structure
    • Why detect communities ?
    • Heuristics for finding communities
    • community finding
  5. Week 5 : Small World Networks
    • Small World Experiments
    • Clustering and Motifs
    • Small World Models
    • Origin of Small Worlds
  6. Week 6 : Processes on Network
    • Network topology and diffusion
    • Complex contagion
    • Innovation and Coordination
  7. Week 7 : Cool and Unusual Applications
    • Cool and unusual applications
    • Predicting recipe ratings using ingredient networks
  8. Week 8 : Network Resilience
    • Network Resilience
    • Resilience and Assortativity
    • Resilience and Power Grid

ระหว่างที่เรียน อาจารย์ได้เชิญนักวิเคราะห์ข้อมูลที่ทำงานในบริษัทยักษ์ใหญ่อย่างเช่น Facebook, LinkedIn มาให้สัมภาษณ์ ว่า social network analysis มีความสำคัญกับอาชีพ Data Scientists อย่างไร — สร้างแรงบันดาลใจให้ผู้เรียนมากค่ะ

เรียนออนไลน์ ผ่านระบบ Coursera

บันทึกไว้เป็นหลักฐานว่า ในที่สุดก็สามารถพยายามเรียนออนไลน์กับระบบ Coursera จบแล้วเป็นวิชาแรก ณ วันที่ 21 ตุลาคม 2555

หลังจากลงทะเบียนเรียน (ฟรี) ทางออนไลน์ กับระบบ Coursera ไปหลายวิชา จบบ้างไม่จบบ้าง แต่ในที่สุด ก็พยายามจบจนได้ 1 รายวิชา นั่นคือวิชา Networked Life ของ Professor Michael Kearns จาก Dept. Computer and Information Science, University of Pennsylvania เริ่มเรียนตั้งแต่ 10 กันยายน-22 ตุลาคม 2555 ระยะเวลารวมทั้งสิ้น 6 สัปดาห์

วิธีการเรียนคือ ดู video lecture แล้วทำ Quiz หลังจบแต่ละตอน มีทั้งหมดด้วยกัน 23 ตอน ไม่มีการบ้านหรือสอบ midterm, final เหมือนรายวิชาอื่นๆ อาจารย์ใจดีมากเพราะอนุญาตให้ทำ quiz ได้ 2 รอบ แล้วเลือกคะแนนสูงสุด ทำให้ค่อยยังชั่วหน่อย (เลยจบได้)

หัวข้อที่เรียน มีดังนี้

  1. What is Network? – Basic definitions
  2. Case Study : The Erdos Number Project
  3. Navigation in social networks : Travers & Milgram (1969), The Columbia Small Worlds Project (2003)
  4. Contagion and Tipping in networks
  5. How Do “Real” Networks Look? I. Heavy-Tailed Degree Distributions
  6. How Do “Real” Networks Look? II. Small Diameter
  7. How Do “Real” Networks Look? III. Clustering of Connectivity
  8. Models of Network Formation I. The Erdös-Renyi (Random Graph) Model
  9. Models of Network Formation II. Clustering Models
  10. Models of Network Formation III. Preferential Attachment
  11. Navigation in Networks, Revisited (Kleinberg’s Model)
  12. “Important” Vertices and the PageRank Algorithm
  13. Rational Dynamics in Networks (Schelling’s segregation model)
  14. Basics of Game Theory
  15. Games on networks / Matrix games / Nash equilibrium / Prisoner’s Dilemma / Penny Matching
  16. Games on Networks: Coloring and Consensus
  17. Games on Networks: Biased Voting
  18. Trading in Networks: I. Model
  19. Trading in Networks: II. Network Structure and Equilibrium
  20. Trading in Networks: III. Behavioral Experiments
  21. Internet Games: I. Packet Routing
  22. Internet Games: II. Sponsored Search
  23. Internet Games: III. Other Economic Problems (Quality of Service, Spam, peer-to-peer File Sharing)

วิชานี้ เป็นการผสมผสานระหว่างหลายศาสตร์เข้าด้วยกัน ทั้งคอมพิวเตอร์ คณิตศาสตร์ สารสนเทศศาสตร์ สังคมศาสตร์ และเศรษฐศาสตร์ ขณะนี้กำลังเรียนอีก 1 รายวิชา ของอาจารย์จาก University of Michigan … ใช้เวลา 8 สัปดาห์ ถ้าจบโดยไม่ drop ไปเสียก่อน แล้วจะมาเล่าให้ฟังค่ะ