مجلة اماراباك العلمية المحكمة، المجلد 12، العدد 41 لعام 2021

فاعلية استراتيجية التدريب المدمج لتنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية عبر نظام إدارة التعلم Blackboard والوعي بإنترنت الأشياء لدى الطلاب المعلمين بكلية التربية

أ.د. أحمد صادق عبد المجيد – السعودية – جامعة الملك خالد- كلية التربية

المستخلص: هدف البحث الحالي إلى تنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية والوعي بتطبيقات إنترنت الأشياء لدى طلاب الجامعة وذلك من خلال استخدام استراتيجية التدريب المدمج. ولتحقيق هذا الهدف تم اختيار عينة عشوائية من طلاب البكالوريوس بكلية التربية جامعة الملك خالد، تم تقسيم هذه العينة إلى ثلاث مجموعات: الأولى التجريبية عددها (21) طالبًا استخدمت استراتيجية التدريب المدمج “تعلم تقليدي وإلكتروني للدرس الواحد”، الثانية التجريبية عددها (24) طالبًا استخدمت استراتيجية التدريب المدمج” تعلم تقليدي لدرس وإلكتروني لدرس آخر”، المجموعة الثالثة ضابطة وعددها (23) طالبًا استخدمت الاستراتيجية المعتادة. وقد تم إعداد بطاقة تحليل أداء الطلاب على نظام “البلاكبورد” وذلك لمقرر “وسائل وتقنيات التعليم”، ومقياس الوعي بتطبيقات إنترنت الأشياء في التعليم. كما استخدم اختبار “تحليل التباين الأحادي”، لتحليل نتائج البحث. وقد أشارت النتائج إلى أن استخدام استراتيجية التدريب المدمج الأولى أو الثانية قد أسهم في تنمية مهارات تحليل البيانات الضخمة، والوعي بتطبيقات إنترنت الأشياء في التعليم لدى طلاب كلية التربية.

الكلمات المفتاحية: التدريب المدمج، البيانات الضخمة، إنترنت الأشياء، تحليلات التعلم، الذكاء الاصطناعي.

 

Blended Training and the Development of Big Data Analysis skills of E-Courses Via Blackboard Learning Management System and Internet of Things Awareness Among University Students

 

Dr. Ahmed Sadek Abdelmagid ⁽·⁾

Professor of Education Technology – Faculty of Education – King Khaled University

Abstract: This study aimed at developing big data analysis skills of electronic courses and internet of things awareness among the students in the university through the use of the integrated learning strategy. To achieve this goal, a random sample of bachelor students was selected in the Faculty of Education, King Khalid University. This sample was divided into three groups: the first experimental group (21) students, using the Blended Training strategy “traditional and electronic learning for the same lesson” The second experimental group (24) used the Blended Training strategy “the traditional learning for one lesson and the Blended Training for another lesson”. The third group was a controlled one (23) used the usual strategy. The Student Performance Analysis Form as well as the Internet of Things Awareness scale were developed on the Blackboard system while teaching the “Aids and Instructional Technologies Course”. ANOVA was used to analyze the results of the study. The results indicated that the use of the first or second Blended Training strategy has contributed to the development of big data analysis skills and awareness of the applications internet of things in education among students of the College of Education.

Key words: Blended Training – Big data – Internet of things – Learning analyses –                    Artificial intelligence.

 

 

 

المقدمـة:

مع ظهور شبكة الإنترنت ومواقع التواصل الاجتماعي، واستخدام الهواتف الذكية وأجهزة الحاسب الآلي الشخصية والمحمولة وغيرها من التقنيات الحديثة من قبل مليارات الأفراد والكثير من المؤسسات في جميع أنحاء العالم، أسهم ذلك في زيادة كمية البيانات المتاحة، وزيادة محتوى الوسائط الإلكترونية التي أدت دورًا رئيسًا في النمو الهائل في كمية البيانات الضخمة التي ساعدت في نمو الاقتصاد العالمي، وعززت الإنتاجية، والقدرة التنافسية لمؤسسات التعليم (Reinsel , 2017).

ويتم اتخاذ قرارات في علوم البيانات بناءً على المعلومات المتوافرة من البيانات، والهدف هنا ليس إنتاج نظرية أو قانون بقدر ما هو قرار أو إجراء يتسق مع البيانات المتوافرة؛ فمثلاً: تستخدم شركة أمازون البيانات الضخمة التي تجمعها من خلال العمليات التي يقوم بها الزبائن لتتخذ قرارات تتعلق بعملية تسويق منتجاتها، وتقديم اقتراحات بناًء على تحليل البيانات، ومن ثم فإن شركة “أمازون” ليست مهتمة بالوصول إلى نظرية عن السلوك البشري بقدر ما هي مشغولة بالبحث عن أعلى دقة ممكنة للتنبؤ بسلوك المستهلكين وتوجيه هذا السلوك (المطيرى، 2017)؛ لذا اهتمت دراسة قيراطي (2017) بتحليل موقع “جوجل” وموقع “الفيسبوك” وخلصت إلى أن “الفيسبوك” تستخدم بيانات المستخدمين في تطوير خدماتها وتحسينها، وذلك من خلال جمع بيانات عن المستخدمين من حيث استخداماتهم وتفاعلهم مع الخدمات المقدمة من موقع “الفيسبوك” والأشخاص والأشياء التي يتفاعلون معها، وكل هذا من أجل إضفاء طابع شخصي على المحتوى، أي بتوفير خدمات تتوافق مع ميول المستخدم.

وتنقسم البيانات الضخمة إلى بيانات “منظمة” وبيانات “غير منظمة”، أما البيانات المنظمة فهي البيانات المخزنة في حقول بيانات، يميزها إمكانية البحث فيها وتحليلها وإدارتها، في حين أن البيانات غير المنظمة هي كل ما لا يمكن تصنيفه بسهولة مثل: الصور، والرسوم البيانية، ومقاطع الفيديو، وصفحات الويب، ووثائق الويكي، والتغريدات، ومنشورات الفيسبوك، ورسائل الدردشة، وغيرها وبالرغم من أن هذه الأنواع من الملفات لها هيكل داخلي يخصها، لكنها تعد “غير منظمة” لأن بياناتها لا تتسق تمامًا بوصفها قاعدة بيانات. وبين النوعين السابقين بيانات تسمى بيانات “شبة منظمة” وهي خليط بين الإثنين، لكنها تفتقر إلى بيئة منتظمة مثل: برامج معالجة النصوص (Hilbert, 2015).

وعندما يقوم المتعلم باستخدام نظام إدارة التعلم الإلكتروني البلاكبورد Blackboard أو مودل Moodle أو غير ذلك من أنظمة إدارة التعلم الإلكتروني، يتم تجميع بيانات كبيرة تسجلها أنظمة إدارة التعلم الإلكتروني نتيجة تفاعل المتعلم مع أدوات هذا النظام مثل: المنتديات، والمدونات، والبريد الإلكتروني، والويكي، والمحاضرات، ولوحة المعلومات، وغيرها من الأدوات ومن خلال القيام بتحليل هذه البيانات يمكن فهم سلوكيات المتعلمين وأنشطتهم، والحصول على مؤشرات النجاح أو الفشل لديهم، ومساعدتهم على تحقيق نجاح أكبر في هذه البيئة الإلكترونية، وتقديم محتوى تعليمي متوافق مع مستوى المتعلمين، ومن ثم تساعد عملية تحليل البيانات الضخمة في إيجاد حلول للمشكلات الأكثر شيوعًا في بيئة التعلم الإلكتروني. وهذا ما أكدته دراسة أرشيا، أسفيا، سيدة (Arshiya Asfia Syeda, 2018).

ويسهم تحليل البيانات الضخمة للمقررات الإلكترونية التي تدرس عبر أنظمة إدارة التعلم الإلكتروني في توجيه النتائج وتقديمها للطلاب، لتحسين وعيهم حول مشكلاتهم الأكاديمية، وإجراء تقييم ذاتي للتقدم الذى يحققه المتعلم، بدون تدخل من المعلمين، وقد يؤدى تحليل بيانات الطلاب في بيئات التعلم الإلكتروني إلى إشعار الطلاب بالمسؤولية عن عملهم، والحكم على أدائهم، ليصبحوا متعلمين ذوى كفاءة عالية وليسوا خاضعين دومًا للمراقبة من قبل الجامعة، فتحليل بيانات الطلاب في نظام إدارة التعلم الإلكتروني (البلاكبورد) يوفر معلومات مختلفة عن الطلاب مثل: الوقت الذى يقضونه في دراسة المقرر، وطرق التواصل الاجتماعي بين الطلاب، والمحتوى الذى يطلع عليه الطلاب بكثرة، وكذلك نتائج الاختبارات، أي أن تحليل بيانات الطلاب في أنظمة إدارة التعلم الإلكتروني مثل: البلاكبورد أو مودل هدفها الأساسي فهم سلوك الطلاب في أثناء دراستهم للمقررات الدراسية عبر شبكة الإنترنت (الجهنى، ديفيس، على ، جلال، 2018).

ويعد قطاع التعليم في طليعة القطاعات التي تحاول الدول أن توظف التقنيات الجديدة في خدمته، إذ يعول على قطاع التعليم النهوض والتطور وتبنى عليه الرؤى المستقبلة، وتعد إنترنت الأشياء Internet of Things(IoT) إحدى أهم وجهات التقنية التي تمثل ثورة جديدة في عالم التقنية التي بدأت بعض المؤسسات الأكاديمية والدول في توظيفها لخدمة قطاع التعليم. وتقوم فكرة إنترنت الأشياء على ربط عدد لا نهائي من الأشياء ببعضها البعض بواسطة الإنترنت، مع توفير الدعم التقني لهذه الأشياء للقيام بمهام محددة على نحو دقيق، ضمن منظومة تتيح لها التفاعل وتبادل المعلومات فيما بينها، وفى إطار التعليم توفر هذه التقنية منصة غنية ومرنة للطلاب والمعلمين والإداريين وغيرهم، للاستكشاف والتعلم والتفاعل مع المنظومة التعليمية في بيئة فائقة الذكاء والسرعة (الحارثي، 2014). وهذا ما أكدته دراسة عمرو، ومحمد (Amr, Mohamed, 2017).

على الجانب الآخر فإن الأشياء التي يمكن أن تتفاهم عبر الإنترنت هي جميع الأشياء التي لها عنوان حقيقي على الإنترنت سواء من خلال موقع أم عبر توصيل شريحة ذكية، فالمقصود بالأشياء هي شبكة من الأشياء المادية المحسوسة (الأشياء الذكية) التي يمكن تعريفها بعنوان دقيق على الإنترنت من خلال إلصاق عنوان الإنترنت (IP) على أشياء معينة مثل: السيارة، والجوال، وجهاز التلفاز، والحاسب، والكتاب، والمقرر الدراسي وأي شيء أخر ملصق به مستشعر إلكتروني قادر على استقبال، البيانات وإرسالها؛ حيث يكون بمقدور هذه الأشياء الاتصال فيما بينها والتفاهم عبر عناوينها على شبكة الإنترنت من خلال المستشعرات الموجودة في الشي الأخر، وعلى هذا فالإنسان نفسه يمكن أن يكون من ضمن هذه الأشياء بمجرد وجود شريحة ذكية خاصة به وملاصقة له على شكل ساعة أو نظارة أو بطاقة هوية ذكية (الأكلبي، 2019).

ولكى تعمل إنترنت الأشياء بكفاءة عالية فإنها بحاجة ماسة لتوفر المشغل الرئيسي لها وهو البيانات، وهنا تأتى أهمية العناية بالبيانات الضخمة والاستثمار فيها وتوفير مساحات التخزين الكافية والآمنة ومن ثم إيجاد البرمجيات القادرة على التعامل معها ومعالجتها عبر إعادة هيكلتها وتبويبها وتحليلها، فالعلاقة بين إنترنت الأشياء، والبيانات الضخمة علاقة وثيقة طردية إذ لا يمكن لإنترنت الأشياء أن تعمل من دون توافر البيانات، كما أن البيانات الضخمة بحاجة ماسة إلى خدمات إنترنت الأشياء في التحكم والتحليل لهذه البيانات وإعادة الاستفادة منها (الأكلبي، 2019).

ويشير الشرمان (2015) إلى أن طالب اليوم يتعرض إلى سيل من المعلومات ترفده تكنولوجيا الاتصال والمعلومات المتواجدة معه في أي مكان يتواجد فيه مثل: الجوال، والأجهزة النقالة وغيرها من التقنيات الحديثة، وهذا يتطلب من المؤسسات التعليمية جهدًا مضاعفًا في إيجاد خبرات تعلم جذابة بالنسبة للطالب وقادرة على أن تراعي ظروفه ومتطلباته، وبخاصة طلبة التعليم العالي الذين غالبًا يكون لديهم مهارات كبيرة لاستخدام التقنيات الحديثة، فلم يعد التعليم التقليدي التلقيني الذى يكون فيه المعلم هو مصدر المعرفة قادرًا على جذب وإثارة انتباههم واهتمامهم، ومن هنا يأتي التدريب المدمج Blended Training ليفتح المجال أمام المعلمين والطلاب لاستخدام كل ما هو متاح من التقنيات والبرامج الحديثة التي تساعدهم على الاندماج في خبرات تعليمية أكثر صله ومراعاة لظروف الطلاب وحاجاتهم، مع أن المحاضرة الصفية قد قامت بدورها في العملية التعليمية في ظروف مختلفة لما هو سائد في الوقت الحالي، إلا أنها الآن تبدو قاصرة لوحدها في أن تشرك الطلاب وتعدهم بشكل سليم لمتغيرات لم تكن سائدة قبل ذلك مثل: تفكير نقدى والابتكار والابداع المعرفي وبخاصة في خضم التدفق الهائل للمعلومات في عصر المعلوماتية.

وتقوم بيئة التدريب المدمج على نظريات عديدة من أبرزها: النظرية البنائية الاجتماعية التي تركز على ضرورة إعطاء الفرصة للمتعلم لاكتساب المعرفة وإنتاجها في إطر اجتماعية، ويتحقق ذلك من خلال بيئات التعليم التشاركية التي تتيح الاندماج مع الجماعة والاستفادة من خبرات الآخرين، واكتساب المعرفة من خلال التعاون والمشاركة وتفاعل الأقران، كما تشير النظرية إلى أن التعلم عملية نشطة يعمل فيها الطلاب لبناء معرفتهم من خلال ربطها بتجاربهم السابقة، وذلك من خلال مواقف حقيقية تعتمد على التفاعل مع البيئة الاجتماعية (فارس، إسماعيل، 2017).

ومن  أبرز المبادرات لاستخدام التعليم المدمج في التعليم الجامعي، مبادرة الجامعة السعودية الإلكترونية، فتتبنى الجامعة نظام التدريب المدمج في التعلم الإلكتروني، ويتطلب هذا النظام الحضور المباشر للمحاضرات بنسبة (25%) أما الباقية (75%) فتتوزع على حضور الفصول الافتراضية، والمنتديات التعليمية، والمتابعة الدائمة لمحتويات التعليم الرقمي، وتقوم الدراسة في الجامعة على أساس أن الطالب باحث عن المعرفة ونشط في تحصيلها، وهذا يتطلب رؤية جديدة لأدوار المتعلم في التعلم العالي تقوم على المسؤولية والقيادة الفردية الذاتية والتعلم الذاتي لتحقيق التقدم الدراسي والنجاحات الأكاديمية، ويتحمل الطالب المسؤولية الكاملة في اجتياز المقررات المقدمة وفقًا لنموذج التعلم بالجامعة، وتقدم الجامعة تعليمًا عصريًا قائمًا على استخدام التقنية في عمليات التعليم والتعلم (العبيد، الشايع، 2018).

ولتحقيق أهداف التنمية المستدامة في مؤسسات التعليم في الدول العربية، يجب على هذه المؤسسات أن تتبنى ثورة البيانات الضخمة والقدرة على تحليلها واستغلالها، فتحليل البيانات الضخمة لأنظمة إدارة التعلم الإلكتروني في الجامعات مثل: نظام البلاكبورد Blackboard  وغيره من أنظمه إدارة التعلم الإلكتروني يساعد على إضفاء قيمه للبحوث التجريبية ومعنى لها في العلوم الإنسانية؛ إذ تفتقد معظم الدراسات إلى التراكم، أي تبنى نتائج بعضها على بعض من أجل مساعدة الطلاب الذين يدرسون من خلال هذه الأنظمة ولذا يجد الباحثون أنفسهم في معظم الأحيان أمام كم ٍكبيرٍ من الدراسات الخاصة بالتعلم الإلكتروني التي لا تجمعها نتيجة أو نتائج عامة مما يقلل من الاستفادة التعليمية منها، في حين تتميز دراسات العلوم الحيوية، والطبيعية بإجماع شبة تقريبي على نتائجها واتفاق على مصطلحاتها ووسائلها ومعاييرها مما يقود إلى فهمٍ علميٍ واضحٍ ومحدد (الجهني، 2017)، (مقنانى، شبيلة، 2019).

مشكلة البحث:

يمثل تحليل البيانات الضخمة للمقررات الإلكترونية التي تدرس للطلاب عبر أنظمة إدارة التعلم الإلكتروني (Blackboard) في جامعة الملك خالد يمثل صعوبةً للمؤسسة التعليمية وبخاصة البيانات غير المنظمة منها مثل: الصور، والتغريدات، وتعليقات الطلاب على الفيسبوك، والتدوين الإلكتروني وغيرها؛ لذا لابد من الاهتمام بتدريب المعلمين، والمتعلمين العاملين على هذا النظام على طرق تحليل بيانات هذه المقررات من أجل فهم سلوك الطلاب وبناء بيئة تعليمية إلكترونية ذات جودة عالية.

ويشير كل من بيتلر، هبل، كوهن (2018) إلى أن الجامعات العربية تهتم بإنشاء مجتمعات تعلم عبر شبكة الإنترنت، يستطيع الطلاب من خلال نظم إدارة التعلم الإلكتروني مثل: نظام البلاكبورد، وتبادل المصادر بصورة آمنة، وكذلك إدارة النقاشات، وتبادل الأفكار مع الطلاب، وكذلك يتواصل الطلاب مع بعضهم البعض ومع المعلم، وبالرغم من اهتمام الجامعات العربية بتوفير هذه النظم، فإن هذه الجامعات لا تهتم بتحليل البيانات الضخمة للمقررات الإلكترونية التي تقدم للطلاب من خلال هذه الأنظمة، ونتيجة لذلك فإن كثيراً من الطلاب ينسبون نجاحهم أو فشلهم إلى عوامل خارجية وليست داخلية.

وتعد عملية التعلم محورًا مركزيًا في رسالة كل كلية أو جامعة، لكن هذه المؤسسات لا تحاول أن تكتشف مقدار التعلم الحقيقي الحاصل عند متخرجيها، بل تكتفى بقبول إتمام الطالب للمقررات الدراسية المطلوبة سواء أكانت تقليدية أم إلكترونية برهانًا للتعلم، وبالرغم من وجود دلائل عديدة على أن الطلاب يستطيعون اجتياز الاختبارات، وهم عادة يجتازونها، دون اكتسابهم للمهارات، والمعرفة اللازمة للتعلم الحقيقي، ومن ثم يجب أن يكون الهدف النهائي لمؤسسات التعليم الجامعي بناء مناخ تعليمي يصل فيه التعلم إلى مداه الأقصى، وهذا يقتضى من هذه المؤسسات التأكيد على التحليل والاستنتاج الكمي لبيانات الطلاب وتحليلها بصورة علمية (نيومان، كوتوريير، سكاري، 2010).

ويشير فلوريد (2017) إلى أن الإشكالية الحقيقية في البيانات الضخمة في القدرة على تحليل هذه البيانات وفهمها من أجل استغلال نتائج هذا التحليل في تحسين جودة حياة البشر، وتطوير المعرفة، وهذه إشكالية تخص المخ البشري أكثر مما تخص القدرة الحاسوبية، لقد وجدت البيانات الضخمة لتتطور والطريقة الوحيدة للتعامل معها هي أن نكون على علم ودراية بكيفية تحليل هذه البيانات والاستفادة منها بصورة جيدةٍ. ويؤكد كيتش (2018) على أن المنظور العام والخاص بتدريب كوادر على تحليل البيانات الضخمة ما زال ضعيفاً في الواقع العملي؛ حيث توجد كتابات نظرية كثيرة حول البيانات الضخمة وتحليلها، لكن قدرة المؤسسات التعليمية على تحليل هذه البيانات، وتدريب المتخصصين في هذا المجال ما زال ضعيفاً للغاية.

ويشير كل من حسين، العلوانى (2016) إلى أن مؤسسات التعليم العالي لا تهتم كثيرًا بتقدير القيمة الفعلية للبيانات وقدرتها على المساعدة في اتخاذ القرار، فهي تتعامل معها على أنها مجرد معطيات وأرقام تخزن في قاعدة البيانات، ومن ثم فإن هذه المؤسسات ليس لديها رؤية عملية حول كيفية الاستفادة من البيانات الضخمة التي توفرها أنظمة إدارة التعلم الإلكتروني. ويشير كل من أدم، بكار (Adam, Bakar, 2018) إلى أن مؤسسات التعليم العالي تستخدم أنظمة إدارة التعلم الإلكتروني (LMS) على نطاق واسع، وقد أدى ذلك إلى إنتاج وتوليد عديدٍ من البيانات الضخمة الضائعة غير المستخدمة الناتجة من أنشطة الطلاب نتيجة دراستهم للمقررات الإلكترونية عبر أنظمة إدارة التعلم، وهذه البيانات يصعب تحليلها بالطرق التقليدية، ولكن تستخدم برمجيات خاصة بها وتؤدى دورًا مهمًا في عملية التعلم وصنع القرارات التعليمية، لكن هذه المؤسسات تعاني من عدم وجود المتخصصين المدربين على طرق تحليل هذه البيانات والاستفادة منها.

ومع تنامى اهتمام مؤسسات التعليم العالي بالتعلم الإلكتروني على المستوى الوطني والعربي، زاد عدد الدراسات والأبحاث التي عالجت موضوعه من زوايا متباينة وضمن تخصصات متنوعة، ويمكن القول دون مبالغة أن عشرات الرسائل العلمية تناقش في أروقة الكليات كل عام، وأن عشرات الدراسات والأبحاث تنشر على صعيدٍ موازٍ في دورياتٍ محكمة اتخذت من أنظمة إدارة التعلم الإلكتروني موضوعًا لها، وبالرغم من ذلك، فإن معظم تلك الرسائل والدراسات والأبحاث لم تهتم بتحليل بيئة التعلم الإلكتروني عبر إجراء دراسة تحليلية يمكن الاعتماد عليها للخروج بحكم موضوعي دقيق عن كفاءة أنظمة إدارة التعلم الإلكتروني؛ خلوصًا إلى ممارسات تعليمية فاعلة (الجهنى، 2017).

ويشير الحارثي (2014) إلى أن أدوات التعليم، ومنهجياته، واحتياجاته تتغير باستمرار لتواكب التطور التقني الذى لا يؤثر في التعليم نفسه فحسب، بل يؤثر في قدرة التعليم على مواكبة المستجدات التي تفرضها التقنية على أسواق العمل، وتبعًا لتقديرات البنك الدولي خلال عشر السنوات القادمة ستكون هناك مليونا وظيفة شاغرة تتعلق بتقنية “إنترنت الأشياء” على الصعيد العالمي، كما تشير التقديرات إلى أنه ستكون هناك حاجة لـ 320,000 خريج لإدارة هذه الأجهزة المتصلة بالإنترنت التي يطلق عليها “إنترنت الأشياء”، وهذا يتطلب أن يكون طالب الجامعة على وعى بتطبيقات هذا النوع من التقنيات الحديثة في مجال الحياة عامًة والتعليم خاصًة.

ويشير الفار (2015) إلى أن مؤسسات التعليم العالي ما زالت في طور التلمس لمعرفة أبعاد ظاهرة “إنترنت الأشياء” وإدراك انعكاساتها التعليمية والاقتصادية والمجتمعية، ويرى ألا تغمض المؤسسات التعليمية عينها أمام هذه الظاهرة، إذ إنه كلما بدا الاهتمام مبكرًا، سهل الاستخدام الفعال والمفيد لإنترنت الأشياء من قبل الطلاب والمعلمين والمسؤولين، وكلما تأخر ذلك الاهتمام صعبت الاستفادة من ظاهرة إنترنت الأشياء. وقد خلصت دراسة كل من جل، أسيف، ياسر أرشد (Gul, Asif, Yasir & Archad, 2017) إلى أن طلاب الجامعة غير مدركين لماهية “إنترنت الأشياء” وأن هذا المصطلح جديد بالنسبة لهم، ولا يعرفون كيفية الاستفادة من هذا المفهوم وتطبيقاته في تعليمهم.

مما سبق تحددت مشكلة البحث الحالي في “ضعف مهارات تحليل البيانات الضخمة لدى طلاب جامعة الملك خالد للمقررات الإلكترونية التي تدرس لهم عبر نظام إدارة التعلم الإلكتروني (Blackboard) وكذلك ضعف وعيهم بتطبيقات إنترانت الأشياء في التعليم، ومن ثم يسعى البحث لعلاج هذا الضعف من خلال استخدام استراتيجية التدريب المدمج أي دمج التعلم التقليدي مع التعلم الإلكتروني.

هدف البحث:

هدف البحث الحالي إلى تنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية التي تدرس لطلاب جامعة الملك خالد عبر نظام إدارة التعلم الإلكتروني Blackboard والوعي بتطبيقات إنترنت الأشياء في التعليم لدى طلاب كلية التربية جامعة الملك خالد.

أسئلة البحث:

حاول البحث الحالي الإجابة عن الأسئلة الآتية:

1- ما مهارات تحليل البيانات الضخمة للمقررات الإلكترونية المراد تنميتها لدى طلاب كلية التربية جامعة الملك خالد؟

2- ما صورة برنامج قائم على التدريب المدمج لتنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية والوعي بتطبيقات إنترنت الأشياء لدى طلاب كلية التربية جامعة الملك خالد؟

3- ما فاعلية استراتيجية التدريب المدمج في تنمية مهارات طلاب كلية التربية لتحليل البيانات الضخمة للمقررات الإلكترونية التي تدرس عبر نظام إدارة التعلم الإلكتروني (البلاكبورد) بجامعة الملك خالد؟

4- ما فاعلية استراتيجية التدريب المدمج في تنمية وعى طلاب كلية التربية بجامعة الملك خالد بتطبيقات إنترنت الأشياء؟

فرضا البحث:

حاول البحث الحالي التحقق من صحة الفرضيين التاليين:

1- لا يوجد فرق ذو دلالةٍ إحصائية عند مستوى (µ = 0.05) بين متوسطي درجات المجموعة التجريبية الأولى (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد)، والمجموعة التجريبية الثانية (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر) والمجموعة الضابطة (التي استخدمت الاستراتيجية المعتادة) في التطبيق البعدي لبطاقة تحليل الأداء الخاصة بمهارات تحليل البيانات الضخمة للمقررات الإلكترونية.

2- لا يوجد فرق ذو دلالةٍ إحصائية عند مستوى (µ = 0.05) بين متوسطي درجات المجموعة التجريبية الأولى (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد)، والمجموعة التجريبية الثانية (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر) والمجموعة الضابطة (التي استخدمت الاستراتيجية المعتادة) في التطبيق البعدي لمقياس الوعى بإنترنت الأشياء.

أهمية البحث:

تمثلت أهمية البحث الحالي في الآتي:

1- تقديم استراتيجية قائمة على التدريب المدمج، يمكن أن تفيد المعلمين القائمين على تدريس المقررات الإلكترونية على تحليل بيانات طلابهم ومراقبة أدائهم وتحسين تعلمهم.

2- توجيه نظر القائمين على مجال التعليم، بضرورة تدريب الطلاب قبل التخرج على مهارات تحليل البيانات الضخمة من أجل تحسين العملية التعليمية.

3- توجيه نظر المسؤولين بالتعليم الجامعي بضرورة الاهتمام بتوظيف التدريب المدمج في عملية التعليم الجامعي.

4- تحسين مدخلات العملية التعليمية ومخرجاتها، من خلال مساعدة الطالب الجامعي على تنمية مهارته في مجال تحليل البيانات الضخمة للمقررات الإلكترونية التي يقوم بدراستها.

5- توجيه نظر المسؤولين على ضرورة عقد دورات تدريبية للطلاب من أجل تنمية وعيهم بتطبيقات إنترنت الأشياء في التعليم الجامعي.

6- توجيه نظر القائمين على تدريس المقررات الإلكترونية عبر نظام (البلاكبورد) بضرورة الاهتمام بالتحليلات التعليمية للطلاب من أجل تحسين أدائهم وتنمية مستوى تحصيلهم وتفكيرهم في عصر التحول الرقمي.

محددات البحث:

اقتصر البحث الحالي على المحددات الآتية:

1- طلاب البكالوريوس بكلية التربية بجامعة الملك خالد الفصل الدراسي الثاني (2019م).

2- التدريب على الموضوعات الآتية:

• المقررات الإلكترونية. – المحتوى الإلكتروني.      – أنظمة إدارة التعلم.
• التفاعل والتشارك الإلكتروني. – تحليلات التعلم. – مستحدثات التقنية.

3- تحليل أداء الطلاب في المقرر الإلكتروني الآتي:

• وسائل وتقنيات التعليم – 322 نهج-2.

4- أبعاد بطاقة تحليل أداء الطلاب في المقررات الإلكترونية تتمثل في الآتي:

• أداء الطالب مع البيانات الأساسية للمقرر الإلكتروني. – أداء الطالب مع محتوى المقرر الإلكتروني.
• أداء الطالب مع مهارات التواصل الإلكتروني.              – أداء الطالب مع مهارات التفاعل الإلكتروني.
• أداء الطالب مع مهارات التقييم الإلكتروني. – التوقيت الزمنى لأداء الطالب الإلكتروني.

5- أبعاد مقياس الوعي بإنترنت الأشياء:

• ماهية إنترنت الأشياء. – تطبيقات إنترنت الأشياء في التعليم. – تحديات إنترنت الأشياء.

تحديد مصطلحات البحث:

تم تحديد مصطلحات البحث بصورةٍ إجرائية على النحو الآتي:

1- التدريب المدمج: Blended Training

هي شكل من أشكال التعليم الذي يتم فيه الدمج بين أساليب التعليم التقليدية، وأساليب التعلم الإلكتروني داخل القاعة الدراسية وخارجها من أجل مساعدة طلاب كلية التربية بجامعة الملك خالد على تنمية مهاراتهم لتحليل البيانات الضخمة لمقرر “وسائل وتقنيات التعليم” الإلكتروني والوعي بتطبيقات إنترنت الأشياء في مجال التعليم.

2- تحليلات التعلم: Learning Analytics

هي عبارة عن الاستخدام الذكي للبيانات الضخمة المسجلة على نظام إدارة التعلم الإلكتروني (البلاكبورد) والناتجة عن دراسة طلاب كلية التربية بجامعة الملك خالد للمقررات الإلكترونية من أجل اكتشاف المعلومات التي تساعد المعلم على تحسين تعلم الطلاب وتحقيق مستويات عليا من تحصيل الطلاب للمقررات الإلكترونية واستنباطها. ويقاس بالدرجة التي يحصل عليها الطالب على البطاقة الخاصة بتحليل أداء الطلاب على مقرر “وسائل وتقنيات التعليم” الإلكتروني.

3- المقررات الإلكترونية: Electronic Courses

هي مجموعة من الدروس والوحدات التعليمية الغنية بالوسائط المتعددة التفاعلية التي يتم نشرها على نظام إدارة التعلم الإلكتروني (البلاكبورد) من أجل دراسة طلاب كلية التربية بجامعة الملك خالد هذه الدروس والوحدات والتفاعل معها في أي مكان وفى أي زمان.

4- الوعي بإنترنت الأشياء: Internet of Things

هو إدراك طلاب كلية التربية جامعة الملك خالد بماهية إنترنت الأشياء وتطبيقاتها لتلبية احتياجاتهم التعليمية وغير التعليمية وتقاس بالدرجة التي يحصل عليها الطلاب على المقياس المعد لذلك.

 

منهج البحث وإجراءاته

استخدم البحث المنهج التجريبي القائم على تصميم المجموعتين: التجريبية، والضابطة مع التطبيق القبلي والبعدي لمقاييس الأداء.

إجراءات البحث:

لتعرف مدى فعالية استراتيجية التدريب المدمج لتنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية والوعي بتطبيقات إنترنت الأشياء في مجالي التعليم والتعلم لدى طلاب “البكالوريوس” بكلية التربية جامعة الملك خالد تم إجراء ما يلي:

أولًا: اختيار عينة البحث:

تم اختيار عينة البحث من طلاب “البكالوريوس” بكلية التربية جامعة الملك خالد بطريقةٍ عشوائية، تمثلت في ثلاث مجموعات: الأولى تجريبية، والأخرى تجريبية ثانية؛ حيث تم تدريب المجموعة التجريبية الأولى باستخدام استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد)، أما المجموعة التجريبية الثانية فقد تم تدريبها باستخدام استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر من خلال نظام Blackboard). والمجموعة الثالثة هي المجموعة التي استخدمت الاستراتيجية المعتادة في التدريب على تحليل البيانات الضخمة لمقرر ” وسائل وتقنيات التعليم 322نهج-2″ الإلكتروني؛ وللتأكد من تكافؤ المجموعات، تم تطبيق أدوات البحث تطبيقًا قبليًا وكانت النتائج كما بجدول (2).

جدول2 نتائج تحليل التباين ذى الاتجاه الواحد في بطاقة تحليل أداء الطلاب ومقياس الوعي بإنترنت الأشياء في التطبيق القبلي

الأداة	مصدر التباين	مجموع المربعات	درجة الحرية	متوسط المربعات	قيمة (ف) المحسوبة	مستوى الدلالة
بطاقة تحليل الأداء	بين المجموعات	6.534	2	3.267	2.114	0.13
	داخل المجموعات	100.451	65	1.545
	المجموع	106.985	67
مقياس الوعى بإنترنت الأشياء	بين المجموعات	8.692	2	4.346	1.278	0.29
	داخل المجموعات	221.072	65	3.401	0	0
	المجموع	229.765	67

يوضح جدول (2) أن قيمة (ف) المحسوبة، (2.114) ، (1.278) وذلك في بطاقة تحليل الأداء، ومقياس الوعى بتطبيقات إنترنت الأشياء في التعليم والتعلم كلها غير دالة، وذلك عند مستوى دلالة (0.05) ودلالة الطرفين، ودرجة حرية (2) للتباين الأكبر، ودرجة حرية (65) للتباين الأصغر، وهو ما يوضح عدم وجود فروق ذات دلالةٍ إحصائية بين المجموعات الثلاثة: التجريبية الأولى، والمجموعة التجريبية الثانية، والمجموعة الضابطة فى التطبيق القبلي لبطاقة تحليل الأداء الخاصة بمقرر “وسائل وتقنيات التعليم” الإلكتروني، ومقياس الوعى بتطبيقات إنترنت الأشياء في التعليم والتعلم، مما يوضح تكافؤ المجموعات الثلاثة في مهارات تحليل البيانات الضخمة لمقرر “وسائل وتقنيات التعليم” الإلكتروني، والوعي بتطبيقات إنترنت الأشياء في التعليم والتعلم لدى طلاب البكالوريوس بكلية التربية جامعة الملك خالد.

 

ثانيًا: إعداد مواد البحث:

1-  تصميم بيئة التعلم القائمة على استراتيجية التدريب المدمج:

لتصميم بيئة التعلم القائمة على استراتيجية التدريب المدمج، تم الاطلاع على بعض الدراسات السابقة مثل: دراسة إبراهيم (2017)، كيستا (Cuesta, 2018) وتم إتباع النموذج العام للتصميم ADDIE كما يلي:

المرحلة الأولى: التحليل Analysis:

تمت في هذه المرحلة الإجراءات الآتية:

• تحديد الأهداف العامة لبيئة التعلم القائمة على استراتيجية التدريب المدمج؛ حيث يتمثل الهدف العام لبيئة التعلم القائمة على استراتيجية التدريب المدمج في تنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية (مقرر وسائل وتقنيات التعليم)، والوعي بتطبيقات إنترنت الأشياء في التعليم والتعلم لدى طلاب “البكالوريوس” بكلية التربية جامعة الملك خالد.
• تحديد خصائص المتعلمين: طلاب البكالوريوس المستوى الخامس بكلية التربية جامعة الملك خالد يدرسون مقرر “وسائل وتقنيات التعليم – 322 نهج-2” فى الفصل الدراسي الثاني للعام الجامعي (2019م) وينتمون إلى بيئة واحدة ذات ظروف اقتصادية، واجتماعية متقاربة، كما أن مهارتهم في استخدام الحاسب الآلي، وشبكات الإنترنت تكاد تكون متقاربة؛ حيث إنهم يمتلكون المهارات الأساسية لاستخدام الحاسب الآلي وشبكات الإنترنت. وقد بلغ عدد طلاب المجموعة التجريبية الأولى (21) طالبًا، وعدد طلاب المجموعة التجريبية الثانية (24) طالبًا، وعدد طلاب المجموعة الضابطة (23) طالبًا من طلاب البكالوريوس بكلية التربية جامعة الملك خالد.
• إمكانيات البيئة التعليمية: تم استخدام معمل الحاسب الآلي الخاص بكلية التربية، وكذلك معمل التعلم الإلكتروني الخاص بعمادة التعلم الإلكتروني والمتوفر فيه عدد كاف من أجهزة الحاسب الآلي المتصلة بشبكة الإنترنت.
• المادة التعليمية: تم تحديد المحتوى التدريبي في صورة (6) وحدات تدريبية لطلاب البكالوريوس بكلية التربية جامعة الملك خالد، لكل موضوع من الموضوعات التدريبية أهداف سلوكية خاصة به.

المرحلة الثانية: مرحلة التصميم Design:

تتضمن مرحلة التصميم تحديد الأهداف الإجرائية لبيئة التعلم القائمة على استراتيجية التدريب المدمج ووضع تصورٍ شامل للمحتوى، واستراتيجية التعلم، والأنشطة المختلفة المناسبة له، وأساليب التقويم وهى على النحو الآتي:

أ- الأهداف الإجرائية لبيئة التعلم القائمة على التدريب المدمج:

تم تحديد أهداف سلوكية لكل موضوع من الموضوعات التدريبية كما يلي:

الموضوع الأول: المقررات الإلكترونية:

بعد الانتهاء من هذا الدرس يجب أن يكون الطالب قادرًا على أن:

§        يعرف المقرر الإلكتروني.	§        يفرق بين أنواع المقررات الإلكترونية.
§        يوضح مكونات المقرر الإلكتروني.	§        يشرح أهمية المقررات الإلكترونية.

الموضوع الثاني: المحتوى الإلكتروني:

بعد الانتهاء من هذا الدرس يجب أن يكون الطالب قادرًا على أن:

§        يعرف المحتوى الإلكتروني.	§                يوضح عناصر المحتوى الإلكتروني.
§                يستخدم أدوات تأليف المحتوى الإلكتروني.	§    ينشئ محتوى إلكتروني وفق لمعايير SCORM.

الموضوع الثالث: أنظمة إدارة التعلم:

بعد الانتهاء من هذا الدرس يجب أن يكون الطالب قادرًا على أن:

§        يعرف أنظمة إدارة التعلم.	§                يشرح أهمية نظم إدارة التعلم الإلكتروني.
§        يفرق بين أنظمة إدارة التعلم الإلكتروني.	§    يوضح أهمية نظام  Blackboard الإلكتروني.

الموضع الرابع: التفاعل والتشارك الإلكتروني:

بعد الانتهاء من هذا الدرس يجب أن يكون الطالب قادرًا على أن:

§        يعرف التفاعل والتشارك الإلكتروني.	§   يوضح أهم أدوات التواصل الإلكتروني.
§        يوضح أهم أدوات التفاعل الإلكتروني.	§                يستخدم أدوات التفاعل والتشارك الإلكتروني.

الموضع الخامس: تحليلات التعلم:

بعد الانتهاء من هذا الدرس يجب أن يكون الطالب قادرًا على أن:

§        يعرف تحليلات التعلم.	§   يوضح أهمية تحليلات التعلم الإلكتروني.
§        يوضح أهم أدوات تحليلات التعلم.	§                يستطيع تحليل محتوى إلكتروني.

الموضع السادس: مستحدثات التقنية:

بعد الانتهاء من هذا الدرس يجب أن يكون الطالب قادرًا على أن:

§        يعرف ماهية المستحدثات.	§        يوضح خصائص المستحدثات.
§        يوضح أهم المستحدثات التقنية.	§                يناقش دور المستحدثات في تطوير التعليم.

ب- محتوى بيئة التعلم الإلكترونية التشاركية:

اشتمل محتوى بيئة التعلم القائمة على استراتيجية التدريب المدمج على الموضوعات الآتية:

§        الموضوع الأول: المقررات الإلكترونية.	§        الموضوع الثاني: المحتوى الإلكتروني.
§        الموضوع الثالث: أنظمة إدارة التعلم.	§                  الموضوع الرابع: التفاعل والتشارك الإلكتروني.
§         الموضوع الخامس: تحليلات التعلم.	§         الموضوع السادس: مستحدثات التقنية.

جـ- استراتيجية التعلم والأنشطة المتبعة في بيئة التدريب المدمج:

• استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد):

في ضوء الأهداف الإجرائية، ومحتوى بيئة التعلم، سارت استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد) وفق خريطة التدفق التالية:

 

 

 

 

 

 

 

 

 

 

 

 

 

شكل 5. خريطة التدفق لاستراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد)

• استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم وإلكتروني لدرس آخر):

في ضوء الأهداف الإجرائية، ومحتوى بيئة التعلم، سارت استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم وإلكتروني لدرس آخر) وفق خريطة التدفق الآتية:

 

 

 

 

 

 

 

 

 

 

 

 

شكل 6. خريطة التدفق لاستراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر)

 

د- أساليب التقويم:

تنوعت أساليب التقويم لتشمل التقويم القبلي فى بداية كل درس للوقوف على التعلم السابق، والتقويم البنائي فى أثناء كل درس لتوجيه تعلم الطلاب وتقديم التغذية الراجعة، والتقويم النهائي وهو الذي يتم بعد الانتهاء من دراسة جميع المحتوى التدريبي وفق استراتيجية التدريب المدمج، للوقوف على مهارات تحليل البيانات الضخمة لمقرر “وسائل وتقنيات التعليم”، والوعي بتطبيقات إنترنت الأشياء في مجالي التعليم والتعلم لدى طلاب البكالوريوس بكلية التربية جامعة الملك خالد.

المرحلة الثالثة: مرحلة التطوير Development:

استخدم الباحث في هذه المرحلة بعض برامج الحاسب الآلي من أجل إنتاج المحتوى التدريبي الذي يساعد طلاب كلية التربية على تحليل البيانات الضخمة لمقرر “وسائل وتقنيات التعليم”، والوعي بتطبيقات إنترنت الأشياء ومن أبرز هذه البرامج التالي:

• نظام إدارة التعلم Blackboard. – برنامج VideoScribe.
• برنامج After Effects 15 – موقع https://answergarden.ch لعمل سحابة الكلمات.
• برنامج Lecture MAKER 2.0. – الفصول الافتراضية Virtual Classroom.

المرحلة الرابعة: مرحلة التطبيق Implementation:

تم في هذه المرحلة نشر المحتوى الإلكتروني الخاص باستخدام استراتيجية التدريب المدمج على موقع عمادة التعلم الإلكتروني الخاص بجامعة الملك خالد وذلك من أجل دراسة المحتوى الخاص بالمحتوى التدريبي الخاص بمقرر “وسائل وتقنيات التعليم”. وكذلك تم شرح كيفية الدخول على الموقع والدروس التعليمية المتضمنة به والمهام المطلوبة القيام بها.

المرحلة الخامسة: مرحلة التقويم Evaluation:

تم في هذه المرحلة عرض محتوى بيئة التدريب المدمج على مجموعة من المتخصصين، وكذلك تم تطبيق أدوات القياس المتمثلة في: بطاقة تحليل أداء الطلاب في “وسائل وتقنيات التعليم”، ومقياس الوعي بتطبيقات إنترنت الأشياء في مجال التعليم والتعلم وذلك بعد دراسة كل المحتوي التعليمي لدى الطلاب مجموعتي البحث.

ثالثًا: إعداد مقاييس الأداء:

1- إعداد بطاقة تحليل الأداء:

تم إعداد هذه البطاقة وفقًا للخطوات الآتية:

أ- الهدف من البطاقة:

هدفت البطاقة إلى تحليل أداء طلاب “البكالوريوس” بكلية التربية جامعة الملك خالد على المقررات الإلكترونية التي تدرس لهم عبر نظام “البلاكبورد”.

ب- أبعاد البطاقة:

بعد الاطلاع على البحوث والدراسات التي اهتمت بهذا الجانب تم تحديد الأبعاد الرئيسة للبطاقة التي بلغ عددها (6) أبعاد رئيسة، كل بعد يتضمن مهارات فرعية وهذه الأبعاد هي:

 

 

 

م	البعد	عدد العبارات
1	الأول: مهارات خاصة بالبيانات الرئيسية للمقرر الإلكتروني.	4
2	الثاني: مهارات خاصة بالتعامل مع المحتوى الإلكتروني.	5
3	الثالث:مهارات خاصة بالتواصل الإلكتروني.	5
4	الرابع:مهارات خاصة بالتفاعل الإلكتروني.	4
5	الخامس: مهارات خاصة بالتقييم الإلكتروني.	4
6	السادس: مهارات خاصة بالتوقيت الزمنى للإداء.	1
المجموع	6	23

جـ- عرض الصورة الأولية للبطاقة على مجموعة من المحكمين:

بعد الانتهاء من إعداد البطاقة قام الباحث بعرض البطاقة على مجموعة من المتخصصين في مجال تكنولوجيا التعليم، وفى مجال المناهج وطرق التدريس، وفى مجال علم النفس. وجاءت آراؤهم توضح مناسبة بنود البطاقة للطلاب عينة البحث، مع حذف مهارة من البعد السادس والخاصة بالتوقيت الزمنى (في بداية الأسبوع، في منتصف الأسبوع، في نهاية الأسبوع) والاختصار على مهارةٍ واحدة خاصة بكل أسابيع المقرر الدراسي (17) أسبوعًا.

د- التطبيق الاستطلاعي للبطاقة:

بعد معرفة آراء السادة المحكمين تم تطبيق بطاقة الملاحظة على عينة استطلاعية عددها (17) من طلاب البكالوريوس بكلية التربية جامعة الملك خالد لمعرفة مدى صحة الصياغة اللغوية للمهارات في البطاقة، ومن ناحية التصميم، وكذلك لحساب ثبات البطاقة.

هـ- حساب ثبات بطاقة الملاحظة:

بعد القيام بعرض البطاقة على مجموعةٍ من المحكمين وتجربتها استطلاعيًا على (17) طلاب تم حساب ثبات بطاقة الملاحظة الخاصية بتقييم أداء الطلاب على المقررات الإلكترونية التي تدريس لهم عبر نظام إدارة التعلم الإلكتروني (البلاكبورد) من خلال إعادة التحليل على العينة نفسها بفاصل زمني أسبوعين تقريبًا باستخدام معادلة (كوبر Cooper)؛ حيث تم ملاحظة أداء الطلاب للمهارات المتضمنة في البطاقة، وقد بلغت نسبة الاتفاق في التطبيقين (0.89) تقريبًا وهي نسبة مناسبة لثبات البطاقة.

ع-  الصورة النهائية للبطاقة:

بعد القيام بصياغة البطاقة وعرضها على مجموعة من السادة المحكمين وضبطها ضبطًا إحصائيًا أصبحت البطاقة صالحة للتطبيق النهائي (ملحق 1).

2- مقياس الوعي بتطبيقات إنترنت الأشياء في التعليم:

تم إعداد مقياس الوعي بتطبيقات إنترنت الأشياء في التعليم وفقاً للخطوات الآتية:

 

 

أ- تحديد الهدف من المقياس:

هدف المقياس إلى قياس درجة وعي طلاب كلية التربية بجامعة الملك خالد بإنترنت الأشياء، وتكون هذا المقياس من ثلاثة أبعاد تتمثل في: ماهية إنترنت الأشياء، وتطبيقات إنترنت الأشياء في التعليم، وتحديات إنترنت الأشياء، وذلك من خلال برنامج تدريبي قائم على التدريب المدمج.

ب- فقرات المقياس:

تكون المقياس من ثلاث أبعاد تتمثل في جدول (3).

جدول3 عدد أبعاد وبنود المقياس في صورته الأولية

م	البعد		عدد العبارات
1	ماهية إنترنت الأشياء		11
2	تطبيقات إنترنت الأشياء في التعليم		16
3	تحديات إنترنت الأشياء		11
المجموع	3	38

جـ – ضبط المقياس من خلال:

– عرض الصورة الأولية للمقياس على مجموعة من المحكمين:

بعد الانتهاء من صياغة مفردات المقياس تم عرضه على مجموعة من المتخصصين في مجال المناهج وطرائق التدريس، وتقنيات التعليم، وفى مجال علم النفس. وجاءت آراؤهم توضح مناسبة المقياس للهدف الذي وضع من أجله، مع حذف بعض عبارات المقياس وهي: (سوف يساعد إنترنت الأشياء في مكافحة الفساد في البعد الأول)، و(مصداقية البيانات التي يتم الحصول عليها من إنترنت الأشياء في البعد الثالث)، وإعادة صياغة بعض العبارات من الناحية اللغوية.

• التطبيق الاستطلاعي للمقياس:

تم تطبيق المقياس على عينة استطلاعية عددها (17) طالباً من طلاب البكالوريوس بكلية التربية جامعة الملك خالد لتعرف مدى مناسبة العبارات من الناحية اللغوية والعلمية. وجاءت استجاباتهم توضح مناسبة عبارات المقياس دون أي غموض من الناحية اللغوية أو العلمية.

• الاتساق الداخلي للمقياس (الصدق الإحصائي):

تم إيجاد مصفوفة معامل الارتباط (بيرسون Pearson) بين أبعاد المقياس والدرجة الكلية وفق الجدول الآتي:

البعد	ماهية إنترنت الأشياء	تطبيقات إنترنت الأشياء في التعليم	تحديات إنترنت الأشياء
ماهية إنترنت الأشياء	1
تطبيقات إنترنت الأشياء في التعليم	0.28	1
تحديات إنترنت الأشياء	0.57	0.15	1
المقياس ككل	0.70*	0.83*	0.62*

يتضح مما سبق أن معامل ارتباط البعد الأول بالمقياس كله يساوى (0.70) ومعامل ارتباط البعد الثاني بالمقياس كله يساوى (0.83) أما معامل ارتباط البعد الثالث بالمقياس كله يساوى (0.62) وكلها قيم دالة ومقبولة إحصائيًا. ويشير هذا أن أبعاد المقياس تقيس الشيء نفسه الذي يقيسه المقياس كله، مما يدل على صدق المقياس وأبعاده.

• حساب متوسط زمن المقياس.

تم حساب زمن المقياس عن طريق إيجاد متوسط أزمان الطلاب جميعهم كلٍ حسب سرعته وقد جاء مساويًا (25) دقيقة تقريبًا.

• حساب ثبات المقياس:

بعد القيام بعرض المقياس على مجموعة من المحكمين وتجربته استطلاعيًا على (17) طالبًا باستخدام معادلة (ألفا كرونباخ)، ووجد أنه يساوى (0.77) تقريبًا وهو معامل ثبات مناسب.

د- الصورة النهائية للمقياس:

بعد القيام بصياغة المقياس وضبطه ضبًطا إحصائيًا أصبح المقياس صالحًا للتطبيق النهائي (ملحق 2).

خامسًا: التطبيق القبلي لأدوات القياس:

تم تطبيق أدوات القياس المتمثلة في: بطاقة تقييم أداء طلاب كلية التربية للمقررات الإلكترونية (مقرر وسائل وتقنيات التعليم) عبر نظام البلاكبورد””، ومقياس الوعي بتطبيقات إنترنت الأشياء على مجموعات البحث الثلاث وذلك في يوم الإثنين الموافق (4/ 2/ 2019م).

سادساً: تنفيذ تجربة البحث:

بعد توضيح الهدف من التجربة، قام الباحث بتنفيذ تجربة البحث داخل معمل الحاسب الآلي بكلية التربية خلال الفصل الدراسي الثاني كاملًا وقد بلغ عدد أفراد المجموعة التجريبية الأولى (21 طالبًا)، أما المجموعة التجريبية الثانية فقد بلغ عددها (24 طالبًا)، والمجموعة الضابطة بلغ عددها (23طالبًا).

سابعًا: التطبيق البعدي لأدوات القياس:

بعد الانتهاء من تطبيق استراتيجية التدريب المدمج على طلاب “البكالوريوس” بكلية التربية جامعة الملك خالد تم تطبيق أدوات القياس المتمثلة في: بطاقة تحليل أداء الطلاب على مقرر “وسائل وتقنيات التعليم”، ومقياس الوعي بتطبيقات إنترنت الأشياء في مجالي التعليم والتعلم تطبيقًا بعديًا على مجموعتي البحث وتصحيحها ورصدها.

 

نتائج البحث وتفسيرها

بعد رصد درجات الطلاب في التطبيق البعدي في كلٍ من: بطاقة تحليل أداء الطلاب في مقرر “وسائل وتقنيات التعليم” الإلكتروني، ومقياس الوعي بتطبيقات “إنترنت الأشياء” في مجال التعليم، تمت الإجابة عن أسئلة البحث على النحو الآتي:

إجابة السؤال الأول الذي نص على:

ما مهارات تحليل البيانات الضخمة للمقررات الإلكترونية المراد تنميتها لدى طلاب كلية التربية جامعة الملك خالد؟

وللإجابة عن ها السؤال، تم التوصل إلى قائمة المهارات، والمهام التعليمية الفرعية في صورتها النهائية، وذلك بعد تحكيم هذه المهارات من قبل مجموعة من المحكمين في مجال تقنيات التعليم والمناهج وعلم النفس، وتتضح هذه المهارات في جدول (4).

جدول 4 قائمة المهارات الرئيسة الخاصة بتحليل البيانات الضخمة

م	المهارة الرئيسة	عدد المهارات الفرعية
1	المهارات الخاصة بالبيانات الأساسية للمقرر الإلكتروني	4
2	مهارات التعامل مع محتوى المقرر الإلكتروني	5
3	مهارات التواصل الإلكتروني	5
4	مهارات التفاعل الإلكتروني	4
5	مهارات التقييم الإلكتروني	4
6	المهارات الخاصة بالتوقيت الزمنى لأداء الطالب	1

إجابة السؤال الثاني الذي نص على:

ما هي صورة برنامج قائم على التدريب المدمج لتنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية والوعي بإنترنت الأشياء لدى طلاب كلية التربية جامعة الملك خالد؟

وللإجابة عن ها السؤال، تم مراجعة الأدبيات والدراسات التي اهتمت باستراتيجية التدريب المدمج بصفة عامة، وتحليل البيانات الضخمة على نظم إدارة التعلم الإلكتروني “البلاكبورد” بصفة خاصة مثل: دراسة إبراهيم (2017)، ودراسة مرشد وكيم (Mershad, Wakim, 2018)، ودراسة ليرش، كايل (Lerche, Kiel, 2018).

وقد تم تصميم المحتوى التدريبي وفق نموذج التصميم العام المتضمن استراتيجيتين للتعلم المدمج الأولى: تعلم تقليدي وإلكتروني للدرس الواحد، والثانية تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر(وقد سبق شرح مراحل هذا النموذج بالتفصيل) وقد تم إجازة هذا المحتوى بعد عرضه على مجموعة من المتخصصين فى تقنيات التعليم، والمناهج، وعلم النفس، وكذلك تم التجريب على عينة استطلاعية من طلاب “البكالوريوس” بكلية التربية جامعة الملك خالد، ومن ثم أصبحت بيئة التعلم القائمة على استراتيجية التدريب المدمج جاهزة للتطبيق على عينة البحث الأساسية. وبذلك تمت الإجابة عن السؤال الثاني من أسئلة البحث.

إجابة السؤال الثالث الذي نص على:

ما فاعلية استراتيجية التدريب المدمج في تنمية مهارات طلاب كلية التربية لتحليل البيانات الضخمة للمقررات الإلكترونية التي تدرس عبر نظام إدارة التعلم الإلكتروني (البلاكبورد) بجامعة الملك خالد؟

وللإجابة عن هذا السؤال صيغ الفرض الآتي:

لا يوجد فرق ذو دلالة إحصائية عند مستوى (µ = 0.05) بين متوسطي درجات المجموعة التجريبية الأولى (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد)، والمجموعة التجريبية الثانية (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر) والمجموعة الضابطة (التي استخدمت الاستراتيجية المعتادة) في التطبيق البعدي لبطاقة تحليل الأداء الخاصة بمهارات تحليل البيانات الضخمة للمقررات الإلكترونية.

ولاختبار صحة هذا الفرض تمت المعالجة الإحصائية باستخدام “تحليل التباين أحادي” الاتجاه وذلك لمقارنة درجات المجموعات الثلاثة فى بطاقة تحليل أداء الطلاب على مقرر “وسائل وتقنيات التعليم” الذي يدرسونه عبر نظام إدارة التعلم الإلكتروني (البلاكبورد). ويوضح جدول (5) نتائج تطبيق تحليل التباين أحادي الاتجاه.

جدول 5 نتائج تحليل التباين ذى الاتجاه الواحد فى التطبيق البعدي لبطاقة تحليل أداء الطلاب

الأداة	مصدر التباين	مجموع المربعات	درجة الحرية	متوسط المربعات	قيمة (ف) المحسوبة	مستوى الدلالة
بطاقة تحليل أداء	بين المجموعات	247.053	2	123.527	42.922*	0.000
	داخل المجموعات	187.064	65	2.878
	المجموع	434.118	67

يوضح جدول (5) أن قيمة (ف) المحسوبة، (42.922)، وذلك عند مستوى دلالة (0.05) ودلالة الطرفين، ودرجة حرية (2) للتباين الأكبر، ودرجة حرية (65) للتباين الأصغر وهو ما يوضح وجود فروق ذات دلالةٍ إحصائية بين المجموعتين التجريبية الأولى، والمجموعة التجريبية الثانية، والمجموعة الضابطة فى التطبيق البعدي للبطاقة الخاصة بتحليل أداء طلاب كلية التربية في مقرر “وسائل وتقنيات التعليم” الإلكتروني.

وبذلك تم رفض الفرض الأول من فروض البحث، حيث إنه يوجد فرق ذو دلالة إحصائية عند مستوى (µ = 0.05) بين متوسطي درجات المجموعة التجريبية الأولى (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد)، والمجموعة التجريبية الثانية (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر) والمجموعة الضابطة (التي استخدمت الاستراتيجية المعتادة) في التطبيق البعدي لبطاقة تحليل الأداء الخاصة بمهارات تحليل البيانات الضخمة للمقررات الإلكترونية. ولتوضيح اتجاه هذا الفرق استخدم اختبار شيفيه Scheffe  كما هو موضح بجدول (6).

جدول 6 نتائج اختبار Scheffe   لمتوسط الفروق بين المجموعات الثلاثة

المجموعة	الأولى	الثانية	الثالثة
الأولي	0
الثانية	3.48*	0
الضابطة	4.56*	1.09	0

* دالة عند مستوى 0.05

يتضح من جدول (6) أنه يوجد فرق بين درجات المجموعة التجريبية الأولى، ودرجات المجموعة التجريبية الثانية لصالح المجموعة التجريبية الأولى؛ حيث بلغ متوسطها (17.48) وهو أعلى من متوسط المجموعة التجريبية الثانية التي بلغ متوسطها (14.00)، وكذلك يوضح جدول (6) أنه يوجد فرق بين درجات المجموعة التجريبية الأولى، ودرجات المجموعة الضابطة لصالح المجموعة التجريبية الأولي؛ حيث بلغ متوسط المجموعة الضابطة (12.91) وهو أقل من متوسط المجموعة التجريبية الأولي. أي أن استخدام استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد)، أفضل من استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر) ومن الاستراتيجية المعتادة في التعليم. وتتضح تحليلات الطلاب للبيانات الضخمة في شكل (7).

1- التعامل مع البيانات الأساسية للمقرر	2- التعامل مع محتوى المقرر
3- مهارات التواصل الإلكتروني	4- مهارات التفاعل الإلكتروني
5- مهارات التقييم الإلكتروني	6- مهارات التوقيت الزمنى

شكل 7. نتائج تحليل بيانات الطلاب لمقرر “وسائل وتقنيات التعليم” الإلكتروني

ويرى الباحث أن النتيجة السابقة يمكن أن ترجع إلى ما يلي:

• طبيعية استراتيجية التدريب المدمج، التي تركز بصورة أساسية على العلاقة القوية بين المعلم والمتعلم وتوظيف التقنيات الحديثة وفق الموقف التعليمي؛ مما ساعد إيجاد بيئة تعليمية يراعى فيها الفروق الفردية بين الطلاب.
• طبيعة استراتيجية التدريب المدمج؛ حيث تواصل الطلاب مع المعلم مباشرة وجهًا لوجه؛ مما قد زاد من تفاعله مع الطلاب، وكذلك زاد الطلاب مع بعضهم البعض، والطلاب مع المحتوى الإلكتروني، وقد ساعد ذلك في تنمية مهارات تحليل البيانات الضخمة لمقرر “وسائل وتقنيات التعليم” الإلكتروني.
• توفر العلاقات الإنسانية والاجتماعية بين المعلم والطلاب من جانب، وبين الطلاب أنفسهم من جانب آخر؛ مما ساعد الطلاب على التغلب على الصعوبات التي يواجهونها بعيدًا عن المعلم.
• توظيف التقنيات الحديثة واستخدامها في توصيل المعلومات للطلاب؛ مما ساعد الطلاب على تنمية مهاراتهم التكنولوجية وبخاصة فيما يتعلق بتحليل بيانات المقررات الإلكترونية التي تدرس للطلاب على نظم إدارة التعلم الإلكتروني.
• تتميز بيئة التدريب المدمج بحصول الطالب على التغذية الراجعة الفورية، وعلى تنمية مهارات التعلم التشاركي والتعاوني بين الطلاب؛ مما ساعد ذلك على تطبيق الطلاب للمهارات بشكلٍ فعال، كما ساعد ذلك في تنمية مهاراتهم لتحليل البيانات الضخمة للمقررات الإلكترونية.
• يساعد التدريب المدمج على تطبيق المهارات التي تدرب عليها الطلاب في الميدان بسرعة؛ نظراً لأن الطالب يستفيد من الأدوات التكنولوجية الحديثة، وكذلك من المعلم من خلال اللقاءات المباشرة به.
• تتضمن بيئة التدريب المدمج عرض المادة التعليمية من خلال: الرسومات التوضيحية، وملفات الفيديو، وعروض البوربوينت، الانفوجرافيك الثابت والمتحرك وقد ساعد ذلك في تنمية مهاراتهم فى مجال تحليل البيانات الضخمة للمقررات الإلكترونية.
• تتميز بيئة التدريب المدمج بإتاحة الحرية، والمرونة للطلاب في أداء المهام والأنشطة المطلوبة منهم.
• طريقة عرض الطلاب وتعاملهم مع محتوى بيئة التعلم الجماعية زادت من دافعية الطلاب للتعلم ومن ثم تكون لديهم ميول واتجاهات إيجابية نحو التعلم من خلال هذه البيئة التشاركية التعاونية المتوفرة لديهم في كل مكان وفى كل زمان.

إجابة السؤال الرابع الذي نص على:

ما فاعلية استراتيجية التدريب المدمج في تنمية وعى طلاب كلية التربية بجامعة الملك خالد

بمهارات إنترنت الأشياء؟

وللإجابة عن هذا السؤال صيغ الفرض الآتي:

لا يوجد فرق ذو دلالة إحصائية عند مستوى (0.05) بين متوسطي درجات المجموعة التجريبية الأولى (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد)، والمجموعة التجريبية الثانية (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر) والمجموعة الضابطة (التي استخدمت الاستراتيجية المعتادة) في التطبيق البعدي لمقياس الوعى بإنترنت الأشياء.

ولاختبار صحة هذا الفرض تمت المعالجة الإحصائية باستخدام تحليل التباين أحادي الاتجاه وذلك لمقارنة درجات المجموعات الثلاث في مقياس الوعي بتطبيقات إنترنت الأشياء. ويوضح جدول (7) نتائج تطبيق تحليل التباين أحادي الاتجاه.

جدول 7 نتائج تحليل التباين ذي الاتجاه الواحد في التطبيق البعدي لمقياس الوعي بتطبيقات إنترنت الأشياء

الأداة	مصدر التباين	مجموع المربعات	درجة الحرية	متوسط المربعات	قيمة (ف) المحسوبة	مستوى الدلالة
مقياس الوعى بتطبيقات إنترنت الأشياء	بين المجموعات	797.908	2	398.954	16.469*	0.000
	داخل المجموعات	1574.621	65	24.225
	المجموع	2372.525	67

يوضح جدول (7) أن قيمة (ف) المحسوبة، (16.469)، وذلك عند مستوى دلالة (0.05) ودلالة الطرفين، ودرجة حرية (2) للتباين الأكبر، ودرجة حرية (65) للتباين الأصغر وهو ما يوضح وجود فروقٍ ذات دلالةٍ إحصائية بين المجموعتين التجريبية الأولى، والمجموعة التجريبية الثانية، والمجموعة الضابطة في التطبيق البعدي لمقياس الوعي بتطبيقات إنترنت الأشياء في التعليم.

وبذلك تم رفض الفرض الثاني من فروض البحث؛ حيث إنه يوجد فرق ذو دلالة إحصائية عند مستوى (µ = 0.05) بين متوسطي درجات المجموعة التجريبية الأولى (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي وإلكتروني للدرس الواحد)، والمجموعة التجريبية الثانية (التي استخدمت استراتيجية التدريب المدمج (تعلم تقليدي لدرس وتعلم إلكتروني لدرس آخر) والمجموعة الضابطة (التي استخدمت الاستراتيجية المعتادة) في التطبيق البعدي لمقياس الوعى بإنترنت الأشياء. ولتوضيح اتجاه هذا الفرق استخدم اختبار شيفيه (Scheffe) كما هو موضح بجدول (8).

جدول 8 نتائج اختبار Scheffe   لمتوسط الفروق بين المجموعات الثلاثة

المجموعة	الأولى	الثانية	الثالثة
الأولي	0
الثانية	6.90*	0
الضابطة	7.85*	0.94	0

* دالة عند مستوى 0.05

يتضح من جدول (8) أنه يوجد فرق بين درجات المجموعة التجريبية الأولى، ودرجات المجموعة التجريبية الثانية لصالح المجموعة التجريبية الأولى؛ حيث بلغ متوسطها (58.24) وهو أعلى من متوسط المجموعة التجريبية الثانية التي بلغ متوسطها (51.33)، وكذلك يوضح جدول (5) أنه يوجد فرق بين درجات المجموعة التجريبية الأولى، ودرجات المجموعة الضابطة لصالح المجموعة التجريبية الأولي؛ حيث بلغ متوسط المجموعة الضابطة (50.39) وهو أقل من متوسط المجموعة التجريبية الأولي.

ويرى الباحث أن النتيجة السابقة يمكن أن ترجع إلى ما يلي:

• تتضمن استراتيجية التدريب المدمج بعض استخدام التطبيقات الحديثة في مجال التعليم مثل: الحوسبة السحابية، والذكاء الاصطناعي، والتعامل مع منصة التعلم الإلكتروني https://kkux.org الخاصة بجامعة الملك خالد التي تهتم بتطبيقات مختلفة لمجال إنترنت الأشياء، كل هذا ساعد على زيادة وعى طلاب كلية التربية بتطبيقات إنترنت الأشياء في التعليم.
• تقوم فلسفة التدريب المدمج على النظرية البنائية، وقد ظهر ذلك في استخدام الطلاب للباركود Bar Code من خلال موقع (https://www.qr-code-generator.com) وذلك لتسجيل البيانات وتبادلها، وقد ساعد ذلك على إدراك الطلاب لأحد تطبيقات إنترنت الأشياء في مجال التعليم.
• توجد بعض تطبيقات إنترنت الأشياء في مكتبات الجامعة من خلال ربط الكتب المستعارة من قبل الطالب بجوال الطالب والهوية الوطنية.
• تهتم استراتيجية التدريب المدمج على قيام المتعلم بالبحث عن الأشياء الجديدة في مجال التقنيات، ومن ثم اهتم كل طالب من عينة البحث بتنمية قدراته، والبحث عن الجديد، ومن ثم ساعدت هذه البيئة على زيادة وعى طلاب كلية التربية بالتطبيقات الجديدة لإنترنت الأشياء.

الدلالة العلمية والعملية لنتائج البحث

من خلال جدول (9) يوضح الباحث الأهمية العملية أو التطبيقية لنتائج البحث وذلك عن طريق إيجاد حجم التأثير للمتغير المستقل على المتغيرات التابعة^{(·) (}··⁾.

جدول 9 الأهمية العلمية والتطبيقية لنتائج البحث

المتغير المستقل	المتغير التابع	مجموع المربعات/ المجموع الكلي	حجم التأثير
استراتيجية التدريب المدمج	مهارات تحليل البيانات الضخمة	0.57	كبير
	الوعي بإنترنت الأشياء	0.34	كبير

يتضح من جدول (9) أن حجم تأثير استخدام استراتيجية التدريب المدمج لتنمية مهارات تحليل البيانات الضخمة لمقرر “وسائل وتقنيات التعليم” الإلكتروني لدى طلاب كلية التربية جامعة الملك خالد (0.57) وهي نسبة كبيرة، والباقي يرجع لعوامل آخري متنوعة منها: التخصص، وخبرة الطالب، وبيئة الطلاب، والأقران وعوامل أخرى. وكان حجم تأثير استراتيجية التدريب المدمج على الوعي بتطبيقات إنترنت الأشياء في التعليم (0.34) وهي نسبة كبيرة.

مناقشة نتائج البحث

هدف البحث الحالي إلى تنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية التي تدرس لطلاب كلية التربية جامعة الملك خالد متمثلة في مقرر “وسائل وتقنيات التعليم”، وتنمية وعيهم بتطبيقات “إنترنت الأشياء” في مجال التعليم وذلك من خلال استخدام استراتيجية التدريب المدمج.

أولاً ً: بالنسبة لفاعلية استراتيجية التدريب المدمج في تنمية مهارات تحليل “البيانات الضخمة” لمقرر “وسائل وتقنيات التعليم” الإلكتروني لدى طلاب كلية التربية جامعة الملك خالد؟

أظهرت النتائج أن قدرة طلاب المجموعة التجريبية الأولى، والثانية التي استخدمت استراتيجية التدريب المدمج أعلى وذات دلالة إحصائية من قدرة طلاب المجموعة الضابطة وذلك في تنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية متمثلة في مقرر “وسائل وتقنيات التعليم”. وهذا يعنى أن طلاب المجموعة التجريبية قد استفادوا من استراتيجية التدريب المدمج أفضل من الطلاب الذين تدربوا بالطريقة المعتادة.

وقد يرجع ذلك إلى أن استراتيجية التدريب المدمج تهتم بتوجيه المعلم للطلاب للعناصر الأساسية ذات الأهمية فى محتوى الدرس وذلك وجهًا لوجه، كما يستطع الطلاب القيام بأداء المهارة أمام المعلم ومن ثم يستطع الطلاب الحصول على التغذية الراجعة مباشرة من قبل المعلم. كما يستطع الطلاب الدخول على نظام إدارة التعلم الإلكتروني “البلاكبورد” وذلك عبر الجوال الخاص بهم والقيام بمشاركات مع الطلاب بعضهم البعض ومع الطلاب والمعلم، كما توجد بعض ملفات الفيديو لشرح أداء المهارات الخاصة بتحليل البيانات الضخمة للمقررات الإلكترونية، كل هذا ساعد على تنمية مهارات تحليل البيانات الضخمة للمقررات الإلكترونية لدى طلاب كلية التربية جامعة الملك خالد، وكذلك شعر الطلاب بمتعة المتعلم مع معلمهم واستخدامهم للتكنولوجيا تحت إرشاد المعلم وتوجيهه. وتتفق نتائج هذا البحث مع نتائج دراسة شعبان (2015) ودراسة كل من: أفيليا، كيربرتش، نيون، كانيا (Avella, Kerbritchi, Nunn & Kanai, 2016) ودراسة إبراهيم (2017)، ودراسة مارتا، ألتتونى  (Marta, Aaltonen ,2018).

ثانياً: بالنسبة لفاعلية استراتيجية التدريب المدمج في تنمية وعى طلاب كلية التربية جامعة الملك خالد بتطبيقات “إنترنت الأشياء”.

أظهرت النتائج أن قدرة طلاب المجموعة التجريبية الأولى، والثانية التي استخدمت استراتيجية التدريب المدمج أعلى وذات دلالة إحصائية من قدرة طلاب المجموعة الضابطة وذلك في تنمية الوعي بتطبيقات إنترنت الأشياء في مجال التعليم. وهذا يعنى أن طلاب المجموعة التجريبية قد استفادوا من استراتيجية التدريب المدمج أفضل من الطلاب الذين تدربوا بالطريقة المعتادة.

وقد يرجع ذلك إلى توظيف التقنيات الحديثة ضمن استراتيجية التدريب المدمج، وإعطاء المعلم أمثلة واقعية لتطبيقات إنترنت الأشياء في مجال المكتبات، وفى مجال تبادل المعلومات بين الطلاب بعضهم البعض، وتصميم “الباركود” كل ذلك أدى إلى زيادة إدراك الطلاب لتطبيقات إنترنت الأشياء في مجال التعليم. وتتفق نتائج هذا البحث مع نتائج دراسة عمرو، ومحمد (Amr, Mohamed, 2017)، ودراسة الدارودي (2019).

توصيات البحث:

بناءً على نتائج البحث الحالي يمكن التوصية بالآتي:

• ضرورة الاهتمام بتدريب الطلاب على مهارات تحليل البيانات الضخمة للمقررات الإلكترونية عبر أنظمة إدارة التعلم “البلاكبورد”.
• ضرورة تدريب المعلمين على استخدام استراتيجيات التدريب المدمج وذلك من أجل مساعدة طلابهم على تنمية مهارتهم في مجال تحليل البيانات الضخمة للمقررات الإلكترونية.
• ضرورة الاهتمام بزيادة وعى طلاب الجامعة بالتقنيات الحديثة والاستفادة منها في مجال التعليم والتي من أبرزها “تطبيقات إنترنت الأشياء”، و”التعليم الذكي”.

بحوث مقترحة:

في ضوء نتائج البحث، يمكن اقتراح بعض البحوث الآتية:

• برنامج تدريبي مقترح قائم على التدريب المدمج لتنمية مهارات تحليل البيانات الضخمة للفيسبوك والتوتير.
• تصميم بيئة تعلم إلكترونية قائمة على “التدريب المدمج” لتنمية مهارات تطبيقات الذكاء الاصطناعي لدى طلاب كلية التربية.
• وحدة مقترحة في مجال “تطبيقات إنترنت الأشياء” لتنمية مهارات التحول الرقمي واستشراف المستقبل لدى طلاب الجامعة.

 

المراجع

أولاً: المراجع العربية:

إبراهيم، محمود أحمد (2017). نمط التغذية الراجعة القائمة على التحليلات التعليمية ببيئة تعلم إلكترونية لتنمية مهارات إنتاج المواقع إلكترونية والتنظيم الذاتي لدى تلاميذ الحلقة الابتدائية. مجلة تكنولوجيا التربية– دراسات وبحوث،33(1)، 1-75.

الأكلبي، على ديب (2019). إنترنت الأشياء في ظل التحول الرقمي المعرفي. المجلة العربية. السعودية: الرياض، 508، 42-46.

بيتلر، هوارد، هبل، إيزابيث روس، كوهن، مات (2018). توظيف التقنية في التدريس الصفي الناجح. ترجمة سوس مستو. الرياض: مكتبة العبيكان.

الجهني، ديفيس، على، جلال (2018). شاشة متابعة تحليلات التعلم لتمكين الطلاب من تحمل مسؤولية تعلمهم. تحول التعليم في منطقة الخليج، ترجمة إبراهيم القرني، الرياض: دار جامعة الملك سعود للنشر، 185-198.

الجهني، ليلى سعيد (2017). كفاءة التعليم الإلكتروني في ضوء التحليل البعدي لنتائج الدراسات المنشورة في الدوريات العربية خلال 2005 إلى 2015. المجلة الدولية التربوية المتخصصة. عمان: دار سمات. 6(7)، 17-33.

الحارثي، محمد عطية (2014). إطار مقترح لتطبيق إنترنت الأشياء في المؤسسات التعليمية. مجلة الدراسات التربوية والإنسانية، كلية التربية بدمنهور. 6(4)، 431-465.

حسين، العلوانى (2016). إدارة البيانات في عصر التحول الوطني. الرياض: شركة علم.

الدارودي، نهى عوض سعيد (2019). كيف تحدد البيانات الضخمة مستقبلنا. إنترنت الأشياء: مستقبل مجتمعات الإنترنت المترابطة. المؤتمر السنوي الخامس والعشرين لجمعية المكتبات المتخصصة فرع الخليج العربي، 650-680.

الشرمان، عاطف أبو حميد (2015). التدريب المدمج والتعلم المعكوس Blended& Flipped Learning.عمان: دار المسيرة للنشر والتوزيع.

الشرمان، عاطف أبو حميد (2019). تصميم التعليم للمحتوى الرقمي. عمان: دار المسيرة للنشر والتوزيع.

العبيد، أفنان عبد الرحمن، الشايع، حصة محمد (2018). تكنولوجيا التعليم – الأسس والتطبيقات. ط2. الرياض: مكتبة الرشد.

الفار، إبراهيم عبد الوكيل (2015). تربويات تكنولوجيا القرن الحادي والعشرين – تكنولوجيا ويب 2.0. طنطا: الدلتا لتكنولوجيا الحاسبات.

فارس، نجلاء محمد، إسماعيل، عبد الرؤوف محمد (2017). التعليم الإلكتروني – مستحدثات في النظرية والاستراتيجية. القاهرة: عالم الكتب.

فلوريد، لوتشيانو (2017). ثورة المعلومات الرابعة- كيف يغير الفضاء الإلكتروني واقعنا البشري. دبي: مؤسسة محمد راشد آل مكتوم للمعرفة.

قيراطي، هناء (2017). توظيف البيانات الضخمة في الشركات التقنية وخصوصية المستخدم. رسالة ماجستير، كلية العلوم الإنسانية، جامعة 8 ماى.

كيتشن، روب (2018). ثورة البيانات- البيانات الكبيرة والبيانات المفتوحة والبنى التحتية للبيانات. ترجمة محمد أحمد غروي. السعودية: معهد الإدارة.

المطيري، عبد الله (2017). البيانات الضخمة وحلم النظرية الكبرى. مجلة الفيصل العلمية، الرياض. السنة 54، 55(1)، 33-38.

مقنانى، صبرينه، شبيلة، مقدم (2019). دور البيانات الضخمة في دعم التنمية المستدامة بالدول العربية. مجلة دراسات المعلومات والتكنولوجيا، 1(4)، 1-14.

نيومان، فرانك، كوتوريير، لارا، سكارى، جيمى (2010). مستقبل التعليم العالي- الشعارات والواقع ومخاطر السوق. ترجمة وليد شحادة. الرياض: مكتبة العبيكان.

 

ثانياً: المراجع الإنجليزية:

Adam, k., Bakar, N.A. (2018). Big data and learning Analytics: A Big potential to improve e-learning. American Scientific Publishers, 24(10), 7838-7843.

Amr, E., Mohamed, S. (2017). Experimental evaluation of internet of things in the educational environment, International Journal of Engineering Pedagogy, 7 (3), 50-60.

Arshiya, B., Asfia, S. & Syeda. B. (2018). Big data analytics in King Khalid University. International Journal of Creative Research Thoughts, 6(2), 291-295.

Avella, J., Kerbritchi, M., Nunn, S. & Kanai, T. (2016). Learning analytics methods, benefits, and challenges in higher Education: A systematic literature review, Online Learning, 20(2), 13-29.

Cuesta, M. L. (2018). Blended Training: deficits and prospects in higher education. Australasian Journal of Educational Technology, 34(1), 42-56. https://doi.org/10.14742/ajet.3100

Gul, S., Asif, M., Yasir, M. & Archad, M. (2017). A Survey on role of internet of things in education, International Journal of Computer Science and Network Security, 17(5), 159-165.

Hilbert, M. (2016). Big data for development: A review of promises and challenges. Development Policy Review, 34(1), 135-174.

Lerche, T., Kiel, E. (2018). Predicting student achievement in learning management systems by log data analysis, 89(1), 367-372. Available: https://doi.org/10.1016/j.chb.2018.06.015.

Marta, S., Aaltonen, A. (2018). Closing the loop of big data analytics: the case of learning analytics, Twenty Sixth European Conference on Information Systems, Portsmouth, UK, 1-16.

Mershad, K., Wakim, W. (2018). A Learning management system enhanced with internet of things applications. Journal of Education and Learning, 7(3), 1927-5269.

Reinsel, D., Gantz, J. & Rydning. J. (2017). Data age 2025: the evolution of data to life – critical. Us: international data corporation. Available: https://myslide.cn/slides/402.

⁽·⁾ ahmedsadek@yahoo.com

⁽·⁾https://psychohawks.wordpress.com/2010/10/31/effect-size-for-analysis-of-variables-anova/

(··) 0.01 صغير، 0.05   متوسط، 0.13    كبير