
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autori : (1) Ajit Jain, Texas A&M University, SAD; Trenutačno članstvo: Audigent; (2) Andruid Kerne, Texas A&M University, SAD; Trenutačno članstvo: University of Illinois Chicago; (3) Nic Lupfer, Texas A&M University, SAD; Trenutačna podružnica: Mapware; (4) Gabriel Britain, Texas A&M University, SAD; Trenutačna podružnica: Microsoft; (5) Aaron Perrine, Sveučilište Texas A&M, SAD; (6) Yoonsuck Choe, Sveučilište Texas A&M, SAD; John Keyser, Sveučilište Texas A&M, SAD (8) Ruihong Huang, Texas A&M University, SAD; (9) Jinsil Seo, Sveučilište Texas A&M, SAD; (10) Annie Sungkajun, Illinois State University, SAD; Robert Lightfoot, Sveučilište Texas A&M, SAD (12) Timothy McGuire, Texas A&M University, SAD. Authors: (1) Ajit Jain, Texas A&M University, SAD; Trenutačno članstvo: Audigent; (2) Andruid Kerne, Texas A&M University, SAD; Trenutačno članstvo: University of Illinois Chicago; (3) Nic Lupfer, Texas A&M University, SAD; Trenutačna podružnica: Mapware; (4) Gabriel Britain, Texas A&M University, SAD; Trenutačna podružnica: Microsoft; (5) Aaron Perrine, Sveučilište Texas A&M, SAD; (6) Yoonsuck Choe, Sveučilište Texas A&M, SAD; John Keyser, Sveučilište Texas A&M, SAD (8) Ruihong Huang, Texas A&M University, SAD; (9) Jinsil Seo, Sveučilište Texas A&M, SAD; (10) Annie Sungkajun, Illinois State University, SAD; Robert Lightfoot, Sveučilište Texas A&M, SAD (12) Timothy McGuire, Texas A&M University, SAD. stolovi lijeve strane Abstract i 1. uvod 
 
 
 
 
 
 
 
 
 
 
 
 Prior Work and 2.1 Educational Objectives of Learning Activities 2.2 Multiscale Design 2.3 Assessing Creative Visual Design 2.4 Learning Analytics and Dashboards 
 
 
 
 Research Artifact/Probe 3.1 Multiscale Design Environment 3.2 Integrating a Design Analytics Dashboard with the Multiscale Design Environment 
 
 
 
 Methodology and Context 4.1 Course Contexts 4.2 Instructor interviews 
 
 
 
 
 
 Findings 5.1 Gaining Insights and Informing Pedagogical Action 5.2 Support for Exploration, Understanding, and Validation of Analytics 5.3 Using Analytics for Assessment and Feedback 5.4 Analytics as a Potential Source of Self-Reflection for Students 
 
 
 
 
 Discussion + Implications: Contextualizing: Analytics to Support Design Education 6.1 Indexicality: Demonstrating Design Analytics by Linking to Instances 6.2 Supporting Assessment and Feedback in Design Courses through Multiscale Design Analytics 6.3 Limitations of Multiscale Design Analytics 
 
 Conclusion and References A. Intervju pitanja Istražujemo kako koristiti AI-based analitiku za potporu dizajnerskom obrazovanju. analitika na ruku mjeri multiscale dizajn, to jest, studenti koriste prostor i ljestvicu za vizualno i konceptualno organizirati svoj dizajn rad. S ciljem da se analitika razumljiva za instruktore, razvili smo istraživački artefakt integrirajući dizajn analitike ploču s dizajnerskim slučajevima, i dizajn okruženje koje studenti koriste za njihovo stvaranje. Teoriziramo o tome kako Suchmanov pojam uzajamne inteligibilnosti zahtijeva kontekstualno istraživanje AI-a kako bi se razvili zaključci o tome kako analitički rad radi za ljude. proučavali smo istraživački artefakt u 5 lokaliziranih konteksta tečaja, u 3 odjela. Ukupno 236 studenata koristilo je multiscale dizajn okruženje. Izvodimo zaključke iz kvalitativne analize razgovora s instruktorima o njihovim iskustvima. Instruktori su razmišljali o tome kako analiza i njihova prezentacija u kontrolnoj ploči imaju potencijal da utječu na obrazovanje o dizajnu. Razvijamo istraživačke implikacije koje se odnose na: (1) kako indeksiranje analize dizajna u kontrolnoj ploči na stvarne radne slučajeve dizajna pomaže instruktorima dizajna da razmišljaju o tome što oni misle i, šire, je tehnika kako AI-based analiza dizajna može podržati ocjenjivanje i povratne informacije instruktora u lokaliziranim tečajnim kontekstima; i (2) kako multiscale analiza dizajna, posebno, ima potencijal da podrži obrazovanje o dizajnu. 1 Uvod Istražujemo potporu dizajnerskom obrazovanju izravnim povezivanjem AI-based analize s slučajevima studentskog vizualnog dizajna rada, kako bi se demonstriralo što se mjeri.Naš pristup integrira analitičku kontrolnu ploču s kolaborativnim dizajnom okruženja, gdje studenti i instruktori stvaraju i komentiraju dizajnerske radne slučajeve. mjeriti kako kreativni rad, uključujući slikovite i tekstualne elemente, koristi prostor i razmjer kao načela organizacije za prezentaciju. Multiscale analiza dizajna Prema Lupfer et al., je "upotreba prostora i ljestvice za istraživanje i artikuliranje odnosa, [koji] uključuje juxtapoziciju i sintezu različitih elemenata dizajna" [51] (Vidi primjer na Slika 1.). ljestvica se odnosi na razine povećanja: elementi na istoj ljestvice su "jednačno čitljivi na istom pogledu zoom" [52]. U praksi, mi promatramo da juxtapozicija i sinteza elemenata, na ljestvicama, ima tendenciju da izgledaju kao ugrađene prostorne skupine, tj. klupe (slika 1), elemenata. Multiscale dizajn je strategija za ono što Tufte zove izbjegavanje ravnomjerja vizualizacije informacija, tj. za povećanje čitljive dimenzionalnosti i gustoće informacija na zaslonu i Multifunkcijski dizajn, U različitim kontekstima obrazovanja dizajna koje proučavamo, studenti rade na kreativnim, otvorenim projektima, gdje može postojati više pristupa rješavanju problema, tj. nema fiksnog pravog odgovora. U stvari, izvrsni odgovori karakteriziraju kreativnost, kao i vještine, primijenjene u kontekstu određenog projekta dizajna. Rad na takvim projektima poznat je kao izazov [58]. Studenti trebaju česte procjene i povratne informacije kako bi napredovali [47, 57]. Konfuzija tih potreba, u praksi, je trend rastućih zahtjeva za obrazovanjem dizajna. Veće veličine razreda suočavaju se s izazovima u pružanju pravodobne procjene i povratne informacije [47]. Prethodni rad pokazuje da korištenje AI-a može dopuniti ljudski rad pružanjem sposobnosti za obradu velikih podataka Razmislite o scenariju. Alex podučava veliki razred u kojem učenici uče kako koristiti multiscale dizajn. Dok učenici rade na projektima i stavljaju načela i vještine multiscale dizajna u praksi, ključno je pružiti im povratne informacije u ranim fazama. Međutim, zbog vremenskih ograničenja, Alex ne može stalno procjenjivati kreativni dizajn svakog učenika u detalju. Sustav temeljen na AI-u izvodi analizu koja mjeri karakteristike multiscale dizajna u kreativnim radovima, pružajući Alex uvid u to kako njihovi učenici koriste prostor i ljestvicu. Analitika izračunata za svaki projektni rad pomaže im u pružanju brzih, personaliziranih povratnih informacija pojedinačnim učenicima. Nadalje, agregirani pogledi analize – za svaki isporučiv – pomažu Alexu u prepoznavanju U zadovoljavanju potreba koje predlaže ovaj scenarij, oslanjamo se na nedavna istraživanja AI-a, koja su pokazala obećavajuće rezultate u prepoznavanju kreativnih karakteristika vizualnog dizajna, kao što su ugrađene hijerarhije u prostorno organiziranim sadržajnim elementima [40, 59]. Razlika u istraživanju koju rješavamo je nedostatak prethodnog razumijevanja o tome kako mjere koje se temelje na prepoznavanju AI-a mogu podržati procjenu instruktora i povratne informacije u obrazovanju dizajna. Uzimajući u obzir zahtjeve Suchmanove zapovijedi o uzajamnoj razumljivosti, ovdje, kako je AI prepoznavatelj shvaćen od strane ljudi koji ga koriste, sugerira provođenje takve istrage u kontekstu lokaliziranog dizajna tečaja. Kombiniranjem razumijevanja mult RQ1: Kako, ako uopće, AI-based analiza dizajna može podržati ocjenjivanje instruktora i povratne informacije iskustva u situacijama tečaja? RQ2: Koju specifičnu vrijednost AI-based multiscale dizajn analiza može pružiti dizajnerskim instruktorima u lokaliziranim kontekstima tečaja? Analiza dizajna temeljena na AI-u relativno je nova tehnologija, koja je teško istražiti, jer je provedba studija u situacijskom kontekstu tečaja zahtjevna. etika propisuje da je potrebno pružiti sve funkcionalnosti dovoljne za potporu instruktorima i studentima kako ne bismo ometali učenje [17]. Kako bi se pridonijelo novom znanju o tome kako AI-based design analytics ima potencijal biti koristan, uzimamo (RtD) [31, 84, 85] pristup. RtD je prikladan kada je cilj istražiti „što bi moglo biti“ umjesto „porazuma ili odbacivanja“ određenih tehnika. Kao što Zimmerman et al. objašnjava, fokus RtD-a je na stvaranju „ispravne stvari“, a ne na stvaranju ispravne stvari [84]. Prethodna istraživanja [63] poduzela su sličan pristup za istraživanje dizajna kako bi razvila razumijevanje korisničkih iskustava s animacijama koje objašnjavaju funkcioniranje algoritma. Istraživanje kroz dizajn Proučavali smo istraživački artefakt u 5 smještenih konteksta tečaja, u 3 odjela, kako bismo razumjeli kako multiscale design analytics i njihova prezentacija mogu podržati procjenu i povratne informacije instruktora. Ukupno 236 studenata koristilo je multiscale design okruženje. 9 instruktora koji su podučavali te studente iskusili su analizu putem nove istraživačke artefaktne ploče integrirane u dizajn okruženje. Dobivamo nalaze iz kvalitativne analize intervjua s instruktorima o njihovim iskustvima. Na temelju nalaza, dobivamo implikacije za stvaranje AI-based analytics korisne u dizajnu i obrazovanju. Završavamo ponavljanjem doprinosa trenutačnog istraživanja i potencijalnih širokih utjecaja. 
 
 Ovaj dokument je dostupan na arhivu pod licencom CC by 4.0 Deed (Attribution 4.0 International). Ovaj papir je Licencija je CC by 4.0 Deed (Attribution 4.0 International). Dostupno u Arhivu Dostupno u Arhivu

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Dash

dashboard

Microsoft

Instancing.TECH

Pioneering instance management, driving innovative solutions for efficient resource utilization, and enabling a more sus

Instancing's blog

Ovaj zvuk je proizveden na izvornom jeziku priče!

AI analiza čini se da poboljšava način na koji nastavnici procjenjuju projekte dizajna studenata, studija nalazi

About Author

KOMENTARI

VIJESI OZNAKE

OVAJ ČLANAK JE PREDSTAVLJEN U

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps