
 
 
 
 
 
 
 
 
 
 
 
 
 
 Penulis : (1) Ajit Jain, Texas A&M University, Amerika Syarikat; Kemasukan semasa: Audigent; (2) Andruid Kerne, Texas A&M University, Amerika Syarikat; Kemasukan semasa: University of Illinois Chicago; (3) Nic Lupfer, Texas A&M University, Amerika Syarikat; Pengkhususan semasa: Mapware; (4) Gabriel Britain, Texas A&M University, Amerika Syarikat; Afiliasi semasa: Microsoft; (5) Aaron Perrine, Texas A&M University, Amerika Syarikat; (6) Yoonsuck Choe, Texas A&M University, Amerika Syarikat; John Keyser, Texas A&M University, Amerika Syarikat (8) Ruihong Huang, Texas A&M University, Amerika Syarikat; (9) Jinsil Seo, Texas A&M University, Amerika Syarikat; (10) Annie Sungkajun, Universiti Negeri Illinois, Amerika Syarikat; (11) Robert Lightfoot, Texas A&M University, Amerika Syarikat; (12) Timothy McGuire, Texas A&M University, Amerika Syarikat. Authors: (1) Ajit Jain, Texas A&M University, Amerika Syarikat; Kemasukan semasa: Audigent; (2) Andruid Kerne, Texas A&M University, Amerika Syarikat; Kemasukan semasa: University of Illinois Chicago; (3) Nic Lupfer, Texas A&M University, Amerika Syarikat; Pengkhususan semasa: Mapware; (4) Gabriel Britain, Texas A&M University, Amerika Syarikat; Afiliasi semasa: Microsoft; (5) Aaron Perrine, Texas A&M University, Amerika Syarikat; (6) Yoonsuck Choe, Texas A&M University, Amerika Syarikat; John Keyser, Texas A&M University, Amerika Syarikat (8) Ruihong Huang, Texas A&M University, Amerika Syarikat; (9) Jinsil Seo, Texas A&M University, Amerika Syarikat; (10) Annie Sungkajun, Universiti Negeri Illinois, Amerika Syarikat; (11) Robert Lightfoot, Texas A&M University, Amerika Syarikat; (12) Timothy McGuire, Texas A&M University, Amerika Syarikat. Jadual kiri Abstrak dan pengenalan 1. 
 
 
 
 
 
 
 
 
 
 
 
 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. Soalan wawancara Kami menyiasat bagaimana untuk menggunakan analisis berasaskan AI untuk menyokong pendidikan reka bentuk. Analisis di tangan mengukur reka bentuk pelbagai skala, iaitu, pelajar menggunakan ruang dan skala untuk mengatur kerja reka bentuk mereka secara visual dan konseptual. Dengan matlamat untuk membuat analisis mudah difahami untuk instruktur, kami telah membangunkan artefak penyelidikan yang mengintegrasikan dashboard analisis reka bentuk dengan instansi reka bentuk, dan persekitaran reka bentuk yang digunakan oleh pelajar untuk mencipta mereka. Kami berteori tentang bagaimana konsep Suchman yang saling memahami memerlukan penyelidikan konteks AI untuk membangunkan temuan tentang bagaimana analisis berfungsi untuk orang.Kami mempelajari artifak penyelidikan dalam 5 konteks kursus yang terletak, dalam 3 jabatan.Jumlah 236 pelajar menggunakan persekitaran reka bentuk pelbagai skala. 9 instruktur yang mengajar pelajar-pelajar itu mengalami analisis melalui artifak penyelidikan baru. Kami mengambil kesimpulan daripada analisis kualitatif wawancara dengan instruktur mengenai pengalaman mereka. instruktur mencerminkan bagaimana analisis dan persembahan mereka dalam dashboard mempunyai potensi untuk menjejaskan pendidikan reka bentuk. kami membangunkan implikasi penyelidikan yang menangani: (1) bagaimana mengindeksan analisis reka bentuk dalam dashboard kepada instansi kerja reka bentuk sebenar membantu instruktur reka bentuk memikirkan apa yang mereka maksudkan dan, lebih luas lagi, merupakan teknik untuk bagaimana analisis reka bentuk berasaskan AI boleh menyokong pengalaman penilaian dan maklum balas instruktur dalam konteks kursus yang terletak; dan (2) bagaimana analisis reka bentuk pelbagai skala, khususnya, mempunyai potensi untuk menyokong pendidikan reka bentuk. 1 Pengenalan Kami menyiasat sokongan pendidikan reka bentuk dengan mengaitkan secara langsung analisis berasaskan AI dengan contoh-contoh kerja reka bentuk visual pelajar, untuk menunjukkan apa yang diukur. pendekatan kami mengintegrasikan dashboard analisis dengan persekitaran reka bentuk kerjasama, di mana pelajar dan instruktur mencipta dan mengomentari contoh kerja reka bentuk. analisis di tangan, analisis reka bentuk pelbagai skala, telah diperkenalkan oleh Jain et al [40]. mengukur bagaimana kerja kreatif, yang melibatkan unsur-unsur lukisan dan teks, menggunakan ruang dan skala sebagai prinsip organisasi untuk persembahan. Analisis Reka Bentuk Multiscale menurut Lupfer et al., adalah "penggunaan ruang dan skala untuk meneroka dan mengartikulasikan hubungan, [yang] melibatkan juxtaposition dan sintesis unsur-unsur reka bentuk yang berbeza" [51] (Lihat contoh dalam Gambar 1.). Skala merujuk kepada tahap-tahap pembesaran: unsur-unsur pada skala yang sama adalah "secara serupa boleh dibaca pada zoom viewport yang sama" [52]. Dalam amalan, kita mengamati bahawa juxtaposition dan sintesis unsur-unsur, di antara skala-skala, cenderung kelihatan seperti kumpulan-kumpulan ruang, iaitu, kumpulan-kumpulan (Gambar 1), unsur-unsur. Reka bentuk multiscale adalah satu strategi untuk apa yang dipanggil Tufte melarikan diri daripada dataran datar maklumat yang membayangkan, iaitu, untuk meningkatkan dimensi yang boleh dibaca Reka bentuk pelbagai skala, Dalam konteks pendidikan reka bentuk yang pelbagai yang kami kaji, pelajar bekerja pada projek-projek kreatif, terbuka, di mana terdapat pelbagai pendekatan untuk menyelesaikan masalah, iaitu, tidak ada jawapan yang betul yang tetap. Sebenarnya, jawapan yang cemerlang dicirikan oleh kreativiti, serta kemahiran, yang digunakan dalam konteks masalah projek reka bentuk tertentu. Bekerja pada projek-projek sedemikian dikenali sebagai mencabar [58]. Pelajar memerlukan penilaian yang kerap dan maklum balas untuk membuat kemajuan [47, 57]. Mengganggu keperluan ini, dalam amalan, adalah trend permintaan pendidikan reka bentuk yang semakin meningkat. Saiz kelas yang lebih besar menghadapi instruktur dengan cabaran dalam menyediakan penilaian dan maklum balas pada masanya [47]. Kerja awal menunjukkan bahawa penggunaan AI boleh melengkapi kerja manusia dengan menyediakan keupayaan untuk memproses data besar pada kelajuan [45]. Oleh itu, penyelidikan Pertimbangkan senario. Alex mengajar kelas besar di mana pelajar belajar untuk menggunakan reka bentuk pelbagai skala. Semasa pelajar bekerja pada projek dan meletakkan prinsip-prinsip reka bentuk pelbagai skala dan kemahiran ke dalam amalan, ia adalah penting untuk menyediakan mereka dengan maklum balas pada peringkat awal. Walau bagaimanapun, disebabkan keterbatasan masa, Alex tidak dapat terus menilai kerja reka bentuk kreatif setiap pelajar secara terperinci. Sistem berasaskan AI menghasilkan analisis yang mengukur ciri-ciri reka bentuk pelbagai skala dalam kerja kreatif, menyediakan Alex dengan wawasan tentang bagaimana pelajar mereka menggunakan ruang dan skala. Analisis yang dikira untuk setiap kerja reka bentuk membantu mereka dalam memberikan umpan balik yang cepat dan dipersonalisasi kepada pelajar individu. Selanjutnya, agregat pandangan analisis - untuk setiap boleh disampaikan - membantu Alex dalam mengenal pasti masalah yang kerap dihadapi oleh pelajar dalam kursus. Berdasarkan itu, Dalam memenuhi keperluan yang dinyatakan oleh senario ini, kami mengacu kepada penyelidikan AI baru-baru ini, yang telah menunjukkan hasil yang menjanjikan dalam pengiktirafan ciri-ciri reka bentuk visual kreatif, seperti hierarki yang tertanam dalam unsur-unsur kandungan yang dianjurkan secara spasial [40, 59]. Jarak penyelidikan yang kami menangani ialah kurangnya pemahaman terlebih dahulu tentang bagaimana langkah-langkah berasaskan pengiktirafan AI boleh menyokong penilaian instruktur dan pengalaman maklum balas dalam pendidikan reka bentuk. Memandangkan tuntutan peraturan Suchman tentang pemahaman bersama, di sini, bagaimana pengiktirafan AI dipahami oleh orang yang menggunakannya, mencadangkan menjalankan penyelidikan sedemikian dalam konteks kursus reka bentuk yang terletak. Dengan menggabungkan pemahaman reka bentuk pelbagai skala dengan teknik pengiktirafan AI, kami Q1: Bagaimana, jika ada, analisis reka bentuk berasaskan AI boleh menyokong penilaian instruktur dan pengalaman maklum balas dalam konteks kursus yang terletak? RQ2: Apakah nilai tertentu yang boleh analisis reka bentuk multiscale berasaskan AI memberikan kepada instruktur reka bentuk dalam konteks kursus yang terletak? Analisis reka bentuk berasaskan AI adalah teknologi yang agak baru, yang sukar untuk disiasat, kerana menjalankan kajian dalam konteks kursus yang terletak adalah menuntut. etika menetapkan bahawa ia adalah perlu untuk menyediakan semua fungsi yang mencukupi untuk menyokong instruktur dan pelajar supaya kita tidak menghalang pembelajaran [17]. Untuk menyumbang pengetahuan baru tentang bagaimana analisis reka bentuk berasaskan AI mempunyai potensi untuk berguna, kami mengambil (RtD) pendekatan [31, 84, 85] RtD adalah sesuai apabila matlamat adalah untuk meneroka "apa yang mungkin" bukannya "perbandingan atau penolakan" teknik tertentu. Seperti Zimmerman et al. menerangkan, tumpuan RtD adalah untuk membuat "sesuatu yang betul", bukannya membuat perkara yang betul [84]. Penyelidikan terdahulu [63] mengambil pendekatan penyelidikan reka bentuk yang serupa untuk membangunkan pemahaman pengalaman pengguna dengan animasi yang menerangkan kerja algoritma. Penyelidikan semasa mengambil pendekatan RtD etika dengan membangunkan 'artifak penyelidikan' yang sangat berfungsi yang sesuai untuk digunakan dalam konteks kursus dunia sebenar. Penyelidikan melalui reka bentuk Kami mengkaji artifak penyelidikan dalam 5 konteks kursus yang terletak, dalam 3 jabatan, untuk memahami bagaimana analisis reka bentuk pelbagai skala dan persembahan mereka boleh menyokong penilaian dan maklum balas instruktur. Sebanyak 236 pelajar menggunakan persekitaran reka bentuk pelbagai skala. 9 instruktur yang mengajar pelajar-pelajar itu mengalami analisis melalui papan panduan artifak penyelidikan baru yang disepadukan dengan persekitaran reka bentuk. Kami mengambil kesimpulan daripada analisis kualitatif wawancara dengan instruktur mengenai pengalaman mereka. Berdasarkan kesimpulan, kami mendapat implikasi untuk membuat analisis berasaskan AI berguna dalam reka bentuk dan pendidikan. Kami menyimpulkan dengan mengulangi sumbangan penyelidikan semasa dan kesan luas yang berpotensi. 
 
 Dokumen ini boleh didapati di archiv di bawah lesen CC by 4.0 Deed (Attribution 4.0 International). Dokumen ini ialah di bawah lesen CC by 4.0 Deed (Attribution 4.0 International). available on arxiv Tersedia dalam Archive

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

Audio ini dihasilkan dalam bahasa asal cerita!

Analisis AI tampaknya meningkatkan cara guru menilai projek reka bentuk pelajar, kajian mendapati

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps