Csányi Róbert

Egyes szakmák digitális tananyagfejlesztése,
struktúraváltást támogató informatikai képzések

A GINOP-6.2.8-VEKOP-20-2020-00001 azonosító számú, „Egyes szakmák digitális tananyagfejlesztése struktúraváltást támogató informatikai képzések” megnevezésű projektet a Nemzeti Szakképzési és Felnőttképzési Hivatal és az IKK Innovatív Képzéstámogató Központ Zrt. valósítja meg.

A projekthez kapcsolódóan megvalósult Újratervezés 3.0 Program során alapvető digitális készségeket sajátíthattak el a részvevők, illetve egy weboldal megalkotásán keresztül betekintést kaphattak a programozás alapjaiba is. Az online program elvégzésére a regisztrációt követően négy hét állt a résztvevők rendelkezésére. A négyhetes időtartam lehetőséget nyújtott arra, hogy a kurzus munka mellett, akár csak hétvégenként is elvégezhető legyen.

A kurzus 14 modulból épül fel, az egyes modulok videós tananyagokból, valamint az ezek alapján megoldandó tesztekből, feladatokból álltak. Az egyes modulok logikailag egymásra épültek, ugyanakkor egy adott modul elvégzése nem volt feltétele egy következő modul elvégzésének. Ennek következtében, ha egy résztvevő előzetesen már rendelkezett informatikai ismeretekkel, lehetősége volt bizonyos tananyagrészek átugrására. A kurzus záróvizsgával zárult, amelynek sikeres teljesítése után a résztvevőknek lehetőségük nyílt egy támogatott, államilag elismert végzettséget nyújtó IT-képzésen való részvételre.

A kurzus 2022. május–június hónapokban valósult meg. A kurzusra 9984 fő regisztrált, de a kurzus megvalósítására szolgáló NEXIUS Learning keretrendszerbe már csak 8479 fő jelentkezett be és közülük 7760 fő kezdte meg a tananyagok feldolgozását. A résztvevők személyes adatait a felnőttképzésről szóló 2013. évi LXXVII. törvény előírásai alapján kezeltük, és kizárólag azokat az adatokat kértük be tőlük, amelyekre a törvény felhatalmazást ad. A kurzusra történő jelentkezéskor a résztvevők belegyeztek abba, hogy anonimizált adataik kutatási célból felhasználhatók. Az elemzésekbe ezen kívül azokat a kontextuális adatokat vontuk be, amelyekre az oktatási keretrendszer lehetőséget nyújtott.

A kurzusra jelentkezők közül a legfiatalabb résztvevő 18, míg a legidősebb 79 éves volt, az átlagéletkor 38,1 év. Az életkori eloszlásnak két maximuma figyelhető meg, egyrészt 30 év, másrészt 45 év környékén. A maximumok egybeesnek Magyarország korfáján a két legnépesebb munkaképes korú korosztállyal [1].

A résztvevők életkor szerinti eloszlása

A résztvevők többségének a legmagasabb iskolai végzettsége középfokú vagy felsőfokú volt. A résztvevők között nem volt ISCED 1 végzettségű, 1,6%-uk általános iskolai végzettségű (ISCED 2) volt, 35,7% középfokú végzettségű (ISCED 3), 8,9% technikumot (ISCED 4) végzett. 16,3%-uk legmagasabb iskolai végzettsége felsőoktatási szakképzés (ISCED 5) volt, míg 37,6%-nak volt felsőfokú végzettsége (ISCED 6–8).

A résztvevők döntő többsége alapfokú (37,2%) vagy középfokú (42,9%) angol nyelvtudással rendelkezett. Az angol nyelvtudás nélküliek (6,3%) és a felsőfokú nyelvtudással rendelkezők (13,6%) jelentősen kisebb arányban voltak. Az angol nyelvtudásnak a kurzus szempontjából azért van jelentősége, mivel az informatika nyelve az angol, így feltételezésünk szerint a biztos angol nyelvismerettel rendelkezők könnyebben értik meg a tananyagot.

A résztvevők földrajzi eloszlását lakóhelyük, illetve tartózkodási helyük alapján elemeztük. Amelyik résztvevő kizárólag lakóhelyet adott meg, annál azt az adatot vettük figyelembe, aki lakóhelyet és tartózkodási helyet is, annál az utóbbi került bele az elemzésekbe. A résztvevők közel fele (49,5%) Budapesten vagy Pest megyében lakik, ami lényegesen nagyobb arány a két megyének az országhoz viszonyított 31,3%-os lakosságarányánál [2]. A kurzus résztvevői 1039 településen élnek. A legtöbb résztvevő budapesti volt (2519 fő), majd létszámban néhány megyeszékhely és Budapest agglomerációs települései következtek.

Közülük a legnagyobb résztvevői létszám is egy nagyságrenddel kisebb volt a budapestinél (Szeged, 216 fő). Résztvevői létszám tekintetében a másik végletet azon települések adják, ahonnan csak egy résztvevő volt (471 település). Ezek között számos kistelepülés van, amelyek sokszor csak néhány száz fős lakossággal rendelkeznek.

A résztvevők megyei szintű eloszlása (a százalékos értékek a résztvevők megyei arányát jelölik)

A résztvevők települési szintű eloszlása

A kurzust 7760 fő kezdte el, sikeres vizsgát pedig 2143 résztvevő tett, ami 72,38%-os lemorzsolódási arányt jelent. A lemorzsolódási arány lényegesen alacsonyabbnak bizonyult, mint a hasonló online kurzusokra vonatkozó, szakirodalmi adatok alapján nemzetközi szinten tapasztalható 90% körüli érték [3]. Feltételezésünk szerint ennek egyik oka, hogy a sikeres vizsgázóknak lehetőségük volt a 100%-os támogatással megvalósuló, államilag elismert végzettséget adó informatikai képzésekre pályázni.

Megvizsgáltuk, hogy mekkora azon résztvevők aránya, akik a kurzus adott modulját teljesítették. A kezdeti 100%-ról az 1. modul végére 84%-ra csökken. A csökkenés a kurzus első felében erőteljes, több esetben 15–20 százalékpont körüli az egyes modulok között. A kurzus második felében a csökkenés azonban lelassul, nem haladja meg a 1,5 százalékpontot az egyes modulok között, és a 14. modul után 39% körüli értéket vesz fel. A résztvevők megtartására emiatt a kurzus első felében kell nagyobb figyelmet fordítani. Ekkor érdemes célzott üzenetekkel megkeresni a nem megfelelő aktivitású résztvevőket, hogy csökkenteni lehessen a kurzusról való lemorzsolódást.

Az előrehaladás arányának változása az egyes modulok során

Többváltozós regresszióanalízist végeztünk annak érdekében, hogy megállapítsuk, az egyes változók milyen mértékben jelzik előre a kurzus záróvizsgáján elért teljesítményt. A független változók a kurzus záróvizsgáján elért teljesítmény varianciájának közel 88%-át magyarázzák (R² = 87,74%, p < 0,001). Legnagyobb mértékben a tananyagban történő előrehaladás (84,90%) jelzi előre a kurzus záróvizsgáján elért teljesítményt. Ehhez képest nagyságrenddel kisebb mértékben bír előrejelző erővel a tananyagban töltött idő (2,72%). Elhanyagolható az életkor (0,05%) és az angol nyelvtudás (0,10%) szerepe, míg az iskolai végzettség szerepe nem szignifikáns. A technológia alapú oktatás terjedésével párhuzamosan fontos cél az online környezetben való tanulás minél jobb megértése, a hasonló tulajdonságokkal rendelkező tanulók csoportjainak azonosítása. Ehhez leggyakrabban azt elemzik, hogy a résztvevők hogyan használják a kurzus keretein belül elérhető különböző eszközöket és forrásokat. A tanulói csoportok azonosítására látens csoport elemzést (Latent Class Analysis, LCA) használtunk, ami egy olyan statisztikai alapokon nyugvó klaszterelemzési technika, amelyet gyakran használnak az emberi viselkedésminták profilozására és megértésére. Az elemzés eredményeként kilenc, egymástól különböző látens csoportot (LC) kaptunk.

A látens csoportok alakulása[1]

A látens csoportokat két nagyobb kategóriába sorolhatjuk aszerint, hogy vizsgateljesítményük arányos volt-e a befektetett erőfeszítéssel (tananyaggal töltött idő és előrehaladás). Az LC3, LC4, LC5, LC6 és LC7 csoportoknál a vizsgateljesítmény arányos a befektetett erőfeszítéssel. A résztvevők közel négyötöde ezekbe a látens csoportokba tartozik (79,6%). Az ide tartozó résztvevőkre az jellemző, hogy akik több időt töltöttek a tananyaggal és nagyobb mértékű volt az előrehaladásuk benne, azok jobb eredményt értek el. Az ezeket a csoportokat jellemző görbék egymással nagyjából párhuzamosan, közel vízszintesen futnak. Az LC1, LC2, LC8 és LC9 csoportoknál a vizsgateljesítmény nem volt arányos a tananyaggal töltött idővel és/vagy a tananyagban való előrehaladással. Az ezeket a csoportokat jellemző görbék egymással nem párhuzamosak, és nem is vízszintesen futnak.

A látens profil elemzés jelentősége, hogy ez alapján azonosíthatjuk a résztvevők hasonló tulajdonságokkal rendelkező csoportjait, ami megalapozhatja a személyre szabott oktatás lehetőségét.

Források

[1]: https://www.ksh.hu/interaktiv/korfak/orszag.html

[2]: https://www.ksh.hu/stadat_files/nep/hu/nep0034.html

[3]: Morris, L. V. (2013). MOOCs, Emerging Technologies, and Quality. Innovative Higher Education, 38(4), 251–252. https://doi.org/10.1007/s10755-013-9263-2

[1] Jelmagyarázat:
LC1: alacsony aktivitás magas teljesítménnyel;
LC2: közepes idő, magas előrehaladás, közepes pontszám;
LC3: legalacsonyabb aktivitás arányos teljesítménnyel;
LC4: legmagasabb aktivitás arányos teljesítménnyel;
LC5: magas aktivitás arányos teljesítménnyel;
LC6: alacsony aktivitás arányos teljesítménnyel;
LC7: közepes aktivitás arányos teljesítménnyel;
LC8: közepes idő, magas előrehaladás, magas pontszám;
LC9: nagyon sok idő, magas előrehaladás, magas pontszám