Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
UNIVERZA V MARIBORU
FAKULTETA ZA LOGISTIKO
Sabrina Trafela
BLEND.FL NA FAKULTETI ZA
LOGISTIKO
diplomsko delo
Celje, september 2010
UNIVERZA V MARIBORU
FAKULTETA ZA LOGISTIKO
Sabrina Trafela
BLEND.FL NA FAKULTETI ZA
LOGISTIKO
diplomsko delo
Mentor:
dr. Tomaţ Kramberger
Celje, september 2010
IZJAVA O AVTORSTVU diplomskega dela
Spodaj podpisana ____________________________________________________,
študentka _______________________________________________________
(študija), z vpisno številko _____________________________________, sem avtorica
diplomskega dela z naslovom:
______________________________________________________________________
______________________________________________________________________.
S svojim podpisom zagotavljam, da:
• je predloţeno delo rezultat izključno mojega lastnega raziskovalnega dela;
• sem poskrbel/a, da so dela in mnenja drugih avtorjev oz. avtoric, ki jih uporabljam v
diplomskem delu, navedena oz. citirana v skladu s navodili Fakultete za logistiko
Univerze v Mariboru;
• sem poskrbel/a, da so vsa dela in mnenja drugih avtorjev oz. avtoric navedena v
seznamu virov, ki je sestavni del diplomskega dela in je zapisan v skladu s navodili
Fakultete za logistiko Univerze v Mariboru;
• sem pridobil/a vsa dovoljenja za uporabo avtorskih del, ki so v celoti prenesena v
diplomsko delo in sem to tudi jasno zapisal/a v diplomskem delu;
• se zavedam, da je plagiatorstvo – predstavljanje tujih del, bodisi v obliki citata
bodisi v obliki skoraj dobesednega parafraziranja bodisi v grafični obliki, s katerim
so tuje misli oz. ideje predstavljene kot moje lastne – kaznivo po zakonu (Zakon o
avtorskih in sorodnih pravicah, Uradni list RS št. 21/95), prekršek pa podleţe tudi
ukrepom Fakultete za logistiko Univerze v Mariboru v skladu z njenimi pravili;
• se zavedam posledic, ki jih dokazano plagiatorstvo lahko predstavlja za predloţeno
delo in za moj status na Fakulteti za logistiko Univerze v Mariboru;
• je diplomsko delo jezikovno korektno in da je delo lektorirala Ksenija Pečnik, prof.
slovenščine.
V Celju, dne _____________ Podpis avtorice:__________________
ZAHVALA
Diplomsko delo je plod skoraj enoletnega raziskovanja in dela na področju e-študija.
Zahvaljujem se vsem zaposlenim v Centru za e-študij in aplikativno računalništvo ter
referatu, ki so mi pomagali z informacijami ter mentorju, dr. Tomažu Krambergerju in
izr. prof. dr. Maji Fošner, ki sta me usmerjala in mi pomagala pri reševanju
matematičnih problemov.
BLEND.FL NA FAKULTETI ZA LOGISTIKO
Vseţivljensko učenje je sodoben trend, ki se je v različnih oblikah poskušal uveljaviti ţe
v zadnjih dvesto letih. Učni proces na FL UM poteka kot kombinacija avditornih vaj in
predavanj ter študija s pomočjo tehnologije preko virtualne fakultete. Le-ta nudi
študentu vse potrebne informacije za uspešen študij. Drugi del t.i. virtualnega učnega
procesa so e-gradiva, ki so objavljena na spletu, dostop do njih pa imajo študentje FL z
vpisom v portal s svojim uporabniškim imenom in geslom.
V praktičnem delu naloge smo potrdili, da je sprotno delo študentov z e-gradivi nujen
pogoj za njihovo uspešnost pri opravljanju predpisanih izpitnih obveznosti. Pripravili
smo model, ki nam omogoča ločiti uspešne študente od neuspešnih na osnovi njihovega
samostojnega dela v spletni učilnici. Model najprej napove višino končne ocene pri
predmetu KML na osnovi povprečne ocene opravljenih kvizov. Na osnovi napovedi pa
le-te klasificira v pozitivni in negativni razred. Model je zgrajen s konzervativnim
pristopom, saj nobenega primera ne napove preoptimistično, to je v nobenem primeru
negativne ocene, le-te ne napove kot pozitivno vrednost. Točnost klasifikacije je zelo
visoka, saj napačno razvrsti manj kot 10% primerov.
Ključne besede: napovedni model, linearna regresija, hibridno učenje
BLEND.FL AT FACULTY OF LOGISTICS
Lifelong learning is a modern trend, which was held in various forms in last two
hundred years. Learning process at FL UM is a combination of traditional learning
process, combined with e-learning system. In this way, student can get all necessary
data. The other part of FL UM learning process is a web page with e-materials, which
are placed online for the students and they can reach them with their username and a
password.
In the practical part we have confirmed that the ongoing work of students with e-
materials is a necessary condition for their success in carrying out the prescribed exams.
We have created a model that allows us to separate the successful from the unsuccessful
students based on their individual work in the online classroom. The model first predicts
the amount of the final evaluation at the course KML on the average estimate of
quizzes. Based on the projections they classify the positive and negative class. The
model is built with the conservative approach, because does not predict any case too
optimistic, this means in any case of a negative assessment, they do not predict a
positive value. Classification accuracy is very high, because it classifies wrong only
10% of the cases.
Keywords: prediction models, linear regression, hybrid learning
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko V
KAZALO VSEBINE
UVOD ......................................................................................................................................................... 1
OPIS PROBLEMA ....................................................................................................................................... 1 CILJ IN POT REŠEVANJA PROBLEMA.......................................................................................................... 1 PREDPOSTAVKE IN OMEJITVE ................................................................................................................... 2 METODE DELA ......................................................................................................................................... 2
1 KOMBINACIJA TRADICIONALNEGA IN E-ŠTUDIJA ................................................................. 3
1.1 UČENJE NA DALJAVO ......................................................................................................................... 5 1.2 MODEL HIBRIDNEGA IZOBRAŢEVANJA (ANG. BLENDED LEARNING) ................................................. 10 1.3 IMPLEMENTACIJA HIBRIDNEGA UČENJA ........................................................................................... 12
2 ŠTUDIJ NA FAKULTETI ZA LOGISTIKO..................................................................................... 15
2.1 PREDSTAVITEV USTANOVE ............................................................................................................... 15 2.2 BLEND.FL ........................................................................................................................................ 16 2.3 TEORETIČNE OSNOVE V PRAKSI ........................................................................................................ 18
2.3.1 Didaktične osnove, ki jim sledi FL .......................................................................................... 18 2.3.2 IKT pismenost na FL ............................................................................................................... 19 2.3.3 Prednosti in slabosti hibridnega učenja Blend.FL .................................................................. 19 2.3.4 Finančni vidik .......................................................................................................................... 21 2.3.5 Model samoizbire v hibridnem modelu na FL ........................................................................ 22
2.4 PROBLEMI, KI SE POJAVLJAJO ........................................................................................................... 23 2.5 REŠITVI NAPROTI ............................................................................................................................. 23
3 OSNOVE STATISTIKE, UPORABLJENE V DIPLOMSKEM DELU .......................................... 32
3.1 PRIPRAVA PODATKOV ...................................................................................................................... 32 3.2 KORELACIJA .................................................................................................................................... 33 3.3 REGRESIJA ....................................................................................................................................... 37
4 STATISTIČNA ANALIZA .................................................................................................................. 41
4.1 KAJ ŢELIMO DOKAZATI? .................................................................................................................. 41 4.2 PROGRAM MICROSOFT OFFICE EXCEL ............................................................................................. 41 4.3 VIRI IN PRIPRAVA PODATKOV ........................................................................................................... 42 4.4 REZULTATI ....................................................................................................................................... 44 4.5 KOMENTAR ...................................................................................................................................... 52
5 PREDLAGANE REŠITVE PROBLEMA .......................................................................................... 54
ZAKLJUČEK .......................................................................................................................................... 60
LITERATURA IN VIRI ......................................................................................................................... 62
KAZALO SLIK
Slika 1: Moţnosti, ki jih nudi e-izobraţevanje ................................................................. 7 Slika 2: Shema hibridnega učenja ................................................................................... 13 Slika 3: Animirane naloge v e-učilnici ........................................................................... 26 Slika 4: Profil Cindy v e-učilnici .................................................................................... 28
Slika 5: Tabela za določitev povezanosti pri izračunu korelacij .................................... 35
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko VI
KAZALO TABEL
Tabela 1: SWOT analiza e-študija .................................................................................... 8 Tabela 2: Predmeti v 1. letniku Visokošolskega strokovnega študijskega programa
Gospodarska in tehniška logistika .................................................................................. 17 Tabela 3: Število študentov po generacijah .................................................................... 20 Tabela 4: Prehodnost študentov po letnikih .................................................................... 20 Tabela 5: Podatki za primer 1 ......................................................................................... 36 Tabela 6: Funkcije, ki smo jih v Excell-u uporabili za naše izračune ............................ 41
Tabela 7: Seta podatkov za statistično analizo ............................................................... 43 Tabela 8: Zbirnik podatkov uporabljenih setov v nalogi ................................................ 45 Tabela 9: Soodvisnosti med preučevanima atributoma za redno vpisane študente ........ 46 Tabela 10: Soodvisnosti med preučevanima atributoma pri izrednih študentih ............. 47
Tabela 11: Podatki, ki smo jih uporabili v regresijski analizi ........................................ 48 Tabela 12: Rezultati modela uspešnosti študentov pri opravljanju izpita KML ............. 50 Tabela 13: Rezultat napovedi in klasifikacije primerov ................................................. 51 Tabela 14: Soodvisnosti med preučevanima atributoma za redno vpisane študente ...... 55
Tabela 15: Regresijski model za napovedovanje končne ocene pri predmetu KML ..... 56 Tabela 16: Rezultati napovedi in klasifikacije primerov ................................................ 57
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko VII
SEZNAM KRATIC
FL – Fakulteta za logistiko
UM – Univerza v Mariboru
UMML – Uporaba matematičnih metod v logistiki (I in II)
SML – Statistične metode v logistiki
ELP – Elektronsko poslovanje
AS – ActionScript
IKT – Informacijsko komunikacijska tehnologija
www – Svetovni splet (ang. World Wide Web)
CES – Center za e-študij in aplikativno računalništvo
CIS – Center za informacijski sistem
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 1
UVOD
Opis problema
Študij na Fakulteti za logistiko Univerze v Mariboru (nadalje FL) poteka kot zmes
tradicionalnega načina študija in študija s pomočjo tehnologije. Tak način študija se v
strokovni literaturi opredeljuje kot hibridno učenje (ang. blended learning). (“Blended
Learning” [Wikipedia], b. d.).
Takšen način študija ima prednosti in slabosti. Nekatere je mogoče zaobiti, druge ne. V
diplomski nalogi bomo raziskali strokovno ter znanstveno literaturo in ugotovili, kako
drugi avtorji opredeljujejo blended learning, ga primerjali z našo virtualno fakulteto ter
predlagali moţne izboljšave v njej. Izvedli bomo pilotni projekt in sicer pri predmetu
kvantitativne metode v logistiki (1. letnik visokošolskega programa Gospodarska in
tehniška logistika).
Pri takem načinu študija je glavni problem motivacija študentov, ki vpliva tako na delo
študenta, kot tudi učitelja. Poiskali bomo moţne vzroke za pomanjkanje motivacije za
samostojno delo, jih raziskali ter definirali, kako bi lahko prilagodili obstoječi študijski
sistem, da bi bili študentje bolj motivirani in delo opravljali samostojno. S tem bo
kakovost dobljenega znanja boljša, hkrati pa bodo učitelji svoje delo laţje opravljali.
Cilj in pot reševanja problema
Cilj naše diplomske naloge bo teoretična in praktična obravnava hibridnega učenja,
identifikacija problema in iskanje moţnih rešitev.
V ta namen bomo dokazovali naslednje teze:
če študentom pokaţemo uporabno vrednost študijske snovi, bodo le-to sprejeli z
odobravanjem in zanimanjem (motivacija);
če študente usmerimo, kako naj delajo in jim postavimo časovne omejitve, bodo
obveznosti opravili laţje, hkrati pa bo se bodo sproti pripravljali na zaključni izpit;
študentje, ki ne opravljajo redno svojih obveznosti, imajo teţave pri opravljanju
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 2
zaključnega izpita.
Predpostavke in omejitve
Predpostavljamo, da študentje izhajajo iz različnih šol z različnim predznanjem in
delovnimi navadami. Ravno tako ne moremo vedeti, kakšna je računalniška pismenost
študentov, lahko pa jih motiviramo k učenju in delu.
Podajanje snovi študentov je odvisno od posameznega profesorja/asistenta, zato lahko le
ponudimo idejo, ne moremo pa jim vsiliti načina poučevanja.
V sklopu pilotnega projekta je glavna omejitev časovni okvir, saj je ta pristop
uporabljen prvič (študijsko leto 2009/2010) in podatkov ne moremo primerjati s
preteklimi leti.
Metode dela
Diplomsko delo je individualno praktično raziskovalno delo študenta, kar pomeni, da
bomo morali del diplomske naloge utemeljiti s teoretičnimi viri, za kar bomo uporabilo
meta-analizo. Za praktični del diplomske naloge bomo uvedli pilotni projekt, s katerim
bomo dokazovali postavljene teze. Na koncu bo sledila še statistična analiza dobljenih
podatkov s programom Microsoft Excel.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 3
1 KOMBINACIJA TRADICIONALNEGA IN E-ŠTUDIJA
V modelu tradicionalnega učenja je učitelj avtoriteta, ki vodi študenta skozi učni proces,
mu pri tem pomaga in upravlja s celotnim procesom učenja. V sedanjem času pa se
vedno bolj uporablja model hibridnega učenja, kjer je vpliv pedagoškega delavca
manjši, hkrati pa to od udeleţencev zahteva veliko mero samostojnega dela in
samodiscipline. S stališča tradicionalnega modela učenja bi naj predavanja vzpodbujala
študente k študiju, a se je potrebno zavedati, da je tudi študijski proces invididualna
zadeva, ki poteka pri vsakem posamezniku drugače.
Didaktika je veda, ki obravnava vsebino, metode in organizacijo učnega procesa
(“Didactic method” [Wikipedia], b. d.)., je skozi čas razvila mnogo metod podajanja
snovi, pri tem pa je glavni cilj le-teh uspešen študij oziroma učenje. Pri novih metodah
podajanja snovi in vse večjega vpliva elektronskega izobraţevanja oziroma e-študija bi
bilo smiselno povezati didaktiko z blended učenjem.
Knowles vidi načela sodobne didaktike v osmišljenosti izobraţevanja, ki poteka po
načelih prijateljske, prijetne študijske klime, na primernem študijskem nivoju za
posameznika. Posamezni udeleţenci pri tem sodelujejo in prevzemajo odgovornost za
svoje delo. Pedagoški delavec s svojim lastnim pozitivnim pristopom spodbuja in
motivira udeleţence izobraţevanja. Tempo učenja je prilagojen učni skupini, vsak
udeleţenec pa sledi tudi lastnemu tempu glede na svoje potrebe in sposobnosti in skupaj
s pedagoškim delavcem spremlja svoj napredek. Ta načela lahko poveţemo tudi s
hibridnim učenjem, saj govorijo o raznovrstnosti, prilagodljivosti in spremljanju
napredka etc. Kombinacija tradicionalnega in e-študija ţeli doseči natančno to, kar
opisuje Knowles. Eden izmed načinov kako to doseči, je uporaba virtualne učilnice
(npr. Moodle), v katero je mogoče implementirati različne vrste kvizev, forumov,
klepetalnice, indikator napredka etc. Knowles navaja tudi, da lahko sodobni mediji in
metode učenja pri študentih povzročijo šok v novih študijskih situacijah in z novimi
principi izobraţevalnega procesa. Ko ta šok prebrodijo, je odvisno od posazmenika,
kako se bo na sodobne metode odzval (Knowles, b. d.). Smyth (2006) navaja, da bo
individuum aceptiral določeno novost zaradi enega izmed dveh moţnih razlogov in
sicer:
če obstaja potreba, da določeno novost aceptira in se le-tej ni mogoče izogniti;
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 4
če obstaja osebni interes, da to novost aceptira.
Sodobne metode učenja lahko zasledimo v repetitivni vlogi ko z dodajanjem sodobnih
metod samo utrjujemo ter ponavljamo ţe prej opravljeno fazo učnega procesa. Ta
funkcija bi torej naj sluţila za povečanje učinka posamezne faze študijskega procesa.
Aditivno vlogo pa imajo sodobne študijske metode takrat, ko vsaka metoda opravlja
drugačno didaktično funkcijo v različni fazi študijskega procesa. Uporaba izobraţevalne
tehnologije mora biti strogo didaktično opredeljena. Preden se podamo v uporabo
izobraţevalne tehnologije je nujno potrebno, da si odgovorimo na naslednja vprašanja:
kako bomo uporabljali izobraţevalno tehnologijo;
zakaj je bolje uporabljati takšen način študijskega procesa;
kakšni bodo rezultati tako metodično pripravljene snovi;
ali nam takšen način študijskega procesa prinese viden napredek.
Pomembno je poudariti, da takšen način uporabe izobraţevalne tehnologije omogoča
tudi prehajanje od izobraţevanja k samoizobraţevanju študentov, kar je lahko ključnega
pomena za npr. izobraţevanje izrednih študentov (Krajnc, 1979, str. 26-28).
Ljudje postanejo pod vplivom mnoţičnih komunikacij predisponirani za določeno
percepcijsko pot, ne da bi se tega posebej zavedali. Zato je potrebno pri planiranju
izobraţevalne tehnologije najprej proučiti dosedanje navade in ustaljene perceptivne
modele udeleţencev. Knowles in nekateri drugi znani strokovnjaki poročajo celo o
šoku, ki ga doţivijo odrasli. To je za andragoga največje doţivetje. Brez neke uvodne
priprave učencev na določen medij, katerega nameravamo uporabljati, bi teţko
pričakovali znatnejše vzgojnoizobraţevalne učinke (Knowles, b. d.).
Kljub vsemu pa je in bo prisotnost pedagoškega delavca ne glede na tehnologijo ali
metodologijo, ki jo pri študijskem procesu uporabljamo, nujno potrebna. Učitelj mora
odločati o tem, katero izkustvo je v dani situaciji pomembneje uporabiti, virtualno ali
realno. Ravno tako mora biti učitelj tisti, ki naj izbere ustrezen program ali opravilo ali
kako drugače pomaga prebroditi prvi šok in podpre izobraţevalni proces v smislu
usmerjanja študenta. Multimedija je eno močnejših sredstev, ki omogoča študentom, da
izrazijo svojo kreativnost in doseţejo razumevanje. Potrebno pa je poudariti, da
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 5
informacijsko komunikacijska tehnologija (nadalje IKT) sama po sebi ne bo spremenila
izobraţevalne ustanove, saj je za spremembe potrebno poseči v kulturo le-te. A proces
učenja kot takšnega ne poteka samo znotraj izobraţevalnih ustanov, saj dandanes
sodobno izobraţevanje prehaja iz formalnega učenja v vseţivljenjsko izobraţevanje, pri
katerem pa ima IKT ključno vlogo.
Poleg IKT je za sodobno izobraţevanje pomembna splošna raven informacijske
pismenosti. Informacijsko pismena oseba zna:
digitalno komunicirati;
uporabljati digitalna orodja;
poiskati, obdelati in uporabljati informacijo;
je odgovoren za svoje nadaljne izobraţevanje in razvoj.
S tem lahko sodeluje v sodobnih socialnih procesih ţivljenja, dela in učenja ter se
izogne druţbeni izključenosti. Pri tem e-izobraţevanje pomeni elektronsko podprto oz.
elektronsko posredovano izobraţevanje. Za optimalni razvoj tovrstnega izobraţevanja
pa ne zadošča samo IKT infrastruktura, temveč so bistveni tudi spremenjeni
izobraţevalni programi, učna orodja, sodobna didaktika poučevanja ter spremenjena
vloga pedagoških delavcev (Ţibert, Juričić & Ţnidaršič, b. l., str.4)
1.1 Učenje na daljavo
Prve zametke učenja na daljavo (ang. distance education), kamor prištevamo tudi e-
izobraţevanje, srečamo ţe v 18. stoletju v Zdruţenih drţavah Amerike. Tako imenovan
dopisni študij je bil takrat namenjen prebivalem ruralnih okolij, ki so imeli zaradi
oddaljenosti študijskih središč omejene moţnosti dostopa do izobraţevanja. V
naslednjem stoletju se je ta oblika izobraţevanja zasidrala tudi v Evropi. V Nemčiji,
Veliki Britaniji in na Švedskem se je pojavilo zgodnje dopisno izobraţevanje (ang. early
correspondence education) v okviru dopisnih šol, kjer so bila v uporabi še preteţno
pisna gradiva. Ustanova je pošiljala učna gradiva in naloge slušatelju po pošti, le-ta je
gradiva predelal, izpolnil naloge in jih poslal nazaj na ustanovo, v okviru le-te pa so se
naloge pregledale in se popravljene poslale nazaj slušatelju. Posebno hiter razvoj teh
izobraţevalnih oblik zasledimo z razvojem tehnologije prenosa informacij, kamor spada
radio, TV, audio in video kasete, predplačniški sistemi (ang. video on demand) etc.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 6
Razvoj informacijskih tehnologij je omogočil interaktivni pristop učenja na daljavo. Te
sodobne oblike učenja na daljavo so spreminjala imena kot računalniško podprto učenje
(ang. computer assisted learning, CAL), učenje s pomočjo računalnika (ang. computer
based instruction, CBI) etc. Z razvojem in široko dostopnostjo svetovnega spleta (ang.
World Wide Web, WWW) je prišlo do svojevrstne tehnološke revolucije tudi na
področju izobraţevanja na daljavo. Tako je nastal tudi izraz, ki ga uporabljamo danes,
e-učenje (ang. e-learning).
Lahko rečemo, da je učenje na daljavo osnova razvoja elektronskega učenja. Le-to je
lahko “na zahtevo”, s čimer se izognemo teţavam pri potovanju, prisotnosti ob
določenem času ter točnosti. E-učenje vključuje uporabo računalnika (lahko tudi
mobilni telefon ali kakšna druga elektronska naprava), s pomočjo katerega dostopamo
do študijskega materiala, se izobraţujemo ali vadimo snov. Vključuje lahko tudi
raznovrstno drugo opremo, saj ne govorimo le o spletnem učenju (ang. web based
learning) temveč tudi o študijskih gradivih na zgoščenkah, DVD-jih ali drugih medijih.
Kakovost elektronskega študija je, enako kot velja za vsak študij, odvisna od vsebine in
kako je le-ta podana. Suhoparne predstavitve, monotoni govori, malo moţnosti za
sodelovanje etc. enako odvrnejo študenta, kot če bi isto snov poslušal v predavalnici.
Zato je prednost e-izobraţevanja v tem, da nova programska oprema omogoča izdelavo
učinkovitega učnega okolja. V primerjavi s klasičnim študijem v predavalnici nam e-
izobraţevanje ponuja nove fleksibilne moţnosti v različnih smereh komunikacije. Ni
potrebno, da so vsi udeleţenci izobraţevanja na istem kraju ob istem času (Pavlovič,
osebna komunikacija, 8. april 2010).
E-izobraţevanje kot obliko študija predstavljata dva modela. Prvi nivo predstavlja
kombinirano obliko klasičnega in e-izobraţevanja. Ta hibridna oblika (blended
learning) zdruţuje prednosti klasičnega in e-izobraţevanja. Drugi, bolj skrajni model pa
predstavlja pravo e-izobraţevanje, ki poteka izključno preko spleta (on-line).
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 7
Slika 1: Možnosti, ki jih nudi e-izobraževanje
Poročilo UNESCa (Bates, 2001, str. 25) navaja, da je e-študij primeren za
vseţivljenjsko učenje. Še posebej je primeren na področju pridobivanja višje, visoke in
podiplomske izobrazbe. V nekaterih tehnološko visoko razvitih drţavah je e-študij
prisoten ţe na skoraj vsaki univerzi in število predavanj v elektronski obliki se iz dneva
v dan povečuje. Klasičen primer tega je Univerza Stanford, ki je ena naprednejših šol na
tem področju v ZDA. E-študij je bil včasih sinonim za učenje na daljavo, sedaj pa ne
vključuje samo predavanj, ki se odvijajo preko spleta, ampak rasširja tradicionalne
načine učenja. Raziskave kaţejo, da kar 70% ustanov v Zdruţenih drţavah Amerike
nudi e-študij kot metodo učenja na daljavo, 80% šol pa ponuja hibridno različico
študija.
Evropska unija ne zaostaja prav veliko za Zdruţenimi drţavami. V okviru Lizbonske
deklaracije je ţe leta 2000 sprejela odločitev o podpori e-izobraţevanju. V tem sklopu
so podprli tudi razvoj kurikuluma, ki integrira nove metode učenja, zasnovane na
sodobnih informacijsih tehnologijah. Pod okriljem Evropske komisije za izobraţevanje
(European Comission for Education and Training) je bil pripravljen enoten E-learning
program 2004-2006, ki je vključeval več podprojektov v ţelji po dvigu digitalne
pismenosti, povezovanju evropskih izobraţevalnih ustanov, ki izvajajo oblike e-
izobraţevanja in promocije teh oblik učenja (Ministrstvo za šolstvo Republike
Slovenije, 2007).
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 8
E-učenje je rezultat izobraţevalnih vsebin, telekomunikacij in informacijske
tehnologije, pri čemer je ena njegovih glavnih prednosti ta, da prinaša neko dodano
vrednost tradicionalnemu študiju. Prinaša tako prednosti kot slabosti. Teţi k izoliranju
študentov fizično, kar ima lahko negativen vpliv na druţbenost ter timsko delo.
Študenti, ki so nagnjeni k verbalnemu izraţanju, se lahko počutijo izločene v virtualnih
učilnicah. Po drugi strani pa lahko tisti, ki so po naravi bolj srameţljivi, postavijo
vprašanje v virtualni učilnici (MŠŠ RS, 2007).
E-izobraţevanje običajno zahteva tudi velike finančne vloţke v informacijsko
infrastrukturo, izdelavo e-gradiv, ki ne smejo biti le kopije tradicionalnih knjig, temveč
morajo biti prilagojena za e-študij, prav tako govorimo o strokovnih sodelavcih, ki
morajo gradiva in ostale virtualne aktivnosti pripraviti etc. Največji porast e-študija je
zabeleţiti v tehnološko visoko razvitih drţavah, saj se v teh okoljih zavedanje pomena
vseţivljenjskega učenja hitro širi, ne morejo pa zgraditi novih izobraţevalnih ustanov
tako hitro, kot se povečuje povpraševanje po študiju. Ob tem lahko pripomnimo, da se
razlike med tehnološko razvitimi in nerazvitimi drţavami še poglabljajo (Bates, 2001,
str. 17-117).
Tabela 1: SWOT analiza e-študija
Prednosti Slabosti
Večje moţnosti izobraţevanja za slušatelje
iz oddaljenih krajev, slušatelje ob delu,
telesno prizadete in vse, ki se iz različnih
razlogov tradicionalnih predavanj ne
morejo udeleţiti.
Online učitelj mora kompenzirati fizično
odsotnost tako, da ustanovi virtualno
učilnico in je dosegljiv svojim študentom s
pomočjo e-maila, forumov …
Moţnost uporabe široke palete virov, ki jih
študentje lahko primerjajo in o njih
razpravljajo na bolj enostaven način, kot s
tradicionalnimi metodami učenja.
Pomanjkanje izkušenj na področju e-
izobraţevanja ovira nove pedagoške
delavce v pridobivanju zainteresiranosti v
nov sistem in njegove zmoţnosti
Moţnost racionalne izrabe časa ter večje
svobode pri študiju, saj se lahko slušatelj
E-študij povzroča preveliko delovno
obremenitev za načrtovalce in učitelje,
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 9
uči kadarkoli. Navedeno ustreza današnjim
zahtevam globalizacije.
hkrati pa se nekaterih predmetov ne da
učiti preko virtualne učilnice
(eksperimentalne vaje etc.)
Večja samostojnosti pri učenju in s tem
povezana večja ustvarjalnost
Obstaja kronično pomanjkanje
posrednikov prenosa pedagoške ideje v
tehnične rešitve
Manjša obremenitev pedagogov ter večje
moţnosti za njihov individualni strokovni
razvoj
Študentje in profesorji morajo imeti vsaj
primerno znanje o rokovanju z
računalnikom
Iniciativa knjiţnicam, arhivom, zbirkam,
da bodo gradiva na voljo javnosti
Uporabniku prijazna in zanesljiva oprema
je nujna, čeprav se velikokrat zgodi, da ne
deluje popolno
Študentje se naučijo biti bolj natančni in
osredotočeni pri oblikovanju svojega
mnenja in svojega pogleda na
obravnavano snov
Slušatelj mora biti zrel in discipliniran, kar
pomeni, da takšno izobraţevanje ni
primerno za nesamostojne študente
Priložnosti Nevarnosti
S splošnim interesom v druţbi je e-študij
moţno prilagoditi kot samostojne tečaje za
neomejeno občinstvo. E-študij se lahko
uporablja za širjenje zavesti o
pomembnosti določene tematike pri
splošni javnosti
Vprašanja glede avtorskih pravic ovirajo
uporabo digitalnih in digitaliziranih
gradiv. Poseben problem je razlika med
zakonom o avtorskih pravicah v različnih
drţavah pri uporabi materialov za študij
Mednarodno povezovanje v mreţo, ki jo
omogoča e-študij podpira prizadevanje za
evropsko identiteto in še posebej za
strpnost in kritično mišljenje, ki so
bistvenega pomena za našo druţbo
Usluţbenci, specializirani za e-študij lahko
doţivijo, da bo njihovo delo podcenjeno s
strani kolegov. E-študij je lahko
degradiran kot strokovno področje in se
lahko smatra bolj kot hobi kot strogo
akademsko poučevanje strokovnega
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 10
znanja
Mobilnost študentov je mogoče izboljšati
tako, da se študentom omogoči moţnost
študija na tujih univerzah z uporabo e-
študija
E-tečaji lahko povzročijo preobremenitev
z delom, ki jo bodo učitelji in študentje
teţko obvladovali
Z uporabo e-študija lahko učitelji
preizkušajo nove metode podajanja snovi,
kar lahko vpliva tudi na učni proces v
učilnici
Osebje, zaposleno v izobraţevalnih
ustanovah ne more slediti razvoju
informacijske tehnologije
Študenti, ki so zaposleni, lahko spremljajo
predavanja z uporabo e-študija, saj so
neodvisni od časa in kraja študija.
Poučevanje lahko postane brezosebno z
omejenimi subjektivnimi spremembami
pedagoškega delavca
Vir: Awouters, V. & Jans, S. (2009); O’Neill, K., Singh,G. & O’Donoghue, J. (2004); Ortiz, J., M. (2001).
1.2 Model hibridnega izobraževanja (ang. blended learning)
Hibridno učenje (ang. hybrid learning, blended learning) zdruţuje elemente klasičnega
poučevanja v predavalnici in izobraţevanja s pomočjo tehnologije (lahko rečemo tudi
izobraţevanja na daljavo). Označimo ga lahko kot študijsko okolje, v katerem se
kombinirajo klasične metode poučevanja (ang. human tutoring) z izobraţevanjem na
daljavo ob pomoči sodobnih IKT (ang. Computer Mediated Communication – CMC).
Metoda izkorišča prednosti, ki jih nudi vsaka od obeh oblik učenja. Za uspešno
implementacijo metode pa morajo biti predhodno izpolnjeni določeni pogoji, kot so
sposobnost razvoja e-gradiv oziroma spletnih učnih materialov, pripravljenost
študentov, da uporabljajo te materiale, ustrezna strojna oprema, poznavanje dela s to
opremo in seveda vizija za nadalnji razvoj. E-gradiva morajo dobro dopolnjevati
klasična predavanja in vaje v učilnici. Natančno je potrebno definirati aktivnosti, ki
bodo potekale v predavalnici po metodah klasičnega poučevanja kot tudi vsebino, ki bo
študentom na voljo v virtualni učilnici. Pri pripravi elektronskih študijskih vsebin
moramo upoštevati tudi potrebo po njihovi interaktivnosti, saj je ravno to prednost e-
izobraţevanja. “Klasične” študijske literature namreč ni mogoče preprosto prevesti v
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 11
elektronsko obliko in podati kot takšno, saj za študenta kaj hitro postane nezanimiva.
“Priprava elekronskih učnih vsebin zato pogosto zahteva veliko časa. Praviloma vsaj
pet, pa tudi do sto ur priprav na uro učenja,” razlaga Bešter. Ob tem so “običajni”
elektronski mediji, torej besedilo, grafike in animacije za pripravo pogosto zahtevnejši
od videa, saj lahko razmeroma dober izobraţevalni videoposnetek (gledano s tehničnega
vidika) z nekoliko boljšo spletno kamero danes posname ţe skoraj vsakdo (Holenko &
Hoić-Boţić, 2008).
Model hibridnega učenja omogoča tudi vzpostavljanje socialnih stikov, največkrat
seveda v obliki neposrednega kontakta. Izkušnje so pokazale, da se lahko tesne socialne
vezi stkejo in vzdrţujejo tudi v obliki virtualne komunikacije (npr. forumi), čeprav je
res, da študentje takšne virtualne učilnice vidijo predvsem kot neko sredstvo nadzora
nad njihovim delom in za virtualno komunikacijo raje uporabljajo drugo programsko
opremo, ki ni ponujena s strani izobraţevalne ustanove (npr. Messenger, Skype, etc.).
Zato se tukaj postavi pomembno vprašanje: “Kako motivirati študente, da bodo na
virtualno učilnico gledali kot na sredstvo za pomoč pri njihovem študiju, da bodo
sodelovali v forumih in opravljali svoje obveznosti zaradi študija in ne zaradi potrebe in
da virtualna učilnica ne bo videna v njihovih očeh le kot sredstvo nadzora?” Korin-
Lustig in Lukarić (2008) sta zapisala, da sta glavni teţavi e-študija kopiranje ali uporaba
nalog drugih študentov ter pomanjkanje obiskovanja predavanj. Holenko in Hoić-Boţić
(2008) pa sta zapisali da je določen odstotek študentov forume obiskal šele tik pred
zaprtjem foruma, kar pomeni, da je za moderatorje foruma velik izziv motivacija
študentov, da bi le-ti redno sodelovali v aktivnostih znotraj virtualne učilnice.
Pomemben dejavnik motiviranja udeleţencev in zagotavljanja ustrezne podpore pa so
tudi različne oblike interakcije, ki jih modeli kombiniranega učenja omogočajo
(udeleţenec – učna vsebina, udeleţenec – viri na spletu, udeleţenec – udeleţenec,
udeleţenec – mentor). Če poteka kombinirano učenje v več medijih, so najbolj
učinkovita tista spletna okolja, ki omogočajo sledenje udeleţencev v programu
usposabljanja. Samomotivacija, samodisciplina, samoiniciativnost, usmerjenost k
rezultatom ter odgovornost za lastne rezultate so tiste lastnosti, ki jih morajo udeleţenci
imeti, da se lahko učinek kombiniranega učenja večji in učni rezultat boljši. Po drugi
strani pa lahko ustrezno oblikovan model kombiniranega učenja, ki omogoča veliko
stopnjo fleksibilnosti in interaktivnosti, spodbuja razvoj potrebnih lastnosti in navad.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 12
Pomanjkanje motivacije, samodiscipline ali odpor do dela z računalnikom je največkrat
razlog za neuspeh pri kombiniranem učenju.
Abbad, Morris, Al-Ayyoub in Abbad (2009) trdijo, da je recept za uspeh hibridnega
učenja razumevanje postopkov sprejemanja ter kako študentom prikazati nove metode
učenja na način, da bodo to sprejeli. Prvi korak se začne ţe pri izdelavi virtualne
učilnice in študijskih vsebin, kjer M.M. Abbad et al. trdijo, da morajo tisti, ki vsebine
izdelujejo, misliti kot študentje in ne kot npr. učitelji, potrebno je zelo dobro poznavanje
sistema, študentom oziroma uporabnikom je potrebno razloţiti, kako uporabljati nove
metode in jih motivirati, a kljub vsemu obstaja določen odstotek, na katerega ne
moremo vplivati, saj študentje delujejo tudi na podlagi vedenjskih in okoljskih vzorcev.
Kljub zgoraj naštetemu pa postaja hibridna metoda študijskega procesa v zadnjih letih
vedno bolj prisotna predvsem na nivoju višjega in visokega izobraţevanja predvsem v
Zdruţenih drţavah Amerike in drţavah, kjer število študentov hitro narašča, druţba pa
teţi v smeri vseţivljenjskega učenja Ta metoda tudi intenzivno posega v klasično
šolstvo, a v pozitivni smeri, saj jo spreminja in izboljšuje ter prevsem prinaša dodano
vrednost. Raziskave kaţejo, da npr. študenti v običajni študentski starosti zaradi
socialnih stikov še vedno raje hodijo v šolo kot pa se odločajo za izobraţevanje na
daljavo. Glavni adut klasičnega učenja je tako pristna komunikacija in interakcija, ki jo
trenutno nove tehnologije v pravi obliki ne morejo nadomestiti (Pigliapoco & Bogliolo,
2007)
1.3 Implementacija hibridnega učenja
Za uspešno implementacijo hibridnega učenja je potrebno izbrati enega od modelov ter
točno definirati aktivnosti, ki bodo potekale v predavalnici ter aktivnosti znotraj
virtualne učilnice. V odvisnosti od nalog, ki jih mora študent rešiti, izberemo primerni
medij za komunikacijo. V primeru dvoumnih nalog je najboljši način neposredna
komunikacija s pedagoškim delavcem. Ta oblika komunikacije velja za najbogatejšo
obliko. V interakciji med študentom in pedagoškim delavcem tako tečejo vse tri oblike,
verbalna, paraverbalna in neverbalna komunikacija, česar znotraj virtualne učilnice ne
moremo doseči. Pedagoški delavec v predavalnici lahko hitro opazi, ali študentje
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 13
razlago razumejo. V primeru nedvoumnih nalog pa lahko uporabimo katerokoli obliko
komunikacije. Pri tem nam IKT omogočajo neskončno mnogo ponovitev, česar v
predavalnici od pedagoškega delavca ne moremo pričakovati. V praksi je znanih več
modelov, ki so predstavljeni na sliki 2.
Slika 2: Shema hibridnega učenja
Vir: “Implementacija hibridnog učenja” [Metodika i komunikacija e-obrazovanja] b. d.
Novi modeli učenja zahtevajo tudi sodobnejše pristope pri preverjanju znanja. Ţe
nekoliko arhaično gledanje na znanje, ki je shranjeno v našem spominu bo potrebno
nadomestiti s preverjanjem znanja, kako do pravih podatkov v pravem času z vsemi
moţnimi komunikacijskimi tehnikami. Prvenstvena teţa učenja bo morala temeljiti na
razumevanju potrebne snovi in njenim povezovanjem z dobljenimi podatki. Tu lahko
nastopi problem istovetnosti študenta, ki sedi za računalnikom in odgovarja na
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 14
vprašanja. Današnji sistemi preverjanja računalnikov so nezadostni. Uporaba piškotkov
je problematična zaradi moţne manipulacije z njimi, preverjanje IP naslovov pa se
navadno pri klicnem naslovu, ker imamo dinamično dodeljene IP-je, izkaţe za
neuporabno.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 15
2 ŠTUDIJ NA FAKULTETI ZA LOGISTIKO
2.1 Predstavitev ustanove
Začetek ustanavljanja FL sega v leto 2002, ko je bilo podpisano “Pismo o dobri nameri
za ustanovitev Fakultete za logistiko in razvoja študijev in raziskav na
interdisciplinarnem področju” ter “Pogodba o zagotavljanju pogojev za delovanje
Fakultete za logistiko in pogojev za izvajanje njenih študijskih programov” (Fakulteta
za logistiko, 2002). V letu 2004 je Drţavni zbor Republike Slovenije sprejel pozitiven
sklep ter potrdil dva visokošolska programa fakultete. S tem se je zaključil postopek
ustanavljanja. S 1. oktobrom 2005 je fakulteta odprla svoja vrata prvim študentom in
sicer v Celju, kjer je sedeţ fakultete, ter v Krškem in Trţiču, kjer se nahajata dislocirani
enoti (Fakulteta za logistiko, 2009).
Zelo pomemben del vsake ustanove so poslanstvo, vizija in strateške usmeritve. FL ţeli
spodbujati tako študente kot širšo javnost ter uveljaviti logistiko kot vedo v Sloveniji in
širšem okolju. Študente ţeli FL pripraviti na to, da bi pridobljeno znanje lahko uporabili
tudi v praktičnih primerih. (Poslanstvo Fakultete za logistiko [Poslanstvo, vizija,
strateške usmeritve], b. d.). Zastavljeno poslanstvo ţelijo doseči s pomočjo vrednot, ki
so prilagojeni poslanstvu, hkrati pa ustvarjajo prednosti za:
študente - z izvajanjem kakovostnega rednega in izrednega študija in
vseţivljenjskega učenja ter vključevanja v raziskovalno delo;
zaposlene – z zagotavljanjem varnega in urejenega delovnega okolja ter moţnostjo
osebnostnega in zlasti strokovnega razvoja;
uporabnike naših storitev – delodajalci naših diplomantov bodo uspešnejši pri
razvijanju in ponujanju učinkovitih logističnih storitev in produktov;
širše druţbeno okolje – z razvijanjem novega znanja, odgovornim odnosom do
naravnega, druţbenega in poslovnega okolja, s spoštovanjem etike in druţbenih
vrednot na vseh področjih delovanja.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 16
2.2 Blend.FL
Učni proces na FL UM poteka kot kombinacija avditornih vaj in predavanj ter študija s
pomočjo tehnologije preko virtualne fakultete. Virtualna fakulteta oziroma e-študij nudi
študentu vse potrebne informacije za uspešen študij. V vpisom na portal dobi študent
dostop do predmeta, kjer se nahajajo njegove obveznosti, urnik, obvestila s strani
profesorjev in asistentov, forum, ki je namenjen izmenjavi znanja ter konstruktivnemu
dialogu med študenti ter nosilci predmeta oziroma asistenti, napotke za delo ter druga
gradiva, ki jih objavijo profesorji. Drugi del t.i. virtualnega učnega procesa so e-gradiva.
Le-ta so objavljena na spletu, dostop do njih pa imajo študentje FL z vpisom v portal s
svojim uporabniškim imenom in geslom.
Tako na e-študiju kot v e-gradivih študentje vidijo le snov oziroma predmete, katere
obiskujejo. Študij na FL je razdeljen na poletni in zimski semester. V vsakem poteka
določeno število predmetov, ki jih redni študentje obiskujejo štiri tedne, izredni pa
sedem. E-gradiva so narejena študentom prijazno, a hkrati strokovna in izpopolnjena.
Za laţje razumevanje so na fakulteti v gradiva poleg slik, tabel, preglednic etc. dodali še
video posnetke ter animacije kot interaktivne vsebine.
V tabeli 2 so zbrani podatki o obveznostih študentov 1. letnika visokošolskega
strokovnega programa pri predmetu Gospodarska in tehniška logistika. Obveznosti pri
predmetu se delijo na avditorna predavanja (a-P), e-predavanja (e-P), avditorne vaje (a-
V), e-vaje (e-V) ter individualno delo. Glede na število ur, ki jih je študent v sklopu
posameznega predmeta opravil, je določena tudi vrednost predmeta v ECTS točkah, kar
je kratica za evropski sistem prenosa in zbiranja kreditnih točk študija (ang. European
Credit Transfer and Accumulation System). (“Kaj je ECTS (kreditna točka)?”
[Informatika in tehnologija komuniciranja], b. d.). Študent v sklopu posameznega
letnika z opravljenimi obveznostmi zbere 60 kreditnih točk (60 ECTS točk) kakor je
bilo določeno v Zakonu o visokem šolstvu (Ur.l. RS, št. 119/2006-UPB3, 59/2007-
ZŠtip (63/2007 popr.), 15/2008 Odl.US: U-I-370/06-20, 64/2008, 86/2009, 62/2010-
ZUPJS). Ena kreditna točka ustreza 25 do 30 uram obremenitve študenta. Letna
študijska obremenitev študenta je tako 1500 do 1800 ur. V obremenitev študenta so
všteta: predavanja, seminarji, vaje in druge oblike organiziranega študijskega dela
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 17
(praktično usposabljanje, hospitacije, nastopi, terensko delo ipd.), individualno študijsko
delo (sprotno delo, študij literature, seminarske naloge, projektno delo, raziskovalno
delo, priprava na izpite ali druge oblike preverjanja ter diplomska (magistrska,
doktorska) naloga.
Tabela 2: Predmeti v 1. letniku Visokošolskega strokovnega študijskega programa
Gospodarska in tehniška logistika
PREDMET a-P e-P a-V e-V ID št. ur ECTS*
Uporaba matematičnih metod
v logistiki I 21 24 15 15 45 120 4
Tuji jezik v logistiki* 30 30 150 210 7
Kvantitativne metode v
logistiki 15 15 21 24 135 210 7
Osnove teorije sistemov 21 24 15 15 105 180 6
Računalništvo in informatika
v logistiki 15 15 21 24 105 180 6
Uporaba matematičnih metod
v logistiki II 21 24 15 15 75 150 5
Osnove mehanike 21 24 21 24 120 210 7
Geografski informacijski
sistem 21 24 15 15 105 180 6
Varstvo okolja 21 24 15 15 105 180 6
Osnove pravne teorije 15 15 15 15 120 180 6
Skupaj: 201 219 153 162 1065 1800 60
*Študent izbere nemški jezik v logistiki ali angleški jezik v logistiki
Vir: Informacijski paket [Fakulteta za logistiko Univerze v Mariboru], b. d.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 18
Legenda:
1. a-P: Klasična avditorna predavanja se izvajajo na običajen način v predavalnici.
2. e-P: E-predavanja se lahko izvajajo na videokonferenčni način ali pa s pomočjo e-izobraţevanju
prirejenih interaktivnih elektronskih gradiv znotraj virtualnega e-prostora.
3. a-V: Klasične avditorne vaje se izvajajo na običajen način v predavalnici, laboratoriju ali na terenu.
4. e-V: E-vaje se lahko izvajajo na videokonferenčni način ali pa s pomočjo e-izobraţevanju prirejenih
interaktivnih elektronskih gradiv znotraj virtualnega e-prostora.
5. ID: Indivudualno delo
Manjši del obveznosti, ki so prikazane v tabeli 2, študentje opravijo s svojo prisotnostjo
na fakulteti oziroma preko virtualnega e-prostora, večji del obveznosti pa morajo
opraviti s svojim samostojnim delom. Načelo sprotnega študija se na fakulteti udejanja
skozi virtualno učilnico, ki študentom omogoča boljšo pripravo na izpite.
2.3 Teoretične osnove v praksi
2.3.1 Didaktične osnove, ki jim sledi FL
Sodobna izobraţevalna tehnologija kamor uvrščamo svetovni splet, računalnike, etc. je
dandanes prisotna ţe skoraj na vsaki izobraţevalni ustanovi, pa čeprav to pomeni le, da
učenci/dijaki/študentje po spletnih brskalnikih iščejo gradiva, s katerimi bi obnovili
svoje znanje ali prebrali kaj novega, kar jih zanima. Tako lahko govorimo o repetitivni
in aditivni vlogi sodobnih izobraţevalnih tehnologij.
Repetitivno funkcijo na FL opravlja kombinacija med tradicionalnimi (avditornimi)
predavanji in kasnejšim obnavljanjem znanja s pomočjo portala z e-gradivi. Študentje
na predavanjih in vajah poslušajo določeno snov. Na portalu z e-gradivi imajo nato
moţnost obnavljanja s pomočjo animacij, slik, iskalnika WolframAlpha, pripravljajo pa
se tudi snemana predavanja.
Aditivno funkcijo pa bi lahko povezali z različnimi moţnostmi znotraj našega e-
izobraţevanja in sicer:
forum ponuja moţnost sočasne komunikacije med študenti in učitelji, pri tem pa
vsebina komunikacije ostaja vidna celotno študijsko leto;
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 19
spletna klepetalnica omogoča komunikacijo med vsemi prisotnimi v realnem času,
pogovori pa so kasneje nedosegljivi;
koledar daje študentom moţnost, da se navadijo časovnega planiranja etc.
FL je v svoj študijski proces uvedla vse omenjene funkcije.
2.3.2 IKT pismenost na FL
Na FL se vpisujejo študentje z različnim IKT predznanjem. IKT pismenost pa je eden
izmed pomembnih dejavnikov uspešnega študija, še posebej pri hibridnem modelu.
FL v prvem študijskem tednu organizira t.i. izobraţevalni teden za študente, kjer jim
predstavi način dela, pravila, ki veljajo, spletno učilnico ter portal za e-gradiva in
moţnosti, ki jih slednja ponujata. V današnjem času je pomembno učinkovito iskanje
informacij, zato FL študentom vsako leto predstavi Cobissov meta iskalnik, ki omogoča
iskanje po več elektronskih virih, od knjiţnjic in spletnih brskalnikov do spletnih strani,
kamor se je potrebno registrirati za dostop do člankov oziroma objav.
2.3.3 Prednosti in slabosti hibridnega učenja Blend.FL
V tabeli 1, kjer smo zapisali SWOT analizo e-učenja, lahko določene vzporednice
poveţemo tudi z našim Blend.FL-jem.
Če pogledamo prednosti, ki so navedene v omenjeni tabeli, vidimo, da se FL precej
pribliţuje temu stanju in sicer za izredne študente bi se naj uvedel način študija le preko
e-učilnice z moţnostjo dogovora z učiteljem o predavanju po končanem obdobju e-
študija določenega predmeta (npr. po 4-tedenskem študijskem obdobju za posamezen
predmet se skupina dogovori, lahko preko foruma ali spletne klepetalnice, da bi ţeleli
postaviti vprašanja učitelju, ki bi jim pomagal razrešiti nejasnosti. Vmes v tem 4-
tedenskem obdobju imajo na voljo forum, kjer lahko diskutirajo o morebitnih teţavah.).
E-učilnica ponuja vsem študentom, tako rednim kot izrednim, svobodo, da se lahko
učijo kadarkoli in kjerkoli.
Tudi slabosti takšnega načina študija so primerljive s tabelo 1. Tisti študentje, ki niso
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 20
dovolj samostojni, študija ne bodo dokončali. To lahko potrdimo tudi s podatkom o
prehodnosti študentov iz 1. v 2. letnik ter nato v 3. letnik (visokošolski študijski
program Gospodarska in tehniška logistika), kar je prikazano v tabeli 3. Če glede na
omenjeno tabelo spremljamo 1. letnike rednega študija v generaciji 2006/2007 in jih
skozi vsa tri leta, dobimo podatke, ki so prikazani v tabeli 4.
Tabela 3: Število študentov po generacijah
Št. leto Način študija 1.letnik 2.letnik 3.letnik Absolventi Skupaj
2006/2007
Redni 155 150 - - 305
Izredni 146 122 - - 268
2007/2008
Redni 150 106 124 - 380
Izredni 85 61 88 - 234
2008/2009
Redni 151 73 100 77 401
Izredni 74 54 55 16 199
Vir: “Samoevalvacijsko poročilo 2008/2009” [Fakulteta za logistiko Univerze v Mariboru], b.d.
Iz podatkov v tabeli 4 je razvidno, da je bila v prvi generaciji prehodnost iz 1. v 2. letnik
68,39% in iz 2. v 3. letnik 94,34%, medtem ko je bilo v naslednji generaciji v 2. letnik
vpisanih le 48,66% študentov.
Tabela 4: Prehodnost študentov po letnikih
Študijsko leto 2006/2007 2007/2008 2008/2009
Število študentov 155 106 100
Število študentov 150 73
Ko pridemo do vprašanja, kako določene vaje izvesti elektronsko, je najboljša rešitev
kljub vsemu še vedno tradicionalen način izobraţevanja oziroma avditorne vaje ali
predavanja. Določene vaje (npr. pri UMML I ali II, kvantitativnih metodah v logistiki
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 21
(KML), statističnih metodah v logistiki (SML)) se dajo najprej rešiti preko e-učilnice s
pomočjo animiranih nalog pri tem pa lahko določene nejasnosti študent razreši ob
pomoči učitelja.
Nevarnosti pri e-izobraţevanju se nanašajo na področje avtorskih pravic. Na FL je to
rešeno tako, da študentje do portala z e-gradivi dostopajo s svojim uporabniškim
imenom in geslom, nato pa imajo na voljo moţnost izvoza gradiva v obliko pdf oziroma
gradiva lahko natisnejo. Naslednjo nevarnost predstavlja občutek brezosebnosti pri e-
izobraţevanju, zato je FL izbrala hibridni model izobraţevanja, kjer študentje kljub
vsemu opravljajo pribliţno polovico ur, potrebnih za usvojitev določenega števila ECTS
točk znotraj predavalnice.
2.3.4 Finančni vidik
Eden izmed poglavitnih teţav pri uvedbi kombiniranega, hibridnega oziroma blended
učenja v izobraţevalne ustanove je poleg dejavnikov, ki bodo omenjeni v poglavju 2.4
tudi finančni vidik. Izobraţevalne ustanove potrebujejo za učinkovito vzpostavitev
kombinacije tradicionalnega in e-učenja:
ideje;
didaktično pripravljena gradiva, ki bodo ustrezala kriterijem za vnos v virtualno
učilnico, saj e-gradiva ne smejo biti enaka kot tiskana gradiva;
ljudi, ki bodo e-izobraţevanje vzpostavili, vzdrţevali ter urejali, izdelovali
interaktivne elemente, ki so glavni mejnik med navadnimi gradivi ter e-gradivi;
določeno količino delovnih ur, da se e-gradiva izdelajo;
informacijsko infrastrukturo, ki mora delovati neomejeno in brez teţav.
Na FL obstajata dva centra, ki se ukvarjata z IKT in sicer Center za e-študij in
aplikativno računalništvo (CES), ki je “idejni vodja” za izdelavo Blend.FL-ja ter
pripravlja e-gradiva in skrbi za razvoj e-učilnice. Center za informacijski sistem (CIS)
skrbi za delovanje streţnikov, na katerih teče e-študij (torej e-učilnica in e-gradiva) ter
za posodobitve le-teh. Ker fakulteta od študentov ne more zahtevati, da imajo doma
internetno povezavo ter drugo računalniško opremo (po podatkih Statističnega urada
Republike Slovenije je imelo v prvi četrtini leta 2009 v Sloveniji pribliţno 64 odstotkov
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 22
gospodinjstev dostop do interneta, kar pa še vedno ne pomeni, da imajo vsi študentje
omogočen dostop do spletne učilnice od doma (Statistični urad Republike Slovenije
[SURS], 2010), jim ponuja dostop do interneta na fakulteti, za omenjene računalnike pa
skrbi CIS.
Glede na zgoraj navedeno je potrebno vzpostaviti ravnovesje med prihodki in izdatki.
Študentje na začetku študijskega leta plačajo vpisne stroške, v katere so všteta tudi e-
gradiva in sicer 10 EUR/e-gradivo (v enem letniku je 10 predmetov, kar pomeni 100
EUR/študenta za e-gradiva). Tukaj pa je tudi število opravljenih delovnih ur na
zaposlenega (v ta sklop uvrščamo strokovne sodelavce iz Centra za e-študij in Centra za
informacijski sistem) ter avtorski honorar za pedagoške delavce oziroma avtorje e-
gradiv.
2.3.5 Model samoizbire v hibridnem modelu na FL
Glede na shemo v poglavju 1.3 se FL uvršča med ustanove, ki so se v hibridnem
modelu študija osredotočili na model samoizbire, katerega bistvo je moţnost odločanja
med eno ali več variantami, med katerimi se posameznik odloči po svojih kriterijih.
Študentje lahko tako izbirajo med:
knjigo ali e-gradivi (lahko tudi kombinirano), kjer imajo študentje na razpolago
portal z e-gradivi, kjer si lahko označujejo besedilo, ga shranijo in nato ponovno
odprejo poglavje v gradivu s shranjenim in označenim besedilom. Program
omogoča, da si gradiva natisnejo;
virtualno in tradicionalno komunikacijo, kjer študentje lahko izbirajo ali ţelijo
sodelovati v forumih ter spletnih klepetalnicah, obveza pa jim kljub vsemu ostaja
reševanje kvizev in opravljanje drugih obveznosti v spletni učilnici. Ta del je za
študente obvezen in ga morajo opraviti, saj drugače nimajo moţnosti pristopa k
zaključnemu izpitu in ga lahko opravijo šele prihodnje leto (oziroma po dogovoru s
profesorjem ko imajo obveznosti opravljene). Seveda poleg e-učilnice še vedno
ostaja določeno število ur znotraj učilnice (torej tradicionalni način), kjer študentje
lahko postavljajo vprašanja in sodelujejo v komunikaciji s pedagoškim delavcem.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 23
2.4 Problemi, ki se pojavljajo
O problemih, ki se pojavljajo v modelu hibridnega učenja (ang. blended learning)
govorijo uporabniki s celega sveta. Prvi korak analize obstoječih teţav lahko razdelimo
na splošno poznavanje problematike s celega sveta, naslednji korak pa je primerjava teh
teţav s teţavami, ki se pojavljajo v naši ustanovi.
V strokovnih delih po vsem svetu je zaznati trend pomanjkanja motivacije študentov za
samostojen študij ter uporabo e-učilnice. Pomanjkanje motivacije je dejavnik, ki vpliva
na uspešnost študija. (Pigliapoco & Bogliolo, 2007) Ravno tako je potrebno vedeti, da
je del študentov bolj “slušni tip” (laţje absorbira določeno znanje ob poslušanju),
medtem kot je drugi del študentov “vidni tip” (hitreje absorbira določeno znanje, če vidi
napisano etc.). Tretja moţnost se imenuje “kombinirani tip”. Problem nastane, če ima
izobraţevalna ustanova na voljo le eno moţnost študija, ki zajame le določen del
populacije. Tukaj lahko pride ponovno do pomanjkanja motivacije, saj lahko študijski
proces naenkrat traja mnogo dlje in od študenta zahteva mnogo več napora.
Kako rešiti omenjene izzive?
Pod mentorstvom dr. Tomaţa Krambergerja je bil izveden pilotni projekt, kjer smo pri
predmetih KML in SML uvedli animirane naloge znotraj e-učilnice. V okviru tega
projekta so pri predmetu ELP študentje dobili uporabno nalogo, kjer je moral vsak
opraviti svoj del, hkrati pa je ta del predstavljal skupek celote.
FL je v študijskem letu 2009/2010 predstavila mnogo novosti, tako v sklopu e-študija
kot tudi v e-gradivih, z namenom odpraviti probleme z motivacijo etc.
2.5 Rešitvi naproti
Pri prenovi obstoječega e-študija smo si zamislili cilje, ki bodo pripomogli k
študentovem napredku in jih implementirali v spletno učilnico ter e-gradiva. Natančen
seznam novosti se nahaja na strani 25. Nekatere izmed njih še vedno postopoma
uresničujemo. Največji preboj letos je bila izvedba animiranih nalog z moţnostjo
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 24
evalvacije znotraj našega e-študija. To pomeni, da študentje ne potrebujejo več nalog
reševati po principu “papir in pero”, temveč odprejo brskalnik in e-študij in dobijo
naloge, ki jih je potrebno rešiti.
Osnovna vizualna postavitev kvizev znotraj okvira animirane naloge je bila preprosta.
Naloga, postopek in pot do končnega rezultata so bili znani. je bila znana, ravno tako
postopek reševanja naloge in pot do končnega rezultata. Resnejši problem, na katerega
smo naleteli, je bila uporaba programskega jezika ActionScript (nadalje AS) v povezavi
z e-študijem.
ActionScript se deli na 3 verzije. Prvo verzijo tega programskega jezika (ActionScript
1.0) je razvilo podjetje Macromedia in je bila v uporabi med leti 2000 in 2003. Takrat se
je začel preboj iz tako imenovanih spustnih polj in menijev v navaden urejevalnik
dokumentov znotraj programa Flash. Programerjem ni bilo potrebno iskati pravilnih
gumbov, temveč so jih lahko preprosto zapisali. Druga verzija, imenovana ActionScript
2.0 je bila aktualna v obdobju med 2003 in 2006. Tukaj so se ţe kazali napredki s strani
programerjev in tudi optimizacija, a sta si verziji AS 2.0 in AS 1.0 še vedno precej
podobni. Večji napredek je bil narejen z uvedbo ActionScripta 3.0, ki ga uporabljamo
še danes, ki pa ni kompatibilen s prejšnjima. Razlog je reforma programskega jezika za
potrebe uporabnosti, hkrati pa je programski paket Flash prišel pod okrilje Adobe-a.
(“ActionScript” [Wikipedia], b. d.)
Na FL so del interaktivnih vsebin imeli ţe pred uvedbo animiranih nalog za evalvacijo
kot animacije znotraj e-gradiv, ki so študentom dajale moţnost ponovitve snovi s
predavanj ali učenja. Te animacije so izdelali v CES-u, za interaktivne elemente znotraj
animacije pa je bil uporabljen programski jezik ActionScript 2.0. Ker je trenutna
aktualna verzija AS 3.0, smo ţeleli animirane naloge za študente pripraviti v tej izvedbi.
Kasneje se je to izkazalo, da tako pripravljenih animiranih nalog ne moremo povezati s
spletno učilnico. Trenutno je na voljo le en način integracije animiranih nalog v spletno
učilnico, ki ga je razvil ruski profesor Dmitry Pupinin. S pomočjo dveh dodatnih zbirk,
imenovanih FlashQuestion.as in JSON.as, poveţemo animirane naloge, ki jih ţelimo
integrirarti v spletno učilnico. Postopek je moč izvesti le z animiranimi nalogami,
pripravljenimi v AS 2.0. Začetna verzija našin animiranih nalog je bila pripravljena v
AS 3.0, kar nam ni omogočalo povezave s spletno učilnico. Imeli smo dve moţnosti;
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 25
kodo iz zbirk FlashQuestion.as in JSON.as prevesti v programski jezik AS 3.0 ali pa
naše animirane naloge prenesemo v paket AS 2.0. Odločili smo se za slednje. Zgornji
zbirki sta bili tudi zelo slabo dokumentirani kar je povzročilo nekaj teţav pri
razumevanju same kode. Tudi kodo znotraj animirane naloge smo morali prilagoditi
načinu, kot smo ţeleli.
Animirane naloge smo uvedli znotraj predmeta Kvantitativne metode v logistiki, kjer je
nosilec predmeta dr. Tomaţ Kramberger. Navodila znotraj virtualne e-učilnice o
predmetu so bila sledeča (“Kvantitativne metode v logistiki” [Blend.FL 09/10], b. d.):
Osnovni podatki o predmetu KML
Predmet:
Predmet KML ima v predmetniku predvidenih 30 ur predavanj in 45 ur vaj. V Blend FL
načinu študija to pomeni 15 ur predavanj v ţivo in 21 ur vaj v ţivo ter 39 ur dela v
virtualni fakulteti Blend FL. Predmet je vreden 7 ECTS točk.
Naloga:
Študent si mora skozi sedem tednov študija prisluţiti vseh 7 ECTS točk. To lahko
naredi tako, da izpolni vse svoje obveznosti. Nekatere so obvezne, druge pa niso.
Neizpolnjevanje obveznih nalog vodi v prepoved nadaljevanja študija naslednji teden in
posledično prepoved opravljanja izpita.
Razdelitev ECTS točk:
Skupaj: 7 ECTS točk
Predavanja v ţivo: 1 ECTS točka
Vaje v ţivo: 1 ECTS točka
Reševanje kvizov s teorijo: 1 ECTS točka
Reševanje kvizev za vajo (e-vaje): 2 ECTS točki
Reševanje kvizov za preverjanje znanja: 2 ECTS točki
Izpit:
Pogoj za opravljanje izpita je prisluţenih vseh sedem ECTS točk. Skupna ocena nalog
za vaje (kviz za preverjanje znanja) prinese 10% skupne ocene pri predmetu. Ostalih
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 26
90% ocene si študent prisluţi z uspešno opravljenim pisnim izpitom.
Študent je največ točk pridobil z reševanjem kvizov. Imeli smo 3 vrste kvizov:
kviz iz teorije;
kviz za e-vaje;
kviz za preverjanje znanja.
Pri teoriji so študentje lahko sami preverili znanje, ki so ga usvojili s študijem e-gradiva.
Pri e-vajah so dobili animirane naloge znotraj kviza, ki so jih morali rešiti. To je bilo
namenjeno individualnemu delu vsakega posameznika. Na koncu vsake naloge imajo
gumb “Preveri”, s katerim so lahko preverili pravilnost vpisanih rezultatov. Vizualno so
animirane naloge izgledale takole:
Slika 3: Animirane naloge v e-učilnici
Drugi tip kvizev je namenjen preverjanju znanja študenta in se oceni realno brez
moţnosti preverjanja pravilnosti rezultata. Ti kvizi so prinesli 10 odstotkov h končni
oceni študenta. Le-ta se je izračunala s pomočjo parcialnega deleţa po sledečem
postopku:
1
10,1 0, 9
n
i
i
z y xn
[1]
yi = povprečna ocena kvizev
x = ocena na izpitu
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 27
z = končna ocena (vpisana v sistem AIPS)
n = število kvizev, ki jih je študent imel moţnost reševati
Iz dobljenih podatkov smo nato izdelali statistično analizo s pomočjo programskega
orodja Microsoft Excel.
Poleg animiranih nalog v kvizih znotraj e-študija v tem študijskem letu smo uvedli še
nekaj novosti:
uvedba novih e-gradiv z uporabnimi dodatki za študente:
o vgrajen brskalnik Wolfram Alpha;
o označevalec besedila;
o tiskanje gradiv skupaj z označenim besedilom;
o predogled po poglavjih;
o predogled slik;
o povezana poglavja.
prenova e-študija:
o vizualna prenova (boljša preglednost);
o avtomatsko povezovanje urnikov skupaj s spletno stranjo FL;
o uvedba animiranih nalog znotraj kvizev;
o izdelava indikatorja napredka;
o uvedba primerov v e-gradivih s pomočjo animirane naloge in zvoka;
o uvedba filmov znotraj e-učilnice.
FL je v tem študijskem letu ţe delala na tem, da bi študente motivirala, zato je ustvarila
računalniškega agenta z avatarjem ţenskega spola, imenovanega Cindy.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 28
Slika 4: Profil Cindy v e-učilnici
Vir: “Kvantitativne metode v logistiki” [Blend.FL 09/10], b. d.
Cindy je odgovarjala na spletno pošto študentov, sodelovala v forumu in odgovarjala na
njihova vprašanja, pripravljala kvize za posamezne tedne ter animirane naloge, ki so se
potem uvozile v kvize. Pri predmetu KML so študentje aktivno sodelovali, si pomagali
in postavljali vprašanja. Nekoliko manjši odziv od pričakovanega smo zaznali pri
predmetu SML. Ta predmet spada v 2. letnik visokošolskega študijskega programa
Gospodarska in tehniška logistika. V 3. letniku je Cindy sodelovala pri predmetu
Elektronsko poslovanje (ELP), kjer smo beleţili dober odziv študentov, predvsem na
forumu, ki je bil ustvarjen za diskusije v zvezi s projektno nalogo.
Udeleţevanje študentov v spletni učilnici lahko ponazorimo z naslednjimi podatki:
elektronsko poslovanje, 3. letnik VS, redni študij (ELP VS);
aktivnosti v časovnem obdobju: 30. november 2009 do 31. julij 2010;
število ogledov: 4.229;
število objav: 469;
število študentov, vpisanih v predmet: 19;
povprečna ocena na izpitu: 8,78.
Iz podatkov izračunamo frekvenco obiska ter frekvenco objav na e-študiju za
posamezen predmet.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 29
Enačba za izračun frekvence obiska:
Fax
N [2]
Fa ... frekvenca obiska
x ... število obiskov
N ... število študentov
Enačba za izračun frekvence objav:
Fby
N [3]
Fb ... frekvenca objav
y ... število objav
N ... število študentov
Dobimo naslednje rezultate:
Fa ELP r
4229
19 222, 58
Fb ELP r
469
19 24 , 68
Elektronsko poslovanje, 3. letnik VS, izredni študij (ELP VS I)
o aktivnosti v časovnem obdobju: 31. januar 2010 do 31. julij 2010;
o število ogledov: 4.311;
o število objav: 359;
o število študentov, vpisanih v predmet: 24;
o povprečna ocena na izpitu: 8,18.
Iz tega sledi:
Fa ELP i
4311
24 179, 62
Fb ELP i
359
24 14 , 96
Kvantitativne metode v logistiki, 1. letnik, redni študij (KML VS)
o aktivnosti v časovnem obdobju: 30. oktober 2010 do 31. julij 2010;
o število ogledov: 22.902;
o število objav: 2.290;
o število študentov, vpisanih v predmet: 198;
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 30
o povprečna ocena na izpitu: 4,17.
Dobimo:
Fa KML r
22902
198 115, 66
Fb KML r
2290
198 11, 56
Kvantitativne metode v logistiki, 1.letnik VS, izredni študij (KML VS I)
o aktivnosti v časovnem obdobju: 30. november 2009 do 31. julij 2010;
o število ogledov: 9.916;
o število objav: 606;
o število študentov, vpisanih v predmet: 47;
o povprečna ocena na izpitu: 6,41.
Iz česar dobimo:
Fa KML i
9916
47 210, 98
60612, 89
47b KM L i
F
Statistične metode v logistiki, 2. letnik, redni študij (SML VS)
o aktivnosti v časovnem obdobju: 31. oktober 2010 do 31. julij 2010;
o število ogledov: 15.723;
o število objav: 1.361;
o število študentov, vpisanih v predmet: 72;
o povprečna ocena na izpitu: 7,30.
Fa SML r
15.723
72 218, 37
Fb SML r
1.361
72 18, 90
Statistične metode v logistiki, 2. letnik, izredni študij (SML VS I)
o aktivnosti v časovnem obdobju: 30. oktober 2010 do 31. julij 2010;
o število ogledov: 2.172;
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 31
o število objav: 160;
o število študentov, vpisanih v predmet: 45;
o povprečna ocena na izpitu: 7,30.
Fa SML i
2.172
45 48, 33
Fv SML i
160
45 3, 55
Glede na zgornje podatke lahko izrišemo grafikon, ki nam prikaţe povezanost med
spremenljivkama.
Tukaj pričenjamo z uvodom v teorijo statističnih metod, ki smo jih uporabili v
diplomskem delu in so opisane v poglavju 3.
Iz podatkov je razvidno, da obisk v spletni učilnici vpliva na povprečno oceno pri
predmetu. Višina korelacijskega koeficienta, ki smo ga izračunali s pomočjo
programskega orodja Microsoft Office Excel je 0,79, kar glede na sliko 5 pomeni, da
obstaja visoka pozitivna povezanost med danima spremenljivkama. Pri izračunu smo
izvzeli podatke za študente predmeta SML-izredni, saj smo jih tretirali kot osamelca
(ang. outlayer).
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 32
3 OSNOVE STATISTIKE, UPORABLJENE V
DIPLOMSKEM DELU
3.1 Priprava podatkov
Kako pričeti z raziskovalnim procesom? Najprej moramo poznati temo, ki jo ţelimo
obdelovati ter poznati proces. Iz opazovanja lahko nato določamo razlage,
predvidevanja ali teorije iz katerih potem postavimo hipoteze. Za statistično analizo so
ključnega pomena podatki. Ko imamo podatke zbrane, jih lahko obdelamo in
analiziramo. S pomočjo statistične analize lahko svoja predvidevanja oziroma hipoteze
potrdimo ali ovrţemo.
Naslednji korak je določanje spremenljivk, ki bi jih radi “merili”.
Pri gradnji modelov lahko uporabimo izvorno obliko podatkov ali pa jih predhodno
pripravimo (normaliziramo, standardiziramo oz. jih spremenimo s katero od
matematičnih funkcij). Za izgradno napovednih in klasifikacijskih modelov predlagata
avtorja Han in Kember (2006) več različnih postopkov:
čiščenje podatkov (Data cleaning) z namenom odstranitve ali zmanjšanja šuma v
podatkih ter obravnavo manjkajočih podatkov. Obravnavani postopek lahko zmanjša
zmedo v postopku učenja modela;
izbiro atributov (Relevance analysis) kjer s korelacijsko analizo med atributi
odkrivamo redundantnost. S tem pri gradnji modela le-te izločamo. Prispevek
irelevantnih atributov v napovedi modela je nepomemben. Njihova morebitna
vključitev v model pa lahko upočasni delovanje modela ali vodi do napačnih
zaključkov v postopku učenja modela. Zmanjšanje števila potrebnih atributov za
izgradnjo modela nam olajša razumevanje delovanja le-tega;
s transformiranjem podatkov zagotovimo linearnost med obravnavanimi
spremenljivkami.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 33
Omenjene operacije izvedemo z namenom zagotoviti boljšo:
napovedno točnost (angl. Accuracy), ki predstavlja kvocient med številom pravilno
razvrščenih podatkov in vsemi podatki, testiramo pa jo z različnimi statističnimi
sodili;
robustnost (angl. Robustnes), ki predstavlja sposobnost modela pravilno napovedati
vrednosti odvisne spremenljivke ob pomankljivih podatkih.
3.2 Korelacija
Primarna naloga korelacije je meriti moč linearne povezave med dvema
spremenljivkama. Obravnavane odvisnosti med spremenljivkami delimo na stohastične
in deterministične. Slednje predstavljajo funkcijsko odvisnost med spremenljivkami,
česar pa v realnem svetu skoraj ne srečamo. Glavno merilo moči in smeri povezave med
dvema pojavoma predstavlja kovarianca.
Najlaţja pot za ugotavljanje korelacije je preverjanje, če spremenljivki med seboj
kovariirata oziroma sta kovariantni. Kovarianca je tesno povezana z varianco (ter
standardnim odklonom) in sicer bi jo lahko opredelili kot odstopanje dejanskih
podatkov od predvidevanih podatkov (drugače povedano, kako dobro se model ujema z
dejanskimi podatki).
Potrebno je poudariti, da lahko varianco računamo na dva načina in sicer ena formula je
za izračun variance vzorca dane populacije, druga formula pa je za izračun variance
celotne populacije. Varianco celotne populacije izračunamo po sledeči enačbi:
VAR 21
Nyi y
2
i 1
N
[4]
Kadar imamo na voljo zelo veliko število primerov in računamo s pomočjo vzorca iz te
populacije računamo varianco s pomočjo enačbe [5] in nato sklepamo na celotno
populacijo.
VAR 2
xi x
2
N 1 [5]
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 34
Iz variance pa izračunamo še standardni odklon (ang. standard deviation) s pomočjo
enačbe:
SD VAR 2 [6]
Če ţelimo vedeti, ali sta spremenljivki med seboj povezani to pomeni, da ţelimo
spremljati spremembe, ki se zgodijo z drugo spremenljivko, če spremenimo podatke v
prvi spremenljivki.
Če kovarianco normaliziramo, dobimo vrednost, ki jo imenujemo Pearsonov koeficient
korelacije (r)1, (angl. Pearson product-moment correlation coeficient, Pearson
correlation coeficient), ki zavzema vrednosti (-1 ≤ rxy ≤ 1). Izračunamo ga lahko po
enačbi [7]:
r cov
xy
sxsy
[7]
Obe skrajni vrednosti rešitve enačbe [7] predstavljata funkcijsko povezavo med podatki.
O pozitivni povezavi med spremenljivkama govorimo, ko ima povečanje ene
spremenljivke za posledico povečanje druge spremenljivke, v nasprotnem je vrednost
korelacijskega koeficienta negativna. Pri razlagi višine Pearsonovega koeficienta
korelacije moramo zavedati, da dvakrat višja vrednost r ne pomeni tudi dvakrat večje
povezanosti med spremenljivkama. Prav tako pa razlika med r=0,8 in r=0,9 ni enaka
razliki med r=0,5 in r=0,4. (Sagadin, 2003, str. 120). Korelacija je lahko linearna ali
krivuljčna. Potrebno je vedeti, da neznatna vrednost Pearsonovega koeficienta korelacie
še ne pomeni, da povezanosti med spremenljivkami ni. Povezava lahko vseeno obstaja a
ni linearna. Za interpretacijo rezultatov lahko uporabimo preglednico za interpretacijo
višine korelacijskega koeficienta. Slika [5] prikazuje razrede moči povezav odvisosti od
vrednosti koeficienta korelacije, ki smo jih uporabili pri interpretaciji v naši nalogi, pri
čemer pa v literaturi najdemo zelo različne razrede povezav (Field (2009); Fowler,
Cohen & Jarvis (1998); Nemec (2000); Sagadin (2003)).
1 Običajno označujemo Pearsonov koeficient korelacije s črko r. Ko govorimo o korelaciji v kontekstu regresije, ga
označujemo z R in govorimo o multiplem regresijskem koeficientu (Field, 2009, str. 170). Kvadrirano vrednost
Pearsonovega koeficienta korelacije vedno pišemo R2 in jo poimenujemo koeficient determinacije. Predstavlja nam
merilo deleţa variance, ki si jo merjeni spremenljivki delita.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 35
Za študij korelacij med proučevanimi podatki je dobro pare spremenljivk prikazati v
razsevnem diagramu (angl. Scatter diagram). V kolikor obstaja med opazovanimi
spremenljivkami odvisnost, med točkami narišemo regresijsko krivuljo tako, da se čim
bolj natančno prilega danim točkam diagrama. Iz razsevnega diagrama lahko tudi
sklepamo, na linearnost povezave med preučevanima spremenljivkama. Rezultati
tovrstne analize se v glavnem uporabljajo za testiranje skladnosti spreminjanja
opazovanih pojavov in stopnjo usklajenosti tega spreminjanja, pri tem pa ne moremo
sklepati kaj je vzrok in kaj posledica teh povezav. To je moč ugotavljati le na osnovi
empiričnega poznavanja pojavov.
V kolikor ne moremo sklepati na linearno povezavo, lahko podatke transformiramo.
Najbolj običajne transformacijske funkcije so logaritmiranje (log in ln), prevedba v
eksponentno (ex) ali v polinomsko obliko.
Slika 5: Tabela za določitev povezanosti pri izračunu korelacij
Vir: Sagadin, 2006, str. 122.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 36
Kako izračunati korelacijo brez programskega orodja najlaţje prikaţemo s primerom.
Primer 1:
Poskusimo najti korelacijo med številom obiskov e-gradiv ter končno oceno pri
zaključnem izpitu izbranih petih študenov.
Tabela 5: Podatki za primer 1
Predmet 1 2 3 4 5 povprečno
Število obiskov e-gradiv 19 9 1 14 5 9,6
Končna ocena izpita 8 4 2 10 6 6
Uporabimo enačbo za izračun kovariance (Košmelj (2004) str. 341-352):
cov x , y xy x y
y y
N 1
[8]
in nato vanjo vstavimo zgornje podatke. Izračun je sledeč:
cov x , y 19 9, 6 8 6 9 9, 6 4 6 1 9, 6 2 6 14 9, 6 10 6
5 1
cov x , y 9, 4 2 0, 6 2 8, 6 4 4.4 4
4
cov x , y 18, 8 1, 2 34 , 4 17, 6
4
cov x , y 18
Naslednji korak je izračun variance, kjer moramo uporabiti formulo [5], ki predstavlja
varianco za vzorec iz populacije. Upoštevati je potrebno, da za izračun korelacijskega
koeficienta potrebujemo standardni odklon spremenljivk x ter y, kar pomeni, da moram
izračunati najprej varianco za spremenljivko x (število obiskov e-gradiv) ter nato
varianco za spremenljivko y (končna ocena izpita).
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 37
x
29, 4
2
0, 6 2
8, 6 2
4 , 4 2
4, 6 2
5 1
x
288, 36 0, 36 73, 96 19, 36 21,16
4
x
2 50, 8
y
22
2
2 2
4 2
4 2
5 1
y
24 4 16 16
4
y
2 10
Ko imamo izračunano varianco, dobljeno število le še korenimo in tako dobimo
standardni odklon. Kot pri varianci, tudi tukaj dobimo standardni odklon spremenljivke
x ter spremenljivke y.
x 50, 8
x 7,13
y 10
y 3,16
Naslednji korak pri izračunu korelacije je izračun Pearsonovega koeficienta linearne
korelacije, ki se izračuna s pomočjo enačbe [7].
r 18
7,13 3,16
r 0, 80
Na podlagi tega primera smo prikazali ročni izračun korelacijskega koeficienta kot
skupek večih delnih izračunov. Če pogledamo sliko 5 vidimo, da glede na zgornji
primer obstaja visoka (tesna) pozitivna korelacija oziroma povezanost.
3.3 Regresija
V analizi regresije nas zanima napoved odvisne spremenljivke na osnovi ene ali večih
neodvisnih spremenljivk, moč povezave med temi spremenljivkami je drugotnega
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 38
pomena. Vlogo korelacijskega koeficienta v regresiji nadomesti njegova kvadratna
vrednost, ki predstavlja deleţ variance pojasnjene z neodvisnimi spremenljivkami.
Bistvo regresijske analize je priprava modela, ki ga prilagodimo našim podatkom ter ga
uporabimo za napovedovanje odvisne spremenljivke. Glede na število neodvisnih
spremenljivk ločimo enostavno in multiplo regresijo. Pri prvi uporabimo le eno
neodvisno spremenljivko, pri slednji pa dve ali več. Regresijska analiza ima opisno in
napovedovalno vlogo (Gujarati, 2003, str. 12-31, str. 767-787).
Enostavna regresija
Z regresijsko in korelacijsko analizo ugotavljamo medsebojno odvisnost med dvema ali
več skupinami spremenljivk. S korelacijsko analizo ugotavljamo jakost odvisnosti, z
regresijsko analizo pa je mogoče odvisnost med odvisno in eno (ali več) neodvisnimi
spremenljivkami izraziti v obliki regresijske enačbe. Niti korelacijska analiza niti
katerikoli drugi matematični postopek nam ne omogoča ugotavljanja vzročnosti. Le–to
je moč ugotavljati na osnovi poznavanja pojavov oz. študija relevantne teorije. Študij
odvisnosti med odvisno in neodvisno spremenljivko je najenostavneje pričeti s
prikazom dvojic vrednosti obeh spremenljivk v razsevnem grafikonu. Ta omogoča
ugotoviti obliko, smer in jakost odvisnosti. Oblika je lahko linearna ali krivuljčna, smer
je lahko pozitivna, kjer z naraščanjem vrednosti neodvisne spremenljivke naraščajo tudi
vrednosti odvisne ali negativna, glede na jakost pa je lahko bolj ali manj močna.
V kolikor obstaja med opazovanima spremenljivkama odvisnost, med točke narišemo
regresijsko premico v primeru linearne odvisnosti oz. regresijsko krivuljo v primeru
krivuljčne odvisnosti tako, da se premica oz. krivulja čim bolje prilega točkam. Ker v
večini primerov pri proučevanju naravnih pojavov ne gre za funkcijske odvisnosti in vse
točke ne leţijo na premici oz. krivulji Y = f(X), zapišemo linearno odvisnost med
spremenljivkama X in Y v obliki statističnega modela regresijske odvisnosti. Model
enostavne regresije ima obliko:
Y a bX [9]
kjer slučajno variiranje okrog pravih vrednosti predstavlja , ki je ostanek ali rezidual
(angl. error, disturbance term), ki nastane zaradi slučajnih vplivov, napak pri merjenju
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 39
ali zaradi tega, ker v model niso vključeni vsi vplivi neodvisne spremenljivke na
odvisno spremenljivko. Y je odvisna spremenljivka, X pa neodvisna spremenljivka.
Linearni regresijski model ima tri neznane parametre: presečišče a, naklonski koeficient
b in varianco s2. Prvi problem, ki ga moramo rešiti, ko smo zbrali podatke, je optimalna
izbira presečišča in naklonskega kota. Kriterijev za “najboljšo” premico je več,
najpogosteje pa se uporablja kriterij razlik med napovedanimi in izmerjenimi
vrednostmi. Vsota kvadratov teh razlik mora biti minimalna.2 Uporaba linearne
regresije pri reševanju določenega linearnega sistema zahteva izpolnitev naslednjih
pogojev (Gujarati, 2003, str. 66-92; Field, 2009, str. 197-206):
LINEARNOST SPREMENLJIVK: Obstajati mora pribliţno linearna zveza med odvisno
spremenljivko Y na eni strani in neodvisnimi spremenljivkami X1;… ;Xn na drugi
strani.
NEODVISNOST SPREMENLJIVK: Noben par neodvisnih spremenljivk X1;… ;Xn ne
sme biti preveč koreliran, tj. korelacijski koeficienti r(Xi;Xj) morajo biti po absolutni
vrednosti manjši od 0,7. Če temuo ni tako, je dobljen model lahko zelo občutljiv na
majhne merske napake ali spremembe vrednosti neodvisnih spremenljivk. Temu pojavu
rečemo multikolinearnost. Odvečne neodvisne spremenljivke je zato treba odstraniti iz
modela. Zaradi teţnje k čim večji natančnosti modela je smiselno odstraniti tiste
spremenljivke, ki so z odvisno spremenljivko v niţji korelaciji. V našem delu se s tem
problemom ne bomo soočali, saj bomo uporabili samo eno neodvisno spremenljivko.
Za napake dobljenega modela napovedovanja odvisne spremenljivke pa veljajo še
naslednji pogoji:
NEPOŠEVNOST NAPAK: Srednja vrednost napake je enaka 0. To je posledica metode
najmanjših kvadratov, na kateri temelji linearna regresija.
HOMOSKEDASTIČNOST NAPAK: Varianca napake mora biti po celotni učni mnoţici
enaka. V nasprotnem primeru je korelacija med odvisno spremenljivko in parametri
modela lahko zavajajoče povprečje vzorcev višje in niţje korelacije.
2 Metoda se imenuje v angleščini Ordinary least squares (OLS)
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 40
NORMALNOST NAPAK: Napaka mora biti normalno porazdeljena slučajna
spremenljivka.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 41
4 STATISTIČNA ANALIZA
4.1 Kaj želimo dokazati?
Namen statistične analize je bil dokazati, da študentje s sprotnim reševanjem kvizev za
preverjanje znanja pridobijo osnovno znanje s področja predmeta KML, ki ga nato s
študijem v času pred izpitnim rokom le še nadgradijo. To pomeni, da ima sprotno delo
študentov za posledico višjo oceno na pisnem izpitu.
4.2 Program Microsoft Office Excel
Microsoft Office Excel je aplikacija, razvita s strani podjetja Microsoft in deluje na
operacijskih sistemih Microsoft Windows ter Mac OS X. Uporabljamo jo lahko za
izračun kalkulacij, izdelovanje grafičnih predstavitev, pivot tabel ter za makro
programiranje, imenovano VBA (ang. Visual Basic for Applications). Trenutni aktualni
verziji sta Microsoft Office Excel 2010 (Windows) ter 2008 (Mac OS X). V Excel-u
smo za izračune uporabili funkcije, ki so zbrane v tabeli [6].
Aritmetična sredina je najbolj znana in najpogosteje uporabljana srednja vrednost, ki jo
izračunamo iz statistične vrste z N vrednostmi po enačbi:
y 1
Nyi
i 1
N
[10]
y povprečna vrednost
N število primerov
Tabela 6: Funkcije, ki smo jih v Excell-u uporabili za naše izračune
Funkcija Opis funkcije
COVAR funkcija za izračun kovariance vrne kovarianco, povprečno
vrednost zmnoţkov odklonov v paru
STDEVP Izračuna standardni odklon, ki temelji na celotni populaciji
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 42
AVERAGE Funkcija nam izračuna aritmetično sredino izbranih polj.
PEARSON Funkcija PEARSON nam predstavlja izračun korelacijskega
koeficienta (ang. correlation coeficient), kjer določimo obseg
mnoţice celic 1 ter 2 (ang. array1, array2). Uporablja se za
določevanje povezanosti pojavov oziroma povezanosti med
dvema spremenljivkama. V našem primeru je to povezanost
med povprečno oceno kvizev ter končno oceno (vpisano v
AIPS). Korelacija se izračuna kot končni izračun delnih
rezultatov kovariance, standardnega odklona ter variance, od
koder nato dobimo korelacijski koeficient R.
VARP Izračuna varianco, ki temelji na celotni populaciji
4.3 Viri in priprava podatkov
Podatke za statistično analizo smo pridobivali s spletnega portala estudij.fl.uni-mb.si
(študijsko leto 2009/2010), s pomočjo referata ter na podlagi rezultatov zaključnih
izpitov študentov. Izmed vseh predmetov, ki jih imajo študenti v programu, smo za
analizo izbrali predmet Kvantitativne metode v logistiki (KML), nato pa spremljali
dogajanje ves čas trajanja predmeta, zapisovali rezultate pri kvizih za preverjanje znanja
ter nato pridobili še podatke o oceni s končnega izpita.
Dobljene podatke smo razdelili v dva seta. Prvi set vsebuje podatke, ki so povezani z
redno vpisanimi študenti, v drugem setu pa so podatki izredno vpisanih študentov. Seta
podatkov sta prikazana v preglednici [7]. Oba seta podatkov vsebujeta dovolj primerov
(N>30), da smemo predpostavljati normalno distribucijo znotraj populacije, hkrati pa je
primerov še vedno malo, tako da smo pri analizah upoštevali celotno mnoţico primerov
in izračunov nismo delali na osnovi vzorčne statistike.
Seta vsebujeta za vsak primer podatke o uspešnosti reševanja kvizev ter uspešnosti pri
opravljanju pisnega izpita ter končne ocene. Redni študentje so lahko reševali štiri
kvize, izredni pa tri, pri čemer je bil obseg snovi za preverjanje na kvizie v enakem
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 43
obsegu za redne in izredno vpisane študente. Pri računanju povprečne ocene kvizov
smo uporabili enačbo [10].
Na voljo smo imeli podatke o uspešnosti posameznega študenta pri vsakem kvizu,
podatke o njihovi uspešnosti pri pisanju pisnega izpita ter končno oceno pri predmetu
Kvantitativne metode v Logistiki (KML). Podatki so zbrani v tabeli x. Končna ocena pri
predmetu KML je izračunana po enačbi [1].
Tabela 7: Seta podatkov za statistično analizo
SET 1; Redno vpisani študenti SET 2; Izredno vpisani študenti
A B A B A B A B A B
2 1.88 5 4.58 6 7.29 8 9.58 6 9.17
2 6.46 7 8.96 5 7.71 4 7.08 * 9.17
6 4.38 3 7.50 2 0.00 8 10.00 * 0.00
5 5.42 5 7.09 1 0.00 6 7.92 * 7.92
4 8.96 4 8.13 5 4.58 * 8.33 10 9.58
2 0.00 2 5.84 3 6.88 6 5.83 10 9.17
4 3.96 1 0.63 8 6.88 5 10.00 9 8.33
2 6.67 3 3.75 5 4.58 4 6.67 * 0.00
2 6.67 8 8.96 2 0.00 7 7.50 * 0.00
3 5.00 3 3.75 4 7.29 6 2.50 6 9.17
3 3.75 3 7.50 6 6.67 * 8.75 7 10.00
4 7.09 3 2.50 6 8.96 * 0.00 * 5.42
4 8.75 4 7.71 3 8.96 10 9.58 6 8.75
5 4.17 3 0.00 4 0.00 * 0.00 * 9.17
4 8.75 4 4.17 4 7.29 * 0.00 6 6.67
3 6.04 4 8.75 2 3.75 * 5.00 * 10.00
4 8.75 5 5.00 5 6.67 * 0.00 * 0.00
7 8.13 6 0.00 6 7.29 * 5.42 2 1.67
2 5.42 4 7.08 6 0.00 7 8.75 * 0.00
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 44
3 6.67 3 4.79 7 6.46 4 10.00 * 3.33
7 8.96 2 7.29 3 0.42 * 0.00 6 6.25
5 1.88 4 3.33 3 8.13 5 10.00 6 9.17
5 7.29 4 5.83 3 7.29
1 4.58 7 8.75 7 8.13
6 4.59 1 4.17 7 7.29
6 8.75 1 7.08 8 8.75
3 7.29 5 0.63 5 6.38
8 8.75 7 8.13 6 7.70
4 5.42 2 8.75 4 0.00
2 9.58 3 9.38 5 6.67
5 0.63
A … končna ocena izpita
B … povprečno doseţeno število točk na kvizu; maksimalno število točk na kvizu je 10.
* … študent ni pristopil k opravljanju izpita
4.4 Rezultati
Zbirnik podatkov obeh setov je prikazan v preglednici [8]. Struktura vpisa kaţe, da
predstavljata dve tretjini vpisanih redne študente, eno tretjino predstavljajo izredno
vpisani študenti. Redno vpisani študenti pristopajo k opravljanju izpita brez izjem, pri
izrednih študentih jih več kot polovica k opravljanju izpita sploh ni pristopila. Razlika
med populacijama je tudi v uspešnosti pri opravljanju izpita. Izredni študenti, ki so se
udeleţili izpita so pri tem precej uspešni. Kar 72% jih je izpit uspešno opravilo,
povprečna končna ocena izpita je precej visoka in pozitivna. Izredni študenti, ki so
uspešno opravili izpit, so bili uspešni tudi pri opravljanju študijskih obvez povezanih z
reševanjem kvizov. Samo 11% izrednih študentov pri reševanju kvizov ni doseglo 60%
vseh moţnih točk kviza, a so kljub temu uspešno opravili izpit. Pri rednih študentih je
deleţ uspešnih na izpitu samo 24%, pri tem pa je končna povprečna ocena izpita 4,17.
Če primerjamo samo dela populacije, kjer so študenti ţe na kvizih dosegli vsaj 60%
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 45
moţnih točk vidimo, da 18% redno vpisanih študentov ni doseglo tega standarda, a so
bili vseeno uspešni pri opravljanju izpita.
Tabela 8: Zbirnik podatkov uporabljenih setov v nalogi
SET 1
(redni študenti)
SET 2
(izredni študenti)
število vpisanih v e-študij 91 44
pristopili k opravljanju izpita 91 25
opravili izpit 22 18
doseţek na kvizu > 60% točk 52 27
opravilo izpit ob doseţku na kvizu >60% točk 18 16
povprečen doseţek na kvizu (%)3 56,8 60,40
povprečna ocena na izpitu4 4,17 6,63
Iz teh podatkov lahko sklepamo:
izredni študenti bolj uspešno opravljajo študijske obveznosti povezane s kvizi kot
redni študenti in so v povprečju pri tem tudi bolj uspešni;
izredni študenti se v manjšem deleţu kot redni študenti udeleţujejo izpita, a so tisti,
ki se izpita udeleţijo mnogo bolj uspešni kot redni študenti;
za obe populaciji pa velja, da je velika večina študentov, ki doseţe pri reševanju
kvizov vsaj 60% moţnih točk, uspešna pri opravljanju končnega izpita.
V nadaljevanju naloge smo raziskali moţne povezave med uspešnostjo opravljanja
študijskih obvez pri reševanju kvizov in uspešnostjo pri predmetu KML. S pomočjo
analize korelacij in regresije analize smo ţeleli ugotoviti kako povprečna ocena kviza
vpliva na končno oceno pri predmetu KML. Odvisno spremenljivko v modelu
predstavlja končna ocena pri predmetu KML, neodvisno spremenljivko pa povprečna
ocena kvizev. Prva serijo korelacij, ki smo jih preučevali, predstavlja povezavo med
povprečno oceno kvizev znotraj e-učilnice ter končno oceno, ki se je študentu vpisala v
indeks.
3 V izračunih so upoštevani vsi primeri seta 1 in seta 2. 4 Upoštevani so samo študentje, ki so pristopili k opravljanju izpita.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 46
Tabela 9: Soodvisnosti med preučevanima atributoma za redno vpisane študente
KONČNA_OCENA
Vsi redno vpisani študenti
KONČNA_OCENA 1
POVPREČNA OCENA KVIZA 0,31**
VELIKOST VZORCA 91
Študenti so izpit opravili
KONČNA_OCENA 1
POVPREČNA OCENA KVIZA 0,47*
VELIKOST VZORCA 22
Študenti izpita niso opravili
KONČNA_OCENA 1
POVPREČNA OCENA KVIZA 0,13 NS
VELIKOST VZORCA 69
Dvostransko intervalno ocenjevanje:
NS … ni statistično značilno; * statistično značilno pri < 0,05; ** statistično značilno pri < 0,01
Prva korelacija, ki smo jo preučili predstavlja soodvisnost med povprečno oceno kvizev
znotraj e-učilnice ter kvizi za preverjanje znanja. Redni študentje so reševali štiri kvize s
pomočjo katerih so preverjali svoje poznavanje obravnavane tematike. Študij
soodvisnosti med uspešnostjo redno vpisanih študentov na izpitu pri predmetu KML in
njihovo uspešnostjo pri reševanju kvizov nam je pokazal, da v celotni populaciji redno
vpisanih študentov obstaja statistično značilna ( < 0,01) nizka pozitivna soodvisnost
med povprečno oceno kviza in končno oceno pri predmetu KML. V mnoţici študentov,
ki so bili pri opravljanju študijskih obveznosti pri predmetu KML uspešni je
soodvisnost med preučevanima spremenljivkama zmerna in pozitivna. To trditev lahko
sprejmemo pri stopnji tveganja manjši od 5%. Mnoţica rednih študentov, ki niso bili
uspešni pri opravljanju izpita predstavlja 75% celotne populacije redno vpisanih
študentov preučevane generacije. V tej mnoţici soodvisnost med preučevanima
spremenljivkana ni statistično značilna, zato na osnovi korelacije ne moremo sklepati o
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 47
razlogih za njihovo neuspešnost. Tudi vrednost Pearsonovega koeficienta korelacije
r=0,13 je neznatna.
Enako smo analizirali soodvisnosti tudi znotraj mnoţice podatkov izrednih študentov in
rezultate zbrali v tabeli 10. Ti podatki so precej pomanjkljivi. Kar 33% študentov je
kvize bolj ali manj uspešno reševal, pri opravljanju izpita pa so bili neuspešni ali pa k
opravljanju izpita sploh niso pristopili.
Tabela 10: Soodvisnosti med preučevanima atributoma pri izrednih študentih
KONČNA_OCENA
Vsi izredno vpisani študenti
KONČNA_OCENA 1
POVPREČNA OCENA KVIZA 0,60**
VELIKOST VZORCA 44
Izredni študenti, ki so izpit opravili
KONČNA_OCENA 1
POVPREČNA OCENA KVIZA 0,46*
VELIKOST VZORCA 18
Izredni študenti, ki izpita niso opravili
KONČNA_OCENA 1
POVPREČNA OCENA KVIZA 0,45*
VELIKOST VZORCA 26
Dvostransko intervalno ocenjevanje:
NS … ni statistično značilno; * statistično značilno pri < 0,05; ** statistično značilno pri < 0,01
Prav tako imamo primere, ko študentje kvizov niso opravljali, so pa bili uspešni pri
opravljanju končnega izpita pri predmetu KML. Podatke izrednih študentov smo
pripravili tako, da smo v analizi upoštevali podatke študentov, ki so opravili svoje
študijske obveze povezane z reševanjem kvizov ter so pristopili k opravljanju pisnega
izpita pri predmetu KML. Študentom, ki niso pristopili k opravljanju izpita smo
vrednost končne ocene pripisali vrednost nič (0). Rezultati analize soodvisnosti med
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 48
uspešnostjo pri reševanju kvizov in končno oceno pri predmetu KML kaţejo, zmerno
pozitivno povezavo pri študentih, ki izpita niso imeli opravljenega v času zajema
podatkov. To trditev lahko sprejmemo pri 5% stopnji tveganja. Statistično značilna
(<0,01) je tudi zmerna soodvisnost med preučevanima atributoma znotraj celotne
populacije izredno vpisanih študentov. Podobno kot pri rednih študentih, ki so opravili
izpit, je tudi pri izredno vpisanih študentih, ki so bili na izpitu uspešni, povezava med
preučevanima spremenljivkama enako močna in statistično značilna pri 5% stopnji
tveganja.
Priprava modela
Na osnovi predhodnih rezultatov analize soodvisnosti med proučevanimi
spremenljivkami, smo pripravili več testnih modelov za napoved končne ocene izpita
pri predmetu KML. Za analizo smo seta podatkov iz preglednice 7 zdruţili in pripravili
tako, da smo upoštevali vse študente, ki so opravljali študijske obveznosti povezane z
reševanjem kvizov in so pristopili k opravljanju pisnega izpita. Podatki o ocenah izpitov
in povprečnih ocenah kviza, ki smo jih upoštevali v analizi, so zbrani v tabeli 11.
Tabela 11: Podatki, ki smo jih uporabili v regresijski analizi
A B A B A B A B
1 0,63 4 4,17 6 6,67 7 8,13
1 4,17 4 5,42 6 6,67 7 8,75
1 4,58 4 5,83 6 7,29 7 8,75
2 1,67 5 0,63 6 7,29 7 8,96
2 1,88 5 0,63 6 7,70 7 8,96
2 3,75 5 1,88 6 7,92 7 10,00
2 5,42 5 4,17 6 8,75 8 6,88
2 5,84 5 4,58 6 8,75 8 8,75
3 0,42 5 4,58 6 8,96 8 8,75
3 2,50 5 4,58 6 9,17 8 8,96
3 3,75 5 5,00 6 9,17 8 9,58
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 49
3 3,75 5 5,42 6 9,17 8 10,00
3 3,75 6 2,50 7 6,46 9 8,33
3 4,79 6 4,38 7 7,29 10 9,17
3 5,00 6 4,59 7 7,50 10 9,58
4 3,33 6 5,83 7 8,13 10 9,58
4 3,96 6 6,25 7 8,13
A … končna ocena izpita
B … povprečno doseţeno število točk na kvizu; maksimalno število točk na kvizu je 10.
Iz te mnoţice smo izločili študente, ki so pri reševanju kvizov dosegli več kot 60%
moţnih točk, izpita pa niso opravili. Za njih smo sprejeli domnevo, da rezultati, ki so jih
dosegli na kvizu mogoče niso plod njihovega dela, saj so bile naloge na kvizih enakega
tipa kot izpitne naloge. Če je študent dosegel na kvizu manj kot 60% izpita pa ni opravil
lahko predpostavljamo, da se študiju ni posvetil dovolj. Študentom, ki niso opravili
nobene obveze povezane s kvizi niti niso pristopili k opravljanju izpita, smo iz analize
prav tako izključili, saj je njihov rezultat ţe v naprej določen z neudeleţbo na izpitu.
Podatke za model smo pripravili tako, da smo kot neodvisno spremenljivko (KVIZ)
vzeli povprečne vrednosti doseţenih točk, ki so jih študenti dosegli pri opravljanju
kviza. Odvisno spremenljivko predstavlja končna ocena (OCENA) pri predmetu KML.
Regresijsko analizo smo izvedli s pomočjo programskega orodja MS Excel. Model, ki
smo ga dobili predstavljamo v tabeli 12.
Korelacijski koeficient (R=0,78) kaţe na tesno pozitivno linearno povezavo med med
povprečno uspešnostjo opravljanja kvizov in končno oceno pri predmetu KML.
Vrednost determinacijskega koeficienta (R Square) nam pove, da je 61% celotne
variance končne ocene pri predmetu pojasnjene z variabilnostjo povprečnih ocen kviza.
Razlika med Determinacijskim koeficientom in prostostnim stopnjam prilagojenim
determinacijskim koeficientom (Adjusted R Square) je manjša kot 2%, kar po SPSS
pomeni, da ima model dobro moč napovedovanja in je v tej cenilki ustrezen.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 50
Tabela 12: Rezultati modela uspešnosti študentov pri opravljanju izpita KML
SUMMARY OUTPUT
Regression Statistics
Multiple R 0,7831
R Square 0,6132
Adjusted R Square 0,6071
Standard Error 1,3975
Observations 65
ANOVA
df SS MS F Significance F
Regression 1 195,1136 195,1136 99,9036 1,27647E-14
Residual 63 123,0401 1,95301
Total 64 318,1538
Coefficients Standard Error t Stat P-value Lower 95%
Intercept 1,18824 0,46133 2,5756 0,01236 0,2663
KVIZ 0,68338 0,06837 9,9951 1,2764E-14 0,5467
F test (F=99,9) kaţe, da je med spremenljivkama linearna odvisnost. Vrednost statistike
t in raven značilnosti (P-value) kaţeta, da sta koeficienta značilno različna od nič iz
česar sklepamo da obstaja linearna odvisnost med opazovanima spremenljivkama.
Enačbo regresijske premice zapišemo v obliki:
y = 1,18824 + 0,68338x [12]
y … napovedana vrednost ocene izpita
x … povprečna vrednost ocena kvizov
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 51
V tabeli 13 so podani rezultati napovedanih ocen v odvisnosti od povprečne ocene na
kvizih. V nadaljevanju nas je zanimalo predvsem to, če lahko z modelom razdelimo
napovedane primere v dva razreda. Prvi razred, ki smo ga poimenovali “pozitivno”,
predstavljajo študenti, ki so opravili izpit, v drugem razredu so študenti, ki izpita niso
opravili. Ta razred smo poimenovali “negativno”. Za preslikavo napovedanih vrednosti
odvisne spremenljivke v dva razreda smo uporabili algoritem:
IF(y>5,1;”pozitivno”;”negativno”) [13]
Vrednost 5,1 smo nastavili kot mejo zato, ker se prevedba ocen na izpitih izračunava na
meji med negativno oceno (5) in pozitivno oceno (6) pri več kot 50%.
Tabela 13: Rezultat napovedi in klasifikacije primerov
ocena napoved razred ocena napoved razred
1 1,6154 negativno 6 5,7447 pozitivno
1 4,0363 negativno 6 6,1718 pozitivno
1 4,3199 negativno 6 6,1718 pozitivno
2 2,3272 negativno 6 6,4503 pozitivno
2 2,4696 negativno 6 6,5984 pozitivno
2 3,7509 negativno 6 7,1679 pozitivno
2 4,8905 negativno 6 7,1679 pozitivno
2 5,1758 pozitivno 6 7,3097 pozitivno
3 1,4736 negativno 6 7,4526 pozitivno
3 2,8967 negativno 6 7,4526 pozitivno
3 3,7509 negativno 6 7,4526 pozitivno
3 3,7509 negativno 7 5,6012 pozitivno
3 3,7509 negativno 7 6,1718 pozitivno
3 4,4634 negativno 7 6,3136 pozitivno
3 4,6052 negativno 7 6,7407 pozitivno
4 3,4656 negativno 7 6,7407 pozitivno
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 52
4 3,8927 negativno 7 6,7407 pozitivno
4 4,0363 negativno 7 7,1679 pozitivno
4 4,8905 negativno 7 7,1679 pozitivno
4 5,1741 pozitivno 7 7,3097 pozitivno
5 2,4696 negativno 7 7,3097 pozitivno
5 4,0363 negativno 7 8,0221 pozitivno
5 4,3199 negativno 8 5,8865 pozitivno
5 4,3199 negativno 8 7,1679 pozitivno
5 4,3199 negativno 8 7,1679 pozitivno
5 4,6052 negativno 8 7,3097 pozitivno
5 4,8905 negativno 8 7,7374 pozitivno
6 2,8967 negativno 8 8,0221 pozitivno
6 4,1781 negativno 9 6,8831 pozitivno
6 4,3216 negativno 10 7,4526 pozitivno
6 5,1747 pozitivno 10 7,7374 pozitivno
6 5,4594 pozitivno 10 7,7374 pozitivno
6 5,7441 pozitivno
Model je s preslikavo napovedanih vrednosti v razreda pravilno napovedal več kot 95%
vseh primerov. V treh primerih je končno oceno napovedal napačno. Vse tri napačne
napovedi se nanašajo na najniţjo pozitivno končno oceno izpita. Model je te ocene
napovedal prenizko, kar kaţe na ustrezno konzervativnost modela. Rezultat lahko
ocenimo kot dovolj dober za naš model tudi zato, ker ni v nobenem primeru negativne
ocene izpita pri predmetu KML napovedal pozitivnega rezultata.
4.5 Komentar
S pomočjo statistične raziskave smo dokazali, da sprotno delo in reševanje kvizev
vpliva na končno oceno pri kvizu in glede na zbrane podatke v študijskem letu
2009/2010 lahko s pomočjo regresije uporabimo model za napoved ocen za naslednje
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 53
študijsko leto. Smiselno bi bilo študentom predstaviti omenjene ugotovitve, saj lahko
tako vplivamo tudi na njihovo motivacijo pri študiju. V kolikor bodo študentje vedeli,
da se njihovo sprotno delo obrestuje na koncu, bodo bolj motivirani za nadaljnje delo.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 54
5 PREDLAGANE REŠITVE PROBLEMA
Cilj učitelja je, da študenti aktivno obvladajo podano snov. Sprotni študij je primeren
pogoj za izpolnitev obvez s strani študenta. Čeprav se je na naših univerzah uvedla
nekakšna oblika sprotnega študija ţe v začetku osemdesetih let prejšnjega stoletja z
uvedbo kolokvijev in uvedbo polnih pogojev za vpis v višji letnik, pa veliko študentov,
tako kot ţe prej kot dijaki, odlaša z učenjem do zadnjega trenutka. Marsikdo, ki ne zna
oceniti dovolj dobro kdaj je zadnji čas za začetek priprav na izpit, je nato na izpitih
neuspešen. Dobra stran sprotnega študija je tudi dejstvo, da študent, ki ne preštudira
spredavane snovi, teţko spremlja nadalnji potek predavanj. Naši predlogi, kako
pripraviti študente do bolj učinkovitega sprotnega dela se izraţajo v doseganju etapnih
ciljev, kar lahko dodatno motivira študente.
Kviz, ki ga mora študent rešiti v elektronski obliki do določenega datuma, naj bi kmalu
za tem zagovarjal še na delnem ustnem izpitu in s tem potrdil ali izgubil doseţen
rezultat, ki ga je dosegel pri elektronskem reševanju. Zagovor lahko poteka ustno ali
pisno. S tem bi se pribliţali nekdanjemu sistemu kolokvijev. Tako bi se v modelu tudi
izognili predpostavki o “neavtorstvu” rešitve kviza po elektronski poti.
Druga moţnost, ki jo predlagamo je priprava seminarske naloge z obveznim zagovorom
pred avditorijem. Tema seminarske naloge se tako v teoretičnem kot praktičnem delu
pokriva s snovjo kviza. Študent, ki bo moral nalogo predstaviti pred kolegi bo verjetno
precej bolj natančno preštudiral snov. Javna predstavitev pa od študenta zahteva tudi
aktivno poznavanje snovi. Sočasno se pri predstavitvi študent uri v govorništvu, kar mu
lahko oljša delo pri pripravi in zagovoru diplomskega dela.
Tretji predlog zajema spremembo uteţi pri izračunu končne ocene pri izpitu. Iz
sedanjega deleţa 0,1, ki ga ima ocena kviza, bi lahko ta deleţ povečali. S tem bi
nagradili vse študente, ki resno in sproti študirajo. Za primerjavo smo pripravili
hipotetični izračun na osnovi obstoječih podatkov, s katerimi smo zgradili naš model.
Končno oceno pri izpitu KML smo izračunali po enačbi:
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 55
1
10, 5 0, 5
n
i
z y xn
[14]
Na osnovi predlagane spremembe izračuna končne ocene pri predmetu KML smo na
istih podatkih pripravili simulacijski izračun za mnoţici redno vpisanih študentov.
Rezultati korelacij so prikazani v tabeli 14.
Tabela 14: Soodvisnosti med preučevanima atributoma za redno vpisane študente
KONČNA_OCENA
Vsi redno vpisani študenti
KONČNA_OCENA 1
POVPREČNA OCENA KVIZA 0,85**
VELIKOST VZORCA 91
Študenti so izpit opravili
KONČNA_OCENA 1
POVPREČNA OCENA KVIZA 0,32*
VELIKOST VZORCA 41
Študenti izpita niso opravili
KONČNA_OCENA 1
POVPREČNA OCENA KVIZA 0,79**
VELIKOST VZORCA 50
Dvostransko intervalno ocenjevanje:
NS … ni statistično značilno; * statistično značilno pri < 0,05; ** statistično značilno pri < 0,01
Prva razlika, ki jo opazimo je, da so korelacije v vseh primerih statistično značilne
najmanj pri stopnji tveganja <0,05. Prav tako je moč povezave med povprečno oceno
kviza in končno oceno pri predmetu KML mnogo višja (r=0,85; <0,01) znotraj celotne
populacije v primerjavi s trenutno veljavnim načinom izračuna ocene (r=0,31; <0,01).
Enako lahko trdimo za podmnoţico neuspešnih študentov, kjer je bila korelacija
neznatna in statistično neznačilna (r=0,13; NS), po predlaganem sistemu pa je korelacija
visoka (r=0,79; <0,01). Zanemarljiv pa ni niti sklep, da bi verjetno, ob predlagani
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 56
spremembi redni študenti bolj marljivo opravljali študijske obveze povezane s kvizi. Pri
tem se nam lahko poraja dilema, kako naj pedagoški delavec z gotovostjo ve, da je
študent res sam opravil omenjene kvize. Rešitev je lahko v dodatni uvedbi zagovorov,
kot jih predlagamo v našem prvem predlogu.
Simulirali smo tudi napovedni model za mnoţico rednih študentov, kjer smo po enakih
kriterijih kot za naš prvi model, izločili vse primere kjer je bila ocena kvizov večja kot
60% moţnih točk ocena na izpitu pa ni bila pozitivna. Regresijski model, ki smo ga
zgradili za napoved končne ocene pri predmetu KML in velja za napovedi končne ocene
v primeru ½ deleţa ocene kviza v končni oceni, je prikazan v tabeli 15.
Tabela 15: Regresijski model za napovedovanje končne ocene pri predmetu KML
Regression Statistics
Multiple R 0,8651
R Square 0,7484
Adjusted R Square 0,7447
Standard Error 0,9041
Observations 70
ANOVA
df SS MS F Significance F
Regression 1 165,3955 165,3955 202,3178 4,64E-22
Residual 68 55,59024 0,817503
Total 69 220,9857
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 1,6552 0,2967 5,578 4,55E-07 1,0631 2,2473
kviz 0,0636 0,0044 14,223 4,64E-22 0,0546 0,072
Model ustreza v vseh statističnih cenilkah. Oba koeficienta napovedne funkcije sta
statistično značilna. Korelacijski koeficient (R=0,86) kaţe na tesno pozitivno linearno
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 57
povezavo med med povprečno uspešnostjo opravljanja kvizov in končno oceno pri
predmetu KML. Determinacijski koeficient (R Square) kaţe, da je skoraj 75% celotne
variance končne ocene pri predmetu pojasnjene z variabilnostjo povprečnih ocen kviza.
Razlika med Determinacijskim koeficientom in prostostnim stopnjam prilagojenim
determinacijskim koeficientom (Adjusted R Square) je manjša kot 0,5%, kar po SPSS
pomeni, da ima model zelo dobro moč napovedovanja.
F test (F=202,3) kaţe, da je med spremenljivkama linearna odvisnost. Vrednost
statistike t je visoka in statistično značilna. Enačbo regresijske premice zapišemo v
obliki:
y = 1,6552 + 0,0636x [15]
y … napovedana vrednost ocene izpita
x … povprečna vrednost ocena kvizov
Tabela 16: Rezultati napovedi in klasifikacije primerov
ocena napoved razred ocena napoved razred
1 2,0529 negativno 6 6,2954 pozitivno
2 1,9212 negativno 6 6,2954 pozitivno
2 2,8482 negativno 6 6,2954 pozitivno
3 2,0529 negativno 6 6,4271 pozitivno
3 2,0529 negativno 6 6,4271 pozitivno
3 3,2459 negativno 6 6,5607 pozitivno
3 4,0412 negativno 6 6,8247 pozitivno
3 4,0412 negativno 6 6,8247 pozitivno
3 4,3071 negativno 6 7,2224 pozitivno
3 4,5712 negativno 6 7,2224 pozitivno
4 2,8482 negativno 6 7,3547 pozitivno
4 3,7759 negativno 6 7,3547 pozitivno
4 4,0412 negativno 6 7,6200 pozitivno
4 4,0412 negativno 6 7,7524 pozitivno
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 58
4 4,1735 negativno 7 5,7641 pozitivno
4 4,3071 negativno 7 5,8977 pozitivno
4 4,7048 negativno 7 6,2954 pozitivno
4 4,8365 negativno 7 6,2954 pozitivno
4 5,1024 pozitivno 7 6,2954 pozitivno
4 5,3677 pozitivno 7 6,5543 pozitivno
5 4,3071 negativno 7 6,5594 pozitivno
5 4,4388 negativno 7 7,2224 pozitivno
5 4,5712 negativno 7 7,2224 pozitivno
5 4,5712 negativno 7 7,3547 pozitivno
5 4,5712 negativno 8 6,0294 pozitivno
5 4,8365 negativno 8 6,8247 pozitivno
5 5,1024 pozitivno 8 6,8247 pozitivno
5 5,1024 pozitivno 8 6,8247 pozitivno
5 5,3665 pozitivno 8 7,2224 pozitivno
6 4,5724 negativno 8 7,2224 pozitivno
6 5,7113 pozitivno 8 7,2224 pozitivno
6 5,8977 pozitivno 8 7,3547 pozitivno
6 5,8977 pozitivno 8 7,3547 pozitivno
6 6,1618 pozitivno 9 7,2224 pozitivno
6 6,1630 pozitivno 9 7,3547 pozitivno
Napoved in klasifikacija primerov v pozitivni in negativni razred je zbrana v tabeli 16.
Model je klasificiral študente v dva razreda relativno točno, saj je med sedemdesetimi
primeri napačno razvrstil šest primerov. Za razliko od našega osnovnega modela, nam
je ta model napovedal pozitivne ocene tudi pri študentih, ki izpita niso opravili. Dobra
stran tega je, da se študente opozori, da visoka povprečna ocena na kvizu še vedno ni
zadosten pogoj za uspešno opravljen izpit in se je potrebno na izpit pripraviti.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 59
Priloţnost, ki jo vidimo na FL (vezano na tabelo 1) bi bila predvsem v izobraţevanju.
Študentje bi lahko v sklopu določenih predmetov pridobili določene certifikate. Vsi
vemo, da podjetja širom sveta dandanes zahtevajo papirno potrdilo o znanjih, še
predvsem o znanju računalništva ter jezikov. FL bi tukaj lahko študentom ponudila, da
pridobijo certifikat ECDL (Europen Computer Driving Licence), ki dokazuje znanje in
usposobljenost za delo z računalnikom (»ECDL računalniško spričevalo (certifikat)«
[B2 ECDL certificiranje]. b. d), ravno tako bi lahko ponudila moţnost certificiranja
znanja angleškega in nemškega jezika. Študentom bi bilo potrebno predstaviti prednosti
določenega certifikata, nato pa bi se lahko sami odločili, ali ga ţelijo ali ne. Druga
moţnost je v tem, da študentje namesto opravljanja izpita iz določenega predmeta
opravljajo izpit, s katerim pridobijo certifikat (seveda se zahtevnost izpita poveča),
ocena le-tega pa hkrati pomeni opravljen zaključni izpit pri določenem predmetu. S tem
bi FL izobraţevala bolj iskan kader, kar bi posledično vplivalo tudi na njen sloves. Ker
fakulteta ţe ima infrastrukturo za e-izobraţevanje, bi lahko v sklopu tega pripravila še
tečaje za ljudi izven fakultete. Za opravljanje tega FL potrebuje licenco in sicer za
opravljanje ECDL izpita v Sloveniji je odgovorno Slovensko društvo Informatika, za
pridobitev jezikovnih certifikatov pa Goethejev inštitut v Ljubljani.
Tema našega diplomskega dela je bila tudi motivacija študentov. Na primeru predmeta
ELP smo dokazali, da motivacija študentov z uporabno vrednostjo, ki jo lahko pridobi s
predmetom, bo pokazal veliko večje zanimanje. Dejstvo je tudi, da je uporaba
hibridnega načina učenja dvostranski proces, saj mora pedagoški delavec za
zagotavljanje zadostne motivacije spremljati dogajanje v njegovi e-učilnici, pomagati
študentom ter slediti vprašanjem na forumu. E-gradiva ter interaktivni elementi znotraj
le-teh prinašajo le še dodano vrednost k vsemu skupaj.
Naslednja stopnja razvoja na področju Adobe Flash animacij je, da se sestavijo naloge,
kjer je osnovna naloga enaka za vse študente, medtem ko številke znotraj naloge
program generira sam. Tako bi bili študentje prisiljeni v samostojno delo, s tem pa se
rešimo tudi potrebe po preverjanju IP naslovov ipd.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 60
ZAKLJUČEK
Osnova pri pisanju diplomske naloge so nam bili teoretični viri, na podlagi katerih smo
poskušali najti vzporednice z načinom študija na FL, kar smo opisali v poglavjih 1 ter 2.
Spletna učilnica je za študente koristno in učinkovito dopolnilo študiju. Njihov uspeh na
izpitih pri preučevanih predmetih je visoko koreliran (r=0,79) s končno oceno pri teh
predmetih. Pri tem je izjema le predmet SML-izredni, ki smo ga iz analize korelacije
izločili, saj smo ga tretirali kot osamelec od ostalih podatkov.
Če se lotimo analize po posameznih predmetih, začenši s predmetom KML, lahko
rečemo, da so študentje sicer sodelovali v spletni učilnici, ravno tako so imeli na voljo
računalniškega agenta z avatarjem ţenskega spola. Njihova obveznost je bilo reševanje
kvizov, ki so bili sestavljeni iz animiranih nalog. Izračun korelacije med povprečno
oceno kvizev ter končno oceno na izpitu je bila tema našega eksperimentalnega dela
naloge. S pomočjo analize korelacij in z regresijsko analizo smo pripravili model, ki
nam omogoča ločiti študente, ki bodo izpit opravili od tistih, ki na izpitu ne bodo
uspešni. Model najprej napove višino končne ocene pri predmetu KML na osnovi
povprečne ocene opravljenih kvizov. Na osnovi napovedi pa le-te klasificira v pozitivni
in negativni razred. Model je zgrajen s konzervativnim pristopom, saj nobenega primera
ne napove preoptimistično, to je v nobenem primeru negativne ocene, le-te ne napove
kot pozitivno vrednost. Točnost klasifikacije je zelo visoka, saj napačno razvrsti manj
kot 10% primerov.
Pri predmetu SML so študentje imeli na voljo računalniškega agenta z avatarjem
ţenskega spola, niso pa imeli animiranih nalog. Pri rednih je bil obisk v spletni učilnici
precej visok, česar pa ni bilo zaznati pri izrednih študentih. Povprečna ocena predmeta
je bila 7,30 tako pri rednih, kot pri izrednih študentih. Tukaj smo glede na ostale
podatke, zbrane v poglavju 2.5 izredne študente tretirali kot osamelce in jih izločili iz
statistične analize. Na podlagi omenjenega lahko sklepamo, da metoda samostojnega
dela oziroma izključno on-line študija za izredne študente z moţnostjo konzultacij po
zaključenem študijskem obdobju (pri izrednih so to 4 tedni) ima smisel.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 61
V zaključnem letniku študija so študentje imeli moţnost izbire dveh predmetov, iz
katerih bodo opravljali izpit. Tisti, ki so se odločili za predmet ELP, so v sklopu
predavanj dobili nalogo, kjer so morali delovati kot celota, a kljub vsemu je moral vsak
narediti svoj del. Tudi ti študentje so imeli na voljo za nejasnosti povprašati Cindy.
Tukaj je bila udeleţba v spletni učilnici najvišja, vzporedno temu pa tudi povprečna
ocena na zaključnem izpitu. Iz tega lahko sklepamo, da so študentje izjemno motivirani
za reševanje realnih problemov oziroma uporabnih nalog.
Predlagamo nadgradnjo raziskave, saj bi bilo za potrditev našega modela dobro
raziskavo nadaljevati še na nekaj naslednjih generacijah študentov. Za nadgradnjo
predlagamo uvedbo modela z več parametri. Kot moţnost predlagamo modeliranje z
metodami strojnega učenja. Za naše delo bi bila lahko primerna metoda podpornih
vektorjev, ki ne zahteva linearnih soodvisnosti med spremenljivkami ali metoda
modelnih dreves, kjer je interpretacija rezultatov jasna in razumljiva ter enostavno
predstavljiva v grafični obliki.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 62
LITERATURA IN VIRI
Abbad, M., Morris, D., Al-Ayyoub, A., & Abbad, J. (2009). Students’ Decisions to Use
Abbad, M., Morris, D., Al-Ayyoub, A., & Abbad, J. (2009). Students’ Decisions
to Use an eLearning System: A Structural Equation Modelling Analysis.
International Journal Of Emerging Technologies In Learning (IJET), 4(4).
Najdeno 20. februarja na spletni strani http://onlinejournals.org/i-
jet/article/view/928/1200
ActionScript [Wikipedia]. Najdeno 24. februarja na spletnem naslovu
http://en.wikipedia.org/wiki/ActionScript
Awouters, V. & Jans, S. (2009). E-Learning competencies for teachers in secondary
and higher education. (4). 2 str.: 58-60. Najdeno 17. maja 2010 na spletnem
naslovu http://online-journals.org/i-jet/article/viewArticle/739
Bates, T. (2001). National strategies for e-learning in post-secondary education and
training. Paris: United Nations Educational, Scientific and Cultural Organisation
(UNESCO).
ECDL računalniško spričevalo (certifikat) [B2 ECDL certificiranje]. Najdeno 3. junija
na spletnem naslovu http://www.b2.eu/racunalniski-tecaji/ECDL-
certificiranje.aspx
Fakulteta za logistiko Univerze v Mariboru (2002). Interno gradivo. Celje: FL UM.
Fakulteta za logistiko Univerze v Mariboru (2009). Študij 1. stopnje (brošura). Celje: FL
UM.
Fowler, J., Cohen, L. & Jarvis, P. (1998). Practical Statistics for Field Biology. 2nd
Edition. Chichester: John Wiley & Sons.
Gujarati, D. N. (2003). Basic Econometrics. (4th
Ed.). Boston: McGraw-Hill.
Han, J. & Kamber, M. (2006). Data Mining: Concepts and Techniques. 2nd
Edition.
Amsterdam, Boston, San Francisco: Elsevier, Morgan Kaufmann.
Holenko, M. & Hoić-Boţić, N. (2008, 30. julij). Using Online Discussions in a Blended
Learning Course. International Journal of Emerging Technologies in Learning.
Najdeno 20. februarja 2010 na spletnem naslovu http://online-journals.org/i-
jet/article/view/630/594
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 63
Implementacija hibridnog učenja [Metodika i komunikacija e-obrazovanja]. Najdeno
15. januarja 2010 na spletnem naslovu: http://www.carnet.hr/referalni/
obrazovni/mkod/metodika/hibridno_impl.html
Informacijski paket [Fakulteta za logistiko Univerze v Mariboru]. Najdeno 10. januarja
2010 na spletnem naslovu http://fl.uni-mb.si/attachments/173
_Informacijski_paket_2009_SLO.pdf
Kaj je ECTS (kreditna točka)? [Informatika in tehnologija komuniciranja].Najdeno 15.
septembra 2010 na spletnem naslovu: http://www.itk.uni-mb.si/Faq.aspx#ECTS
Knowles, M. (b. d.). Andragogy. Najdeno 12. maja na spletnem naslovu
http://tip.psychology.org/knowles.html
Korin-Lustig, A. & Lukarić, S. (2008). Pedagogical Aspects of E-learning
Implementation: What Have We Learned? International Journal of Emerging
Technologies in Learning (iJET), Vol 3. Najdeno 21. marca 2010 na spletnem
naslovu http://online-journals.org/i-jet/article/viewArticle/645
Košmelj, K. (2004). Osnove analize kovariance. Acta agriculturae slovenica, (83), 341-
352. Ljubljana: Biotehniška fakulteta.
Krajnc, A. (1979). Metode izobraževanje odraslih - andragoška didaktika. Ljubljana:
Delavska enotnost. Najdeno 20. marca 2010 na spletnem naslovu
http://webcache.googleusercontent.com/search?q=cache:AejrqeNySeEJ:www.stu
dent-info.net/sis-
mapa/skupina_doc/fsd/knjiznica_datoteke/538840_ana_krajnc___metode_izobraz
evanja_odraslih.doc+Metode+izobra%C5%BEevanje+odraslih.+Andrago%C5%
A1ka+didaktika.&cd=8&hl=sl&ct=clnk&gl=si&lr=lang_en%7Clang_hr%7Clang
_sr%7Clang_sl
Kvantitativne metode v logistiki [Blend.FL 09/10] (b. d.). Najdeno 8. aprila 2010 na
spletni strani http://estudij.fl.uni-mb.si/course/view.php?id=64
Ministrstvo za šolstvo in šport Republike Slovenije (2007, julij). Strategija
vseživljenjskosti učenja v Sloveniji. Ljubljana: Javni zavod Pedagoški inštitut,
2007.
Nemec, J. (2000). Statistika. Maribor: Fakulteta za kmetijstvo in biosistemske vede.
O’Neill, K., Singh,G. & O’Donoghue, J. (2004). Implementing eLearning Programmes
for Higher Education: A Review of the Literature. Journal of Information
Technology Education (3) str. 313-323.
Fakulteta za logistiko Univerze v Mariboru Visokošolski strokovni študijski program
Sabrina Trafela: Blend.FL na Fakulteti za logistiko 64
Ortiz, J., M. (2001). E-Learning: effects and demands on students and teachers. E-
Learning. E4_Activity 5 – International BEST Symposium. Helsinki: IBS.
Najdeno 10. aprila 2010 na spletnem naslovu:
http://www.best.eu.org/download/edu/IBS-2001-Trondheim-eLearning.pdf
Pigliapoco, E. & Bogliolo, A. (2007, 26. november). The Effects of Psychological
Sense of Community in Online and Face-to-Face Academic Courses.
International Journal Of Emerging Technologies In Learning (IJET). Najdeno 20.
februarja 2010 na spletnem naslovu http://online-journals.org/i-jet/
article/view/201/704
Poslanstvo Fakultete za logistiko [Poslanstvo, vizija, strateške usmeritve]. Najdeno 15.
septembra 2010 na spletnem naslovu: http://fl.uni-
mb.si/index.php?option=com_content&view=article&id=25&Itemid=110
Sagadin, J. (2003). Statistične metode za pedagoge. Maribor: Obzorja d.o.o.
Samoevalvacijsko poročilo 2008/2009. [Fakulteta za logistiko Univerze v Mariboru].
Najdeno 10. januarja 2010 na spletnem naslovu http://fl.uni-
mb.si/attachments/173_ Samoevalvacijsko poročilo 2008/2009_SLO.pdf
Smyth, G. (2006, 31. marec). Wireless Technologies Bridging the Digital Divide in
Education. International Journal of Emerging Technologies in Learning. Najdeno
20. februarja 2010 na spletnem naslovu http://onlinejournals.org/i-
jet/article/view/5/11
Statistični urad Republike Slovenije (2010, 14. maj). Svetovni dan telekomunikacij.
Ljubljana: Statistični urad Republike Slovenije.
Zakon o visokem šolstvu. Uradni list RS št. 119/2006-UPB3, 59/2007-ZŠtip (63/2007
popr.), 15/2008 Odl.US: U-I-370/06-20, 64/2008, 86/2009, 62/2010-ZUPJS.
Ţibert, A., Juričić, Đ. & Ţnidaršič, B. (b. l.). Zbrano gradivo informatizacije šolstva.
Interno gradivo. Ljubljana: Zavod za šolstvo Republike Slovenije.