Μοντέλο ψηφιακού περιβάλλοντος πολυδιάστατης μαθησιακής υποστήριξης σε δραστηριότητες ρομποτικής: ανάπτυξη προγραμματιστικών και μεταγνωστικών δεξιοτήτων

Abstract

Educational Robotics (ER) constitutes a complex learning environment that integrates programming, problem solving, and collaboration. However, the literature indicates that its educational benefits largely depend on instructional design and the forms of support embedded within learning activities, while scaffolding is often applied in a fragmented manner and support for collaborative regulation of learning remains limited. This doctoral dissertation designs, develops, and investigates the Multidimensional Support Model for Robotics Learning Activities (MuSRA), a theoretically grounded design framework that conceptualizes learning regulation as an organizing principle of activity design. The model draws upon principles of social constructivism, metacognitive regulation, and multimodal learning, while also incorporating elements of Universal Design for Learning and multimedia learning. A central component of MuSRA is the use of Multimodal Robotic Activity Sheets (mRASs), which embed scaffolding strategies and Digital Internal Tools (DiTs). Through these, students generate Learner-Generated Digital Data (LGDD), such as code snapshots, execution videos, and verbal or written explanations. These data function as shared artifacts that support the externalization of thinking, monitoring of progress, and collaborative regulation of problem solving. The study examines: (i) students’ learning experience and their evaluation of the learning environment, (ii) learning outcomes, with emphasis on programming and debugging skills as well as self-efficacy, and (iii) metacognitive and regulatory processes—self-regulated learning (SRL), co-regulated learning (CoRL), and socially shared regulation of learning (SSRL)—that emerge during collaboration. A multi-layered methodological design was employed, combining design-based feasibility research, mixed methods, and a longitudinal within-subject approach. The study involved 48 lower secondary school students who participated in thirteen ER sessions, with data collected at individual, group, and process levels. The findings indicate high acceptance of the instructional design, with activities evaluated as engaging and appropriately challenging. The mRASs provided clear structure and shared reference points, facilitating coordination, decision making, and progress monitoring. The gradual internalization of their structure suggests that scaffolding was effectively integrated into the learning process. Additionally, tool usability and multimodal expression enhanced student engagement and the explicit articulation of ideas. In terms of learning outcomes, statistically significant improvement was observed in debugging performance and a reduction in programming errors, both in terms of identification and correction. At the same time, students’ self-efficacy and confidence were strengthened. Regarding metacognition and collaborative regulation, significant increases were observed in perceived group metacognition, while analysis revealed dynamic interactions among SRL, CoRL, and SSRL processes. In particular, during activities involving collective interpretation, socially shared regulation was strengthened, with LGDD functioning as shared reference points for decision making. Overall, this dissertation contributes to the theoretical and design-oriented understanding of learning regulation in ER, demonstrating that the integration of scaffolding, digital tools, and learner-generated data can support the transition toward more advanced forms of collaborative regulation. Furthermore, it opens avenues for future research across different learning contexts (e.g., STEAM) and for further exploration of LGDD as resources for supporting learning.

Η Εκπαιδευτική Ρομποτική (ΕΡ) αποτελεί ένα σύνθετο μαθησιακό περιβάλλον που συνδυάζει προγραμματισμό, επίλυση προβλήματος και συνεργασία. Ωστόσο, η βιβλιογραφία επισημαίνει ότι τα μαθησιακά της οφέλη εξαρτώνται σε μεγάλο βαθμό από τον παιδαγωγικό σχεδιασμό και τις μορφές υποστήριξης που ενσωματώνονται στις δραστηριότητες, ενώ συχνά παρατηρείται αποσπασματική χρήση μαθησιακών σκαλωσιών και περιορισμένη υποστήριξη της συνεργατικής ρύθμισης της μάθησης. Η παρούσα διδακτορική διατριβή σχεδιάζει, συγκροτεί και διερευνά το «Μοντέλο Πολυδιάστατης Μαθησιακής Υποστήριξης για Συνεργατικές Δραστηριότητες Εκπαιδευτικής Ρομποτικής» (Multidimensional Support Model for Robotics Learning Activities – MuSRA), ένα θεωρητικά τεκμηριωμένο πλαίσιο σχεδιασμού που αντιμετωπίζει τη ρύθμιση της μάθησης ως οργανωτική αρχή των δραστηριοτήτων. Το μοντέλο βασίζεται σε αρχές κοινωνικού εποικοδομισμού, μεταγνωστικής ρύθμισης και πολυτροπικής μάθησης, ενώ ενσωματώνει στοιχεία Καθολικής Σχεδίασης για τη Μάθηση και πολυμεσικής μάθησης. Κεντρικό στοιχείο του MuSRA αποτελούν τα πολυτροπικά ψηφιακά φύλλα δραστηριότητας (multimodal Robotic Activity Sheets – mRASs), τα οποία ενσωματώνουν στρατηγικές σκαλωσιών και Ψηφιακά Εσωτερικά Εργαλεία (Digital Internal Tools – DiTs). Μέσω αυτών, οι μαθητές παράγουν Ψηφιακά Δεδομένα Καταγραφής Πειραμάτων από τους Μαθητές (Learner-Generated Digital Data – LGDD), όπως στιγμιότυπα κώδικα, βίντεο εκτέλεσης και προφορικές ή γραπτές εξηγήσεις. Τα δεδομένα αυτά λειτουργούν ως κοινά τεχνουργήματα (artifacts) που υποστηρίζουν την τεκμηρίωση της σκέψης, την παρακολούθηση της προόδου και τη συλλογική ρύθμιση της επίλυσης προβλημάτων. Η μελέτη εξετάζει: (i) τη μαθησιακή εμπειρία και την αξιολόγηση του περιβάλλοντος από τους μαθητές, (ii) τα μαθησιακά αποτελέσματα, με έμφαση στις δεξιότητες προγραμματισμού και αποσφαλμάτωσης, καθώς και στην αυτο-αποτελεσματικότητα, και (iii) τις μεταγνωστικές και ρυθμιστικές διεργασίες — αυτορρύθμιση της μάθησης (self-regulated learning – SRL), συν-ρύθμιση (co-regulated learning – CoRL) και κοινωνικά διαμοιραζόμενη ρύθμιση της μάθησης (socially shared regulation of learning – SSRL) — που αναδύονται κατά τη συνεργασία. Ακολουθήθηκε πολυεπίπεδος μεθοδολογικός σχεδιασμός που συνδυάζει σχεδιαστικά προσανατολισμένη έρευνα εφικτότητας, μεικτές μεθόδους και διαχρονική προσέγγιση εντός-υποκειμένων. Συμμετείχαν 48 μαθητές Γυμνασίου σε δεκατρείς συνεδρίες ΕΡ, με συλλογή δεδομένων σε ατομικό, ομαδικό και διαδικαστικό επίπεδο.Τα αποτελέσματα δείχνουν υψηλή αποδοχή του σχεδιασμού, με τις δραστηριότητες να αξιολογούνται ως ενδιαφέρουσες και κατάλληλα απαιτητικές. Τα mRASs παρείχαν σαφή δομή και κοινά σημεία αναφοράς, διευκολύνοντας τον συντονισμό, τη λήψη αποφάσεων και την παρακολούθηση της προόδου. Η ευχρηστία των εργαλείων και η πολυτροπική έκφραση συνέβαλαν στη μαθησιακή συμμετοχή και υποστήριξαν τη ρητή διατύπωση ιδεών. Σε επίπεδο μαθησιακών αποτελεσμάτων, καταγράφηκε στατιστικά σημαντική βελτίωση στην αποσφαλμάτωση και μείωση των προγραμματιστικών σφαλμάτων, τόσο στον εντοπισμό όσο και στη διόρθωση. Παράλληλα, ενισχύθηκε η αυτο-αποτελεσματικότητα και η αυτοπεποίθηση των μαθητών. Σε επίπεδο μεταγνώσης και συνεργατικής ρύθμισης, παρατηρήθηκαν σημαντικές αυξητικές βελτιώσεις στο αντιλαμβανόμενο μεταγιγνώσκειν της ομάδας, ενώ η ανάλυση ανέδειξε δυναμική αλληλεπίδραση μεταξύ SRL, CoRL και SSRL. Ιδιαίτερα σε δραστηριότητες συλλογικής ερμηνείας, η κοινωνικά διαμοιραζόμενη ρύθμιση ενισχύθηκε, με τα LGDD να λειτουργούν ως κοινά σημεία αναφοράς για αναστοχασμό και λήψη αποφάσεων. Συνολικά, η διατριβή συμβάλλει στη θεωρητική και σχεδιαστική κατανόηση της ρύθμισης της μάθησης στην ΕΡ, αναδεικνύοντας ότι η ενοποίηση σκαλωσιών, ψηφιακών εργαλείων και δεδομένων καταγραφής μπορεί να υποστηρίξει τη μετάβαση προς πιο ώριμες μορφές συνεργατικής ρύθμισης. Παράλληλα, ανοίγει προοπτικές για μελλοντική έρευνα σε διαφορετικά μαθησιακά και εκπαιδευτικά πλαίσια (π.x. STEAM) καθώς και για περαιτέρω αξιοποίηση των LGDD ως πόρων υποστήριξης της μάθησης.