Unveiling the relationship across students' feedback, video viewing logs and achievement in video-based learning

The rapid adoption of Video-Based Learning (VBL) as an asynchronous form of learning has presented educators with the challenge of assessing student engagement and understanding in the absence of face-to-face interaction. This study aims to shed light on the "black box" of how students use this kind of resources and with what outcomes by examining the relationship between video interaction logs, quiz scores, and self-reported metrics on perceived difficulty, understanding, and prior knowledge. The study involved a diverse sample of 32 university students with backgrounds ranging from STEM to humanities, who watched a video on the subject of machine learning. Employing a K-Means cluster analysis approach, we identified three distinct learner profiles: Regular Viewers, Careful Viewers, and Superficial Viewers. These profiles were characterized by unique patterns of video interactions, such as playback rates, pausing, and rewatching behaviors. Enriching these profiles with additional metrics, such as quiz scores and self-reported data, revealed nuanced learning trajectories within each cluster, with Careful Viewers demonstrating the most significant improvement despite initial knowledge disadvantages. Our findings underscore the influence of prior knowledge on video engagement behaviors, with learners possessing a strong foundation exhibiting more streamlined viewing patterns. Furthermore, the study highlights the value of deep engagement, characterized by deliberate pausing and rewatching, in facilitating knowledge acquisition and understanding. Despite the limitations posed by the controlled laboratory setting and the sample size, the insights gleaned from this research hold promising implications for enhancing instructors' awareness in VBL contexts.

La rapida adozione dell'apprendimento basato su video (VBL) come metodo di insegnamento asincrono ha presentato agli educatori la sfida di misurare l'engagement e la comprensione degli studenti in un contesto privo di interazione diretta. Questo studio si propone di esplorare la "scatola nera" dell'utilizzo da parte degli studenti di tali risorse e dei relativi esiti, analizzando la correlazione tra i log di interazione con i video, i risultati dei quiz e le autovalutazioni riguardanti la difficoltà percepita, la comprensione e le conoscenze pregresse. La ricerca ha coinvolto un gruppo eterogeneo di 32 studenti universitari, con background che spaziano dalle discipline STEM alle scienze umane, i quali hanno visionato un video sul machine learning. Attraverso l'impiego del clustering K-Means, sono stati identificati tre profili distinti di studenti: gli Spettatori Regolari, gli Spettatori Attenti e gli Spettatori Superficiali, ognuno caratterizzato da un approccio unico nell'interazione con i video, che include differenze nella velocità di riproduzione, nel numero di pause e nella frequenza di revisione dei contenuti. Integrando questi profili con ulteriori metriche, quali i punteggi dei quiz e le autovalutazioni, sono emerse varie tecniche di apprendimento all'interno di ciascun cluster, evidenziando come gli Spettatori Attenti abbiano registrato il miglioramento più marcato, nonostante una minore conoscenza di base. I risultati evidenziano l'importanza delle conoscenze pregresse nell'interazione con i video, con gli studenti più preparati che tendono a interagire con i materiali in modo più efficiente. Inoltre, lo studio mette in luce come un coinvolgimento attivo, caratterizzato da pause e revisioni, possa facilitare l'assimilazione e la comprensione dei contenuti. Nonostante le limitazioni dovute all'ambiente di laboratorio controllato e alla dimensione del campione, le osservazioni ottenute offrono spunti significativi per migliorare la consapevolezza degli istruttori nei contesti di VBL.