Avaliação da aprendizagem em domínios complexos do mundo

e alto nível são relatados aqui) analisou a utilização de representações de problemas anotados para determinar os níveis relativos de experiência em biologia, engenharia e medicina. Estudos complementares, com resultados semelhantes têm sido relatados na literatura (Seel et ai, 2000;. & Kommers Stoyanova, 2002; Taricani & Clariana, 2006). O estudo profundo envolveu a seleção de dois cenários de problemas representativos para cada um dos três domínios solução de problemas complexos (biologia, engenharia e medicina).

Temas incluídos ambos especialistas e não-especialistas entrevistados; eles foram fornecidos com um cenário de problema e pediu para indicar o que eles achavam que seria relevante para uma solução. Os assuntos foram pedidos para documentar esses itens, proporcionando uma breve descrição de cada item juntamente com uma breve explicação de como e por que era relevante. Os indivíduos foram convidados a indicar e pressupostos de documentos sobre a situação do problema que eles estavam fazendo (inicialmente e novamente no final da atividade).

Os indivíduos foram convidados a desenvolver a 8 representação JM Spector de uma abordagem solução - mas não uma solução. Peças necessárias desta representação incluído (a) principais fatos e fatores que influenciam a situação-problema; (b) a documentação de cada fator - por exemplo, como ele influencia o problema; (c) uma representação gráfica da situação-problema que ligava fatores-chave (ver https://deep.lsi.fsu.edu/DMVS/jsp/index.

htm para acesso on-line para a ferramenta de profundidade); (d) as anotações sobre a representação gráfica (descrições de cada link e cada fator); (e) uma abordagem solução baseada na representação já fornecidos, incluindo informação adicional que seria necessária para especificar totalmente uma solução; e (f) uma indicação de outra solução possível se aproxima (muito poucos dos inquiridos apresentaram este último item).