Pokud vyučující v průběhu celého procesu učení pravidelně získávají zpětnou vazbu, mohou cíleně zlepšovat zážitek z učení v prostředí XR. Kvalitativní metody, jako jsou pozorování, metoda myšlení nahlas (Thinking-Aloud-Method), reflexe nebo následné rozhovory, pomáhají lépe porozumět tomu, jak žáci přemýšlejí a co cítí.

Co mohou učitelé dělat:

• Vyžádat si zpětnou vazbu od žáků a kolegů, aby v případě potřeby mohli okamžitě upravit výuku.
• Cíleně pozorovat využití XR, aby identifikovali typické obtíže nebo obzvláště úspěšné momenty učení.
• Požádat žáky, aby nahlas vyslovili své myšlenky (Thinking-Aloud-Method), nebo vést rozhovory a skupinové diskuse, proto, aby jejich zážitku lépe porozuměli.

Příklad: Žáci pracují na experimentu ve virtuální chemické laboratoři. Za úkol mají pomocí mikropipety přesně odměřovat kapaliny. Z jejich hlasitého rozhovoru je zřejmé, že někteří z nich mají problémy s ovládáním pipety ve VR prostředí, například s jejím správným umístěním nebo stisknutím virtuální baňky. Učitelé tyto potíže pozorují a upravují interakci v systému, například zjednodušením ovládání, zobrazením návodu nebo poskytnutím vizuální pomoci pro polohu rukou.

Aplikace XR mohou automaticky zaznamenávat, jak žáci plní úkoly a jak se ve virtuálním prostředí pohybují. To umožňuje měřit pokrok bez přerušení toku učení. Metody jako sledování pohybu očí (Eye-Tracking) lze použít k ještě přesnějšímu pozorování toho, čemu žáci věnují pozornost nebo co přehlížejí.

Co mohou učitelé udělat:

• Integrovat úlohy přímo do prostředí XR, aby bylo možné automaticky sledovat výkon.
• Používat nástroje, jako je sledování pohybu očí (Eye-Tracking), k zjištění, na co se žáci dívají – např. v komplexních vizualizacích.
• Využít shromážděná data k přizpůsobení obsahu, např. zvýrazněním nebo zjednodušením obtížných částí.

Příklad:
V aplikaci AR pro výuku biologie si žáci prohlížejí 3D model lidského srdce. Systém sledování pohybu očí ukazuje, že mnoho žáků téměř nevěnuje pozornost srdečním chlopním. Jako (didaktická) reakce jsou tyto oblasti v aplikaci vizuálně zvýrazněny a doplněny krátkým vysvětlením. Tím je zajištěno, že důležitý obsah nebude přehlédnut.

Adaptivní testy v XR se přizpůsobují schopnostem žáků: ti, kteří si vedou dobře, dostávají obtížnější úkoly, zatímco ti, kteří potřebují podporu, dostávají úkoly jednodušší. Učitelé mohou také porovnat dvě verze výukového programu (A/B testování), aby zjistili, která z nich funguje lépe. Když se zpětná vazba žáků kombinuje s naměřeným výkonem, vznikne přesný obraz o úspěchu ve výuce.

Co mohou učitelé dělat:

• Používat adaptivní úkoly v XR k individuální podpoře žáků.
• Otestovat dvě varianty scénáře, aby zjistili, která metoda funguje lépe.
• Kombinovat zpětnou vazbu od žáků s výsledky testů, což vede k lepšímu pochopení účinku.

Příklad:
VR výcvikový program pro ošetřující personál simuluje nouzové situace. V závislosti na tom, jak sebevědomě se někdo v dané situaci chová, bude následující scénář jednodušší nebo obtížnější. Dvě skupiny dostávají různé pokyny: jedna prostřednictvím textu, druhá prostřednictvím mluvícího asistenta. Po výcviku se porovnávají výkony a uskuteční se rozhovory. Výsledky ukazují, že verbální vedení poskytuje lepší podporu ve stresových situacích, proto bude v budoucnu používáno jako preferovaná metoda.

Bortz, J., & Döring, N. (2006). Forschungsmethoden und Evaluation für Human- und Sozialwissenschaften (4. Aufl.). Springer.

Froschauer, U., & Lueger, M. (2024). Das qualitative Interview (3. Aufl.). facultas.

Mayring, P. (2023). Einführung in die qualitative Sozialforschung: Eine Anleitung zu qualitativem Denken (7. überarb. Aufl.). Beltz.

Przborski, A., & Wohlrab-Sahr, M. (2014). Qualitative Sozialforschung: Ein Arbeitsbuch (4. Aufl.). Oldenbourg.

Zpětná vazba od spolužáků v XR podporuje aktivní prostředí pro učení, ve kterém se žáci učí jeden od druhého. Prostřednictvím cílené zpětné vazby ve skupinách se učí nové způsoby spolupráce, řešení problémů a využívání virtuálního prostředí.

Co mohou udělat učitelé:

• Naplánovat společné projekty XR, ve kterých žáci pracují v týmech a vzájemně si poskytují zpětnou vazbu.
• Začlenit do prostředí XR pravidelné reflektivní fáze, aby se posílila výměna informací.
• Zavést systém mentorování, ve kterém zkušení žáci pomáhají ostatním zorientovat se v XR.

Příklad:
Ve virtuální chemické laboratoři žáci pracují ve skupinách a provádějí experimenty týkající se reakcí látek. Po experimentu se podívají na práci ostatních skupin, poskytnou zpětnou vazbu k jejich přístupu a společně diskutují o tom, které strategie fungovaly nejlépe. Tak se učí nejen prostřednictvím vlastní činnosti, ale také pozorováním a hodnocením ostatních.

Zpětná vazba od spolužáků v XR pomáhá žákům lépe komunikovat a dobře pracovat v týmech. To jsou důležité dovednosti pro školu, vzdělání a povolání.

Co mohou udělat učitelé:

• Nabídnout malé workshopy, v nichž si žáci procvičí jasnou a respektující komunikaci ve virtuálním prostředí.
• Realizovat nácvik poskytování a přijímání zpětné vazby prostřednictvím scének (hry v roli) v XR.
• Používat systém hodnocení, který zohledňuje nejen obsah, ale i kvalitu zpětné vazby.

Příklad:
Ve virtuálním jazykovém kurzu přednášejí žáci před třídou prezentace, např. o nějaké zemi nebo o aktuálním tématu. Poté si pomocí přehledného hodnotícího formuláře vzájemně poskytnou zpětnou vazbu ohledně jazyka, obsahu a vystupování. V krátké reflexi společně pohovoří o tom, co se povedlo a co by se dalo zlepšit. Tímto způsobem se nejen učí jazyk, ale také jak spolu konstruktivně lze jednat.

Aplikace XR shromažďují data o tom, jak žáci s aplikací pracují. Tyto informace pomáhají učitelům přesně posoudit pokrok žáků ve učení a lépe hodnotit jejich výkon. To umožňuje identifikovat silné a slabé stránky.

Co mohou dělat učitelé:

• Zahrnout do hodnocení pokroky, jako jsou získané body nebo splněné úkoly.
• Vyhodnocovat chyby, aby bylo možné poskytnout cílenou zpětnou vazbu.
• Porovnat výsledky, aby bylo možné lépe posoudit úroveň výkonu.

Příklad:
V aplikaci VR pro výuku jazyků si žáci procvičují slovní zásobu v simulované každodenní situaci, např. při nakupování. Aplikace měří, kolik termínů bylo použito správně a jak často se vyskytují chyby. Učitel tak přesně rozpozná, která slova již žáci ovládají a kde je ještě třeba cvičit, a může podle toho přizpůsobit opakování.

Aplikace XR se mohou přizpůsobit chování žáků. Pokud má někdo potíže, systém automaticky reaguje například tipy, jednoduššími úkoly nebo dodatečnými vysvětleními. To znamená, že každý dostane cílenou podporu.

Co mohou udělat učitelé:

• Aktivovat automatickou nápovědu, která se zobrazí, když nastanou problémy.
• Navrhovat individuální cesty učení na základě předchozích výsledků.
• Využívat zpětnou vazbu, která reaguje v reálném čase na chování žáků.

Příklad:
V aplikaci AR pro matematiku řeší žáci geometrické úlohy umístěním tvarů do místnosti. Pokud žák několikrát vyřeší úlohu nesprávně, aplikace automaticky zobrazí stručné vysvětlení a zjednodušený příklad. To umožňuje zlepšit porozumění krok za krokem, aniž by došlo k přerušení procesu učení.

Z analýzy učení těží nejen žáci, ale i učitelé, kteří ji mohou využít k cílenému zlepšení výuky. Data ukazují, co fungovalo dobře a kde byly stále potíže.

Co mohou dělat učitelé:

• Vyhodnocovat data pro plánování, vedení a reflexi výuky.
• Rozpoznat vzorce v chování žáků při učení a podle toho přizpůsobit výuku.
• Využívat interakce v prostředí XR jako základ pro praktické hodnocení.

Příklad:
Po výuce s využitím XR na téma „zdroje energie” učitel/ka při hodnocení zjistí, že mnoho žáků mělo v interaktivním kvízu problémy s obnovitelnými zdroji energie. Pro další hodinu naplánuje cílené opakování tématu a doplňující vysvětlení přizpůsobené potřebám třídy.

Li, S. (2024). Learning analytics enhanced online learning support [E-Book-Ausgabe]. Routledge.