บทเรียน 2.1 — วิธีสอนที่ได้ผลกับการเขียนโปรแกรมระบบฝังตัว

เป้าหมาย

เมื่อจบบทเรียนนี้ คุณจะ

1. จัดกิจกรรมรอบตัวอย่างหนึ่งไฟล์ตาม PRIMM
2. ออกแบบไฟล์ฝึกที่ตัวช่วยลดลงตามลำดับ และแปลงเป็นแบบฝึก Parsons
3. แบ่งงานระหว่างอีมูเลเตอร์กับบอร์ดจริง
4. อธิบายงานวิจัยที่รองรับได้

ก่อนเริ่ม

จากบทที่แล้ว ข้อความอ้างอิงแบบไหนที่ต้องใส่ในสไลด์ทุกหน้า — ในรายวิชาของคุณ ผู้เรียนเห็นโค้ดที่ทำงานได้ครั้งแรกในนาทีที่เท่าไรของชั่วโมงแรก

ดูของจริงก่อน

เปิดบทเรียน "โปรแกรมแรก" และ "อ่านเซนเซอร์" ของ Explorer แล้วสังเกตสามอย่าง

• ส่วน "ดูของจริงก่อน" ให้ ทำนายก่อนรัน
• ส่วน "ตัวอย่างสมบูรณ์" มีป้าย ท่าที่ 1, 2, 3
• ไฟล์ฝึกบทแรกมีช่องว่าง 2 จุด บทถัดมามี 4 จุด

สามอย่างนี้ไม่ได้เกิดโดยบังเอิญ แต่ละอย่างมีงานวิจัยรองรับ

แนวคิด (1) — PRIMM และตัวอย่างมีป้ายขั้นตอน

PRIMM (Predict, Run, Investigate, Modify, Make) จัดกิจกรรมรอบโค้ดตัวอย่างเป็นห้าขั้น: ทำนายผลก่อนรัน รันเพื่อเทียบ สืบว่าแต่ละส่วนทำอะไร แก้โค้ดเดิม แล้วจึงสร้างของใหม่ งานวิจัยของ Sentance, Waite และ Kallia (2019) รายงานว่าผู้เรียนกลุ่มที่ใช้ PRIMM ทำคะแนนได้ดีกว่ากลุ่มควบคุม แนวนี้เข้ากับหลักคิด "เริ่มจากของที่ทำงานได้ แล้วค่อยแกะ" ที่หลักสูตรใน TESA Open Knowledge ใช้

ตัวอย่างที่ติดป้ายเป้าหมายย่อย (subgoal label) เช่น "ท่าที่ 1 เลือกหลอด" ช่วยให้มือใหม่เรียนการแก้ปัญหาด้วยโปรแกรมได้ดีขึ้น (Morrison, Margulieux & Guzdial 2015) — ทุกตัวอย่างสมบูรณ์ในคลังจึงมีป้ายท่าที่เสมอ

แนวคิด (2) — ตัวช่วยค่อย ๆ ลดลง และแบบฝึก Parsons

เริ่มจากตัวอย่างเต็ม แล้วค่อยเว้นว่างมากขึ้นจนผู้เรียนเขียนเองทั้งไฟล์ในงานปลายทาง (backward fading, Renkl & Atkinson 2003; Renkl, Atkinson & Große 2004) เหตุผลอีกข้อคือ expertise reversal ตัวช่วยที่มากเกินไปจะกลับเป็นภาระเมื่อผู้เรียนเก่งขึ้น (Kalyuga et al. 2003) แนวปฏิบัติในคลัง: หนึ่งโมดูลไปจาก ตัวอย่างเต็ม → ราว 2 ช่องว่าง → ราว 6 ช่องว่าง → ไฟล์เปล่าในงาน capstone

แบบฝึก Parsons ให้ผู้เรียนเรียงบรรทัดโค้ดที่ให้มาให้ถูกลำดับ ได้ผลการเรียนรู้ใกล้เคียงกับการเขียนเองแต่ใช้เวลาน้อยกว่า (Ericson, Margulieux & Rick 2017) เหมาะกับผู้เรียนที่ยังไม่มีบอร์ด ใน quiz.yaml ใช้ type: order สร้างได้ทันที

แนวคิด (3) — ทดสอบย้อนหลังแบบเว้นระยะ และเรียนเป็นรุ่น

การฝึกตอบคำถาม (practice testing) กับการเว้นระยะทบทวน (distributed practice) เป็นสองเทคนิคที่ได้คะแนนประโยชน์สูงสุดในการทบทวนงานวิจัยเทคนิคการเรียนสิบวิธี (Dunlosky et al. 2013) จึงให้ทุกบทมีเช็กความเข้าใจ 3–5 ข้อ และให้ส่วน "ก่อนเริ่ม" ถามทวนบทก่อนเสมอ

การเรียนแบบ mastery ช่วยผลสัมฤทธิ์ได้จริงในภาพรวม แต่โปรแกรมแบบเรียนเองตามจังหวะตัวเองมักมีอัตราเรียนจบลดลง (Kulik, Kulik & Bangert-Drowns 1990) จึงใช้เกณฑ์ผ่านรายบท (80%) คู่กับการเรียนเป็นรุ่นที่มีกำหนดส่ง

แนวคิด (4) — อีมูเลเตอร์สำหรับแนวคิด บอร์ดจริงสำหรับดีบักและการวัด

การทบทวนงานวิจัยเรื่องแล็บเสมือนและแล็บทางไกลเทียบกับแล็บลงมือจริง พบว่าส่วนใหญ่รายงานผลเท่ากันหรือดีกว่า (Brinson 2015) แต่ทักษะบางอย่างต้องเกิดบนบอร์ดจริง

ตัวอย่างสมบูรณ์

ใช้ตัวอย่าง 02_blink.py ของ Explorer จัดตาม PRIMM

• ท่าที่ 1 Predict (3 นาที) อ่านค่า ROUNDS ON_MS OFF_MS แล้วเขียนคำทำนาย
• ท่าที่ 2 Run (3 นาที) รันในอีมูเลเตอร์ เทียบกับคำทำนาย
• ท่าที่ 3 Investigate (8 นาที) ถามว่า "ถ้าลบ led.off() บรรทัดสุดท้ายจะเกิดอะไร" "ทำไมต้อง str()"
• ท่าที่ 4 Modify (8 นาที) เปลี่ยนจังหวะเป็นติดสั้นดับยาว
• ท่าที่ 5 Make (15 นาที) เขียนไฟกะพริบรหัสมอร์สเอง บนบอร์ดถ้ามีคิว

ฝึกเติม

เลือกโมดูลหนึ่งในรายวิชาของคุณ แล้ววางแผนไฟล์ฝึกสามไฟล์

จากนั้นเขียนแบบฝึก Parsons หนึ่งข้อในรูป quiz.yaml (type: order) จากไฟล์บทที่ 2

เช็กความเข้าใจ

ตอบคำถามใน quiz.yaml ถูกตั้งแต่ 80% ขึ้นไปถือว่าผ่าน

ไปต่อ / สะท้อนคิด

แหล่งอ่านเพิ่มสำหรับผู้สอน: Carpentries Instructor Training มีบทเรื่องการสอนแบบ live coding และการให้ผลป้อนกลับที่ใช้ได้ดีกับห้องปฏิบัติการ

สะท้อนคิด วิธีไหนในบทนี้ที่คุณใช้อยู่แล้วโดยไม่ได้ตั้งชื่อ และวิธีไหนที่ลองได้ตั้งแต่สัปดาห์หน้า