mupple2011 pata

Meta‐design principles for open learning ecosystems 

Kai Pata Tallinn University,  

Ins;tute of Informa;cs Center for Educa;onal Technology 

MUPPLE Lecture Series, 2011 

An overview 

•  What is an eco‐cogni;ve view to learning? – The examples of open learning ecosystems in course design 

– The learning niches and how to use them in learning design 

– Why to use the meta‐design approach? – The meta‐design approach to open learning ecosystems  

– Some developments and limita;ons for meta‐design from the soFware side 

Open learning ecosystems 

•  Open learning ecosystem is an open, adap;ve complex and dynamic learning system in which self‐directed learners design their learning ac;vi;es and follow open educa;on principles by sharing freely over the internet knowledge, ideas, infrastructure and teaching methodology using Web 2.0 soFware.  

Par;cle and system level views to open learning ecosystems 

Learners in open learning ecosystems: 

•  Self‐direc;ng •  Networking, PLEs, PLNs 

•  Communi;es of open educa;on 

•  Co‐designing and sharing 

•  Monitoring •  Adap;ng •  Naviga;ng 

“Ecosystem” not as a metaphor 

•  Self‐regula;ve •  “Connec;vist Networks” in open 

learning ecosystems 

•  “Community” of digital cultures 

•  Open, Dynamic and Evolving 

•  Accumula;ng 

•  An evolu;onary feedback loop 

Towards the learner‐centered approach 

•  Two pedagogical paradigms have been highlighted in open learning ecosystems.  

•  Firstly, the interpre;vist learning principles suggest that students should be:  –  guided towards becoming independent, autonomous and self‐directed learners)  

– who learn from being ac;vely engaged in the situa;ons that are meaningful to them, from their interac;ons with peers and teachers in which they are given the voice so they that they can become co‐constructers of the learning environment 

–  and by reflec;ng on their prior knowledge and experiences to construct new meanings 

An example course 

ICamp interna;onal eLearning course (Pata & Merisalo, 2010) 

Towards the learner‐centered approach 

•  Secondly, for cul;va;ng the “ecosystem” view in digital systems (see Pór & Molloy, 2000; Crabtree & Rodden, 2007; Boley & Chang, 2007), George Siemens (2006) formulated the Connec;vism framework as the new learning theory for open learning ecosystems. 

•  Connec;vism assumes that:  – Learning is primarily a network‐forming process, and the dynamically appearing and changing networks form basis for the learning ecosystems 

An example course 

Ecology of narra;ves course (Pata & Fuksas, 2009 hap://padis2.uniroma1.it:81/ojs/index.php/cogphil/ar;cle/view/4338/4200 

A gap in design principles for open learning ecosystems 

•  Without wishing to suppress down such a boaom‐up self‐emergence of eLearning designs, we should provide teachers in learning ins;tu;ons with design solu;ons that enable them to regain some co‐control in the learner‐ini@ated ac@vi@es and systems is needed (Fiedler and Pata, 2009).   

A gap in design principles for open learning ecosystems 

•  The teachers’ need to control the learning design and learning process in distributed systems 

•  The necessity to allow freedom for learners to be self‐directed and using their own personal learning environments in higher educa;on courses 

Offloading cogni;ve func;ons to the digital ecosystem 

•  Humans constantly delegate cogni@ve func@ons to the environment (Bardone, 2011) 

An eco‐cogni;ve view to learning  •  Human cogni@on is chance‐seeking system that is developed within an evolu;onary framework based on the no;on of cogni@ve niche construc@on. 

•  We build and manipulate cogni@ve niches so as to unearth addi@onal resources for behavior control. 

•  Human cogni;ve behavior consists in ac@ng upon anchors – the affordances* (*see Gibson, 1977) ‐ which we have secured a cogni@ve func@on to via cogni;ve niche construc;on.                     (Bardone, 2011) 

Distributed cogni;on and affordances as a cogni;ve niche 

Schema adopted from Zhang, J., & Patel, V. L. (2006) 

Learners’ goals and perceived ac;on poten;ali;es 

Teachers’ goals and  instruc;ons for ac;on 

Learning environment as digital ecosystem 

Previous ac;on experiences in this environment 

A cogni;ve niche 

Learning affordances and PLE •  PLEs are dynamically evolving Ac@vity systems* (*see Engeström, 1987) in which the personal objec@ves and human and material resources are integrated in the course of ac;on.  

•  PLE is also distributed ecologically, integra@ng our minds with the environment (see Zhang & Patel, 2006; Bardone, 2011).  

Different learning goals assume the percep;on of different affordances in PLE 

Affordances as a networked system? •  Affordances may 

constrain each other •  Synergy may be arrived 

from using several affordances simultaneously 

•  Some affordances may need the presence or the co‐ac;va;on of other affordances to be used effec;vely 

•  Using one affordance may actualize another affordance in the network 

Defining community niches by affordances 

•  People determine the personal learning affordances within their PLEs.  

•  Any individual conceptualizes affordances personally, but the range of similar learning affordance conceptualiza;ons visualizes community’s preferences – a community learning niche 

Affordances in a community 

The learning niches  

•  Adapta;on ‐ the adjustment of an organism to its environment in the process by which it enhances fitness to its niche 

•  The forma;on of learning niches in open learning ecosystems appears through accumula;ng learning affordances from PLEs (Pata, 2009). 

•  The community’s affordances may be interpreted and used by each learner to best adapt to the community niche for certain goal‐based ac;on 

Kirschner et al. (2004) 

Learner’s role is passive, design is created by the teacher. 

Learning environment not dynamically evolving. 

Earlier models that use affordances in learning design 

Why meta‐design approach? 

•  The ecological Meta‐Design framework applies for open learning ecosystems that are adap;ve and dynamically changing. 

•  Meta‐design is designing the design process for cultures of par;cipa;on – crea;ng technical and social condi;ons for broad par;cipa;on in design ac;vi;es (Fisher et al., 2004).  

•  The meta‐design approach is directed to the forma;on and evolu;on of open learning ecosystems through the end‐user design.  

Meta‐design approach 

•  The meta‐design approach is known as a methodology for collabora;ve co‐design of social, technical and economic infrastructures in interdisciplinary teams in order to achieve synergy similarly to the symbiosis phenomena in natural environments. 

•  The meta‐design, known from End User Design in computer science, extends the tradi;onal no;on of system development to include users in an ongoing process as co‐designers, not only at design ;me but throughout the en@re existence of the system (Fisher et al., 2004).  

Meta‐design approaches 

•  Autonomous and self‐organized designers in meta‐design framework can increase the diversity of design solu;ons in the system, allowing diversity and variability to emerge within the ecosystem.  

•  The open, community‐driven, emergent and itera;ve ac;vity sequences in the learning design process models are based on learner contribu;on (Hagen & Robertson, 2009). 

Meta‐design approaches 

Hagen & Robertson (2009)                             

Ecological principles in meta‐design 

•  Learning in the cultures of par;cipa;on may be characterized as the process in which learner and the system (community, culture) detects and corrects errors in order to fit and be responsive (Fisher et al., 2004).  

•  In this defini;on, learning process is conceptualized as largely self‐organized, adap@ve and dynamic. 

•  It may be assumed that such learning follows the ecological principles 

Some principles of meta‐design 

•  Both focuses – the learning ecosystem evolu@on by end‐user design, and nourishing the end‐user design process by crea;ng the scaffolds for designing (Fisher et al., 2004), are equally important aspects of ecological Meta‐Design. 

The process view to meta‐design in open learning ecosystems (Pata, 2010) 

Suitable 

Learners’ role 

•  In learning ecosystems autonomous learners con;nuously develop and dynamically change design solu;ons to support their learning. 

•  They incorporate into their personal learning environments different Web 2.0 tools, networking partners and ar;facts, and monitor the state of the whole learning ecosystem to adapt their design solu;ons and learning objec;ves to the system and to other learners. 

Teachers’ role •  Providing the teacher‐created scaffolds and incen;ves for the learners' design ac;vi;es that would foster the accumula;on of learning niches: –  a) monitor the evolu;on of the open learning ecosystem, –  b) provide learners with the op;ons that enhance and speed up the self‐directed network‐forma;on process (e.g. tags, mashups), 

–  c) analyze the emerging affordances within the learning community, and provide analy;cal guidance for them aiding to make design decisions and selec;ng learning ac;vi;es (e.g. social naviga;on, seman;c naviga;on), and 

–  d) seed learning ac;vi;es into the open learning ecosystem that are based on self‐organiza;on (e.g. swarming). 

The limita;ons for applying meta‐design in an open learning ecosystem  •  There is the need for dynamic accumula@on and monitoring systems for learning niche forma@on to be used by each learner for benefi;ng from par;cular open learning ecosystem and allowing them to par;cipate in the course design  – accumulated affordances and their dissipa;on in ;me (community‘s learning niche) 

–  real‐;me awareness of affordances for other learners (their cogni;ve niches) 

The tools to support meta‐design in open learning ecosystems (Pata, 2011) 

Suitable 

Learning contract tools (LeContract, Learning creator (Siadty et a.l, 2011),) 

Monitoring tools (EduFeedr (Põldoja & Laanpere, 2009)) 

Connec;vity with PLE components (Dippler, Tallinn University development) 

User monitoring, accumula;on and visualiza;on 

Distributed course assembling tools (Dippler) 

Kai Pata senior researcher,  

Tallinn University, Ins;tute of Informa;cs,  Center for Educa;onal Technology 

kpata@tlu.ee,  blog hap://;hane.wordpress.com 

References •  Bardone, E. (2011). Seeking Chances. From Biased Ra;onality to Distributed Cogni;on. Springer, Heidelberg. •  Boley, H., & Chang, E. (2007). Digital Ecosystems: Principles and Seman;cs, published at the 2007 Inaugural IEEE Interna;onal Conference on 

Digital Ecosystems and Technologies. Cairns, Australia. February 2007. NRC 48813. •  Crabtree, A., & Rodden, T. (2007). Hybrid ecologies: understanding interac;on in emerging digital‐physical environments. Personal and Ubiquitous 

Compu;ng, Online First: DOI 10.1007/s00779‐007‐0142‐7.  •  Fiedler, S,; Pata, K. (2009). Distributed learning environments and social soFware: in search for a framework of design. In Stylianos Hatzipanagos and 

Steven Warburton (Eds.). Handbook of Research on Social SoFware and Developing Community Ontologies. (145 ‐ 158). Idea Group Reference. •  Engeström, Y. (1987). Learning by Expanding: An Ac;vity‐Theore;cal Approach to Developmental Research (

hap://communica;on.ucsd.edu/MCA/Paper/Engestrom/expanding/toc.htm). •  Fischer, G., Giaccardi, E. Ye,Y., Sutcliffe,A.G., Mehandjiev, N. (2004). META‐DESIGN: A MANIFESTO FOR END‐USER DEVELOPMENT. COMMUNICATIONS 

OF THE ACM September 2004/Vol. 47, No. 9 (33‐37 . •  Gibson, J.J. (1977). The theory of affordances. In R. Shaw & J. Bransford (eds.), Perceiving, Ac;ng and Knowing. Hillsdale, NJ: Erlbaum. •  Hagen, P. and Robertson, T. (2009

Dissolving boundaries: social technologies and par@cipa@on in design. Proceedings of OZCHI 2009, ISBN: 978‐1‐60558‐854‐4  •  Kirschner, P., Strijbos, J. W., Kreijns, K., Beers, P. J. (2004). Designing electronic collabora;ve learning environments. Educa;onal Technology Research 

and Development 52(3), 47–66. Pata, K. (2009). Modeling spaces for self‐directed learning at university courses. Educa;onal Technology & Society, 12 (3), 23–43. 

•  Pata, K., Fuksas, A. P. (2009). Ecology of Embodied Narra;ves in the Age of Loca;ve Media and Social Networks: a Design Experiment. Cogni;ve Philology, 2, 1 ‐ 21. 

•  Pata, K.; Merisalo, S. (2010). SELF‐DIRECTION INDICATORS FOR EVALUATING THE DESIGN‐BASED ELEARNING COURSE WITH SOCIAL SOFTWARE. Dirk Ifenthaler, Dr. Kinshuk, Pedro Isaias, Demetrios G. Sampson, J. Michael Spector (Eds.). Mul;ple Perspec;ves on Problem Solving and Learning in the Digital Age (343 ‐358).Springer 

•  Pór, G., & Molloy, J. (2000). Nurturing Systemic Wisdom Through Knowledge Ecology. Systems Thinker, 1 (8), 1–5.  •  Põldoja, H., Laanpere, M. (2009). Conceptual Design of EduFeedr ‐ an Educa;onally Enhanced Mash‐up Tool for Agora Courses. In: Mashup Personal 

Learning Environments: MuPPLE 09, Nizza, 29.September 2009. (Eds.) Fridolin Wild, Marco Kalz, Maahias Palmér, Daniel Müller. Aachen (online):, 2009, (CEUR Workshop Proceedings; 506). 

•  Siadaty, M., Gasevic, D., Pata, K., Milikic, N., Holocher‐Ertl, T. (2011). A Sema;c Web‐enabled Tool for Self‐Regulated Learning in the Workplace. iCALT 2011 proceedings (xxx‐xxx). Athens, Georgia, USA: IEEE Computer Society Press [in press] 

•  Siemens, G. (2006) Knowing knowledge. URL. hap://www.knowingknowledge.com/2006/10/knowing_knowledge_pdf_files.php  •  Zhang, J. & Patel, V.L. (2006). Distributed cogni;on, representa;on, and affordance. Distributed Cogni;on: Special issue of Pragma;cs & Cogni;on 14, 

333‐341.