Χρησιμοποιήστε το learning analytics (αναλυτική εκπαίδευση) ώστε να ελέγξετε την συμπεριφορά των μαθητών στο MOODLE

Κατάσταση μάθησης/διδασκαλίας

Να στήσουμε ένα MOODLE.

Ομάδα στόχος

Δάσκαλοι που χρησιμοποιούν το MOODLE και επιθυμούν να δημιουργήσουν τα δικά τους μαθήματα.

Περιγραφή

Η ΑΝΑΛΥΤΙΚΗ ΕΚΠΑΙΔΕΥΣΗ είναι η μέτρηση, συλλογή, ανάλυση και αναφορά δεδομένων σχετικά με τους μαθητές και τα περιβάλλοντά τους, για σκοπούς κατανόησης και βελτιστοποίησης της μάθησης και των περιβαλλόντων στα οποία συμβαίνει, όπως ορίστηκε το 2011 για το πρώτο LAK, αυτός ο γενικός ορισμός ισχύει ακόμη ακόμα και όταν το χωράφι έχει μεγαλώσει. Η εκμάθηση των αναλυτικών στοιχείων είναι τόσο ένας ακαδημαϊκός τομέας όσο και μια εμπορική αγορά που έχουν διαμορφωθεί ραγδαία την τελευταία δεκαετία. Ως πεδίο έρευνας και διδασκαλίας, το Learning Analytics βρίσκεται στη σύγκλιση της Μάθησης (π.χ. εκπαιδευτική έρευνα, επιστήμες μάθησης και αξιολόγησης, εκπαιδευτική τεχνολογία), Analytics (π.χ. στατιστικά στοιχεία, οπτικοποίηση, επιστήμες υπολογιστών / δεδομένων, τεχνητή νοημοσύνη) και Ανθρωποκεντρική σχεδίαση (π.χ. χρηστικότητα, συμμετοχικός σχεδιασμός, σκέψη κοινωνικό-τεχνικών συστημάτων).

ΒΑΣΙΚΕΣ ΧΡΗΣΕΙΣ Ιστορικά, μερικές από τις πιο κοινές χρήσεις της εκμάθησης αναλυτικών στοιχείων είναι η πρόβλεψη της ακαδημαϊκής επιτυχίας των μαθητών και πιο συγκεκριμένα, η αναγνώριση των μαθητών που κινδυνεύουν να αποτύχουν σε ένα μάθημα ή να εγκαταλείψουν τις σπουδές τους. Αν και είναι λογικό αυτά τα δύο προβλήματα να προσελκύουν πολλή προσοχή, η εκμάθηση των αναλυτικών στοιχείων είναι πολύ πιο ισχυρή. Τα στοιχεία από την έρευνα και την πρακτική δείχνουν ότι υπάρχουν πολύ πιο παραγωγικοί και ισχυροί τρόποι χρήσης των αναλυτικών στοιχείων για την υποστήριξη της διδασκαλίας και της μάθησης. Μερικοί από τους πιο δημοφιλείς στόχους εκμάθησης αναλυτικών στοιχείων περιλαμβάνουν:

1. Παροχή εξατομικευμένων και έγκαιρων σχολίων στους μαθητές σχετικά με τη μάθησή τους
2. Παροχή εξατομικευμένων και έγκαιρων σχολίων στους μαθητές σχετικά με τη μάθησή τους
3.Υποστήριξη της ανάπτυξης σημαντικών δεξιοτήτων όπως η συνεργασία, η κριτική σκέψη, η επικοινωνία και η δημιουργικότητα
4. Αναπτύξτε την ευαισθητοποίηση των μαθητών υποστηρίζοντας τον αυτο-προβληματισμό

5. Υποστήριξη ποιοτικής μάθησης και διδασκαλίας παρέχοντας εμπειρικά στοιχεία για την επιτυχία των παιδαγωγικών καινοτομιών

Πώς να το κάνετε (βήμα-βήμα)

Βήμα 1

Το Moodle παρέχει μια ποικιλία ενσωματωμένων αναφορών που βασίζονται σε δεδομένα καταγραφής, αλλά είναι κυρίως περιγραφικής φύσης – λένε στους συμμετέχοντες τι συνέβη, αλλά όχι γιατί, και δεν προβλέπουν αποτελέσματα ή συμβουλεύουν τους συμμετέχοντες πώς να βελτιώσουν τα αποτελέσματα. Οι καταχωρίσεις καταγραφής, αν και πολύ λεπτομερείς, δεν είναι από μόνες τους περιγραφικές για τη μαθησιακή διαδικασία. Μας λένε «ποιος», «τι» και «πότε», αλλά όχι «γιατί» ή «πόσο καλά». Απαιτείται πολύ περισσότερο πλαίσιο γύρω από κάθε μικρο-δράση για να αναπτυχθεί ένα πρότυπο εμπλοκής.

Υπάρχουν επίσης πολλές προσθήκες τρίτου μέρους για το Moodle που παρέχουν περιγραφικά αναλυτικά στοιχεία. Υπάρχουν επίσης ενσωματώσεις με λύσεις αναφορών εκτός ιστότοπου τρίτων. Και πάλι, αυτά παρέχουν κυρίως περιγραφικές αναλύσεις που βασίζονται στην ανθρώπινη κρίση για την ερμηνεία αναφορών και τη δημιουργία προβλέψεων και συνταγών.

Συχνά στο παρελθόν, τα συστήματα μάθησης αναλυτικών στοιχείων έχουν προσπαθήσει να αναλύσουν τις προηγούμενες δραστηριότητες για να προβλέψουν μελλοντικές δραστηριότητες σε πραγματικό χρόνο. Με το Moodle Learning Analytics, είμαστε πιο φιλόδοξοι. Πιστεύουμε ότι μια πλήρης λύση ανάλυσης εκμάθησης θα μας βοηθήσει όχι μόνο να προβλέψουμε γεγονότα, αλλά και να τα αλλάξουμε ώστε να είναι πιο θετικά.

Χαρακτηριστικά
• Υποστηρίζονται δύο τύποι μοντέλων:
o Μοντέλα βασισμένα στη μηχανική μάθηση, συμπεριλαμβανομένων μοντέλων πρόβλεψης
o Στατικά” μοντέλα για τον εντοπισμό καταστάσεων ανησυχίας χρησιμοποιώντας απλούς κανόνες
• Τρία ενσωματωμένα μοντέλα: “Μαθητές που κινδυνεύουν να εγκαταλείψουν”, “Προσεχείς δραστηριότητες” και “Χωρίς διδασκαλία”.
• Ένα σύνολο δεικτών δέσμευσης μαθητών με βάση την Κοινότητα Εξεταστικής.
• Ενσωματωμένα εργαλεία για την αξιολόγηση μοντέλων σε σχέση με τα δεδομένα του ιστότοπού σας
• Προληπτικές ειδοποιήσεις χρησιμοποιώντας συμβάντα
• AΜια λίστα προτεινόμενων ενεργειών παρέχεται με τις ειδοποιήσεις Insight για κάθε μοντέλο. Για παράδειγμα, στους μαθητές που κινδυνεύουν να εγκαταλείψουν το μοντέλο, οι εκπαιδευτές μπορούν εύκολα να στείλουν μηνύματα σε μαθητές που προσδιορίζονται από το μοντέλο ή να μεταβούν στην αναφορά Δραστηριότητας για αυτόν τον μαθητή για περισσότερες λεπτομέρειες σχετικά με τη δραστηριότητα των μαθητών στο μάθημα.
• Ένα API για τη δημιουργία δεικτών και μοντέλων πρόβλεψης για προσθήκες Moodle τρίτων
• Τύπος προσθήκης μηχανικής εκμάθησης – υποστηρίζει PHP και Python, και μπορεί να επεκταθεί για να εφαρμόσει άλλα ML backend
• Το σύστημα μπορεί εύκολα να επεκταθεί με νέα προσαρμοσμένα μοντέλα, με βάση επαναχρησιμοποιήσιμους στόχους, δείκτες και άλλα στοιχεία

Βήμα 3

Χρήση αναλυτικών στοιχείων
Το API Moodle Learning Analytics είναι ένα ανοιχτό σύστημα που μπορεί να αποτελέσει τη βάση για μια πολύ μεγάλη ποικιλία μοντέλων. Τα μοντέλα μπορούν να περιέχουν δείκτες (γνωστές και ως προβλέψεις), στόχους (το αποτέλεσμα που προσπαθούμε να προβλέψουμε), πληροφορίες (οι ίδιες οι προβλέψεις), ειδοποιήσεις (μηνύματα που αποστέλλονται ως αποτέλεσμα των πληροφοριών) και ενέργειες (προσφέρονται στους παραλήπτες μηνυμάτων, οι οποίες μπορούν να γίνουν δείκτες με τη σειρά).

Most learning analytics models are not enabled by default. Enabling models for use should be done after considering the institutional goals the models are meant to support.

Τα περισσότερα μοντέλα μαθησιακών αναλυτικών στοιχείων δεν είναι ενεργοποιημένα από προεπιλογή. Η ενεργοποίηση μοντέλων για χρήση θα πρέπει να γίνει αφού εξετάσουμε τους θεσμικούς στόχους που προορίζονται να υποστηρίξουν τα μοντέλα.

Υπάρχουν περισσότερα:

Ανοίξτε τους παρακάτω συνδέσμους για να βρείτε λεπτομερείς περιγραφές και οδηγίες:

 Analytics settings 

 Using Analytics

 Students at risk of dropping out μοντέλο

 Σύμπλεξη μαθητών indicators

Δείτε επίσης:

The Handbook of Learning Analytics

 Presentation : How to Use Learning Analytics in Moodle