| More

Learning Analytics with Excel in a Blended Learning Course

Views: 322 Downloads: 205
Nikolaos S. Alachiotis, Elias C. Stavropoulos, Vassilios S. Verykios

Περίληψη


Παρουσιάζεται μια μελέτη στη χρήση των πόρων του Moodle και την προσοχή από τους συμμετέχοντες σε αυτούς τους πόρους κατά τη διάρκεια του μαθήματος. Επίσης γίνεται εκμετάλλευση αυτής της ευκαιρίας ώστε να καταγραφεί αυτή η προσοχή. Έχουν χρησιμοποιηθεί οι συγκεντρωτικοί πίνακες ως εργαλείο στο Microsoft Excel έτσι ώστε να παραχθούν και να απεικονιστούν γραφικά τα αποτελέσματα. Τα πεδία που επεξεργάζονται είναι τα: Quizzes , Assignments και Forums κατά τη διάρκεια ενός μαθήματος μικτής μάθησης διάρκειας ενός κύκλου, με αντικείμενο το προγραμματισμό σε Scratch. Τα δεδομένα έχουν εξαχθεί από τα log files της βάσης δεδομένων του Moodle. Η απόδοση των συμμετεχόντων παριστάνεται και η συμμετοχή τους στους πόρους απεικονίζεται γραφικά. Επίσης αναλύεται ποιοι πόροι από τους παραπάνω προσπελαύνονται ταυτόχρονα. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την πρόβλεψη της απόδοσης των συμμετεχόντων και για μια καλύτερη οργάνωση του μαθήματος και του εκπαιδευτικού υλικού. Οι διδάσκοντες μπορούν να παρεμβαίνουν αποτελεσματικά κατά τη διάρκεια της μαθησιακής διαδικασίας. Το μάθημα απευθύνεται σε καθηγητές στην πρωτοβάθμια και στην δευτεροβάθμια εκπαίδευση.

Λέξεις κλειδιά


Αναλυτική Εκπαιδευτικών Δεδομένων; Μικτή Μάθηση; Συγκεντρωτικοί Πίνακες; Εξόρυξη Εκπαιδευτικών Δεδομένων;Εξ’ αποστάσεως Εκπαίδευση; Συστήματα Διαχείρισης Μάθησης; Moodle; Εξατομικευμένη Μάθηση

Πλήρες Κείμενο:

PDF (English)

Αναφορές


Abdous, M., He, W., and Yen, C.-J. (2012). Using data mining for predicting relationships between online question theme and final grade. Educational Technology & Society, 15(3), 77–88.

Beatty, B. and Ulasewicz, C. (2006). Online Learning and Teaching Transition: Faculty Perspectives on Moving from Blackboard to the Moodle Learning Management System. Techtrends Volume 50, Number 4.

Bienkowski, M., Feng, M., and Means, B. (2012). Enhancing teaching and learning through educational data mining and learning analytics: An issue brief. US Department of Education, Office of Educational Technology, 1-57.

Churchward M. (2014). ELIS – Managing Enterprise Level Learning Programs with Moodle. Moodle Research Conference 2012

Conde, M.A., Hérnandez-García, A., García-Peñalvo, F.J., and Séin-Echaluce, M.L. (2015). Exploring Student Interactions: Learning Analytics Tools for Student Tracking, In Learning and Collaboration Technologies, pp.50-61, 2015.

Dekker, G. W., Pechenizkiy, M., and Vleeshouwers, J. M. (2009). Predicting students drop out: A case study. In T. Barnes, M. Desmarais, C. Romero, & S. Ventura. (Eds), Proceedings of the 2nd International Conference on Educational Data Mining (pp. 41–50). Retrieved from http://www.educationaldatamining.org/EDM2009/uploads/proceedings/dekker.pdf

Dierenfeld, H. and Merceron, A. (2012). Learning Analytics with Excel Pivot Tables, Moodle Research Conference 2012.

Dimopoulos, I., Petropoulou, O., Boloudakis, M., and Retalis S. (2013). Using Learning Analytics in Moodle for assessing students’ performance 2nd Moodle Research Conference 2013.

Guo, W.W. (2010). Incorporating statistical and neural network approaches for student course satisfaction analysis and prediction. Expert Systems with Applications, 37(4), 3358–3365.

Harfield T.D. (2015) Analytics for Learning at Emory. Retrieved February 11,2015 from https://scholarblogs.emory.edu/ale/2015/02/13/learning-analytics-using-microsoft-excel/

Kaucic, B., Asic, T. (2011). Improving introductory programming with Scratch?, in IEEE MIPRO, 2011 Proceedings of the 34th International Convention, pp.1095-1100, 2011.

Konstantinidis, A. and Grafton, C. (2013). Using Excel Macros to Analyze Moodle Logs, 2nd Moodle Research Conference (MRC2013), Tunisia, October 2013, pp. 33-39.

Lai, F-Q& Lehman, J. D., (2017) Learning and Knowledge Analytics in Open Education, Springer.

Larusson, J. A. and White, B. (2014). Learning Analytics: From Research to Practice, Springer.

Li, N., Cohen, W. W., Koedinger, K. R., & Matsuda, N. (2011). A machine learning approach for automatic student model discovery. In M. Pechenizkiy, T. Calders, C. Conati, S. Ventura, C. Romero, & J. Stamper (Eds.), Proceedings of the 4th International Conference on Educational Data Mining (pp. 31–40). Retrieved from http://pact.cs.cmu.edu/pubs/Li,%20Cohen,%20Koedinger,%20Matsuda-edm-2011.pdf

Liu, D.Y.T., Froissard, J-C., Richards, D. & Atif, A., (2015). An enhanced learning analytics plugin for Moodle: student engagement and personalized intervention. In Proceedings of the 32nd Conference of the Australasian Society for Computers in Learning in Tertiary Education, Perth, 2015

Lykourentzou, I., Giannoukos, I., Nikolopoulos V., Mpardis, G., Loumos, V. (2009) Dropout prediction in e-learning courses through the combination of machine learning techniques Computers & Education 53 (2009) 950–965.

Lykourentzou, I., Giannoukos, I., Mpardis, G., Nikolopoulos, V., & Loumos, V. (2009b). Early and dynamic student achievement prediction in e-learning courses using neural networks. Journal of the American Society for Information Science and Technology, 60(2), 372–380.

Mazza, R. & Botturi, L. (2007). Monitoring an online course with the GISMO tool: A case study. Journal of Interactive Learning Research, 18(2), 251-265.

Meerbaum-Salant, O., Armoni, M., Ben-Ari, M. (2013). Learning computer science concepts with Scratch, Computer Science Education,vol. 23, no 3, pp. 239-264, 2013. doi:10.1080/08993408.2013.832022

Papamitsiou, Z., & Economides, A. (2014). Learning Analytics and Educational Data Mining in Practice: A Systematic Literature Review of Empirical Evidence. Educational Technology & Society, 17 (4), 49–64.

Romero, C., López, M.I., Lun,a J.M. and Ventura, S.,(2013). Predicting students’ final performance from participation in on-line discussion forums, Computers & Education, vol.68, pp. 458–472, 2013.

Sampayo, C. F., (2013, April 22). Analytics and Recommendations. In Moodle Docs. Retrieved from https://moodle.org/plugins/view.php?plugin=block_analytics_recommendations

Siemens, G., & Baker, R. S. J. D. (2012). Learning analytics and educational data mining: Towards communication and collaboration. In S. Buckingham Shum, D. Gasevic, & R. Ferguson (Eds.), Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (pp. 252–254). New York, NY: ACM.

Yassine, S. and Kardy, S., (2016). A Framework for Learning Analytics in Moodle for Assessing Course Outcomes, IEEE Global Engineering Education Conference (EDUCON), Abu Dhabi, pp. 261-266, 2016.




DOI: http://dx.doi.org/10.12681/icodl.1077

Εισερχόμενη Αναφορά

  • Δεν υπάρχουν προς το παρόν εισερχόμενες αναφορές.


Creative Commons License
Η χρήση του περιεχομένου καθορίζεται από την άδεια Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.