Μοντέλα Ανάλυσης Δεδομένων Μάθησης (Learning Analytics Models)

Οδηγοί για διδάσκοντες/ διδάσκουσες > Προχωρημένα θέματα > Ανάλυση Δεδομένων Μάθησης (Learning Analytics) > Μοντέλα Ανάλυσης Δεδομένων Μάθησης (Learning Analytics Models)

Τελευταία ενημέρωση: 20/5/2024


Περιεχόμενα

  1. Εισαγωγή
  2. Διαθέσιμα μοντέλα ανάλυσης δεδομένων μάθησης στο elearning
  3. Προβολή αναφορών για τα διαθέσιμα μοντέλα ανάλυσης
  4. Επικοινωνία με τους/τις εκπαιδευόμενους/εκπαιδευόμενες που συμπεριλαμβάνονται στις αναφορές των μοντέλων ανάλυσης
  5. Προβολή επιπλέον πληροφοριών στις αναφορές των μοντέλων ανάλυσης
  6. Προβολή συνοπτικής αναφοράς για τις ενέργειες του/της εκπαιδευόμενου/εκπαιδευόμενης στο μάθημα
  7. Απενεργοποίηση ειδοποιήσεων σχετικών με τα μοντέλα ανάλυσης δεδομένων

Εισαγωγή

Η Ανάλυση Δεδομένων Μάθησης (Learning Analytics) πραγματοποιείται με αλγόριθμους λογισμικού που χρησιμοποιούνται για την πρόβλεψη ή τον εντοπισμό άγνωστων πτυχών της μαθησιακής διαδικασίας, με βάση τα ιστορικά δεδομένα και την τρέχουσα συμπεριφορά. Υπάρχουν τέσσερις κύριες κατηγορίες ανάλυσης των δεδομένων μάθησης:

  • περιγραφική ανάλυση (τι συνέβη;)

  • προγνωστική (τι θα γίνει μετά;)

  • διαγνωστική (γιατί συνέβη;)

  • καθοδηγητική (κάντε αυτό για βελτίωση)

Στο elearning μπορούν να υποστηριχθούν οι εξής δύο τύποι μοντέλων ανάλυσης δεδομένων μάθησης:

  • δυναμικά μοντέλα που στηρίζονται στη μηχανική μάθηση,

  • στατικά μοντέλα για την ανίχνευση καταστάσεων που εγείρουν ανησυχία χρησιμοποιώντας απλούς κανόνες.

Διαθέσιμα μοντέλα ανάλυσης δεδομένων μάθησης στο elearning

Στο elearning μπορούν να ενεργοποιηθούν τα εξής μοντέλα ανάλυσης δεδομένων μάθησης:

  • Students who have not accessed the course yet: εντοπίζει τους/τις εκπαιδευόμενους/εκπαιδευόμενες που δεν έχουν επισκεφτεί ακόμη το μάθημά σας, για παράδειγμα ένα μήνα μετά την έναρξη του μαθήματος.

  • Students who have not accessed the course recently: εντοπίζει τους/τις εκπαιδευόμενους/εκπαιδευόμενες που δεν έχουν επισκεφτεί το μάθημά σας πρόσφατα, για παράδειγμα τον τελευταίο μήνα.

  • Upcoming activities due: εντοπίζει τις δραστηριότητες, για παράδειγμα τις εργασίες, με επικείμενη ημερομηνία λήξης, για παράδειγμα μέσα στην επόμενη εβδομάδα.

  • Courses at risk of not starting: εντοπίζει τα μαθήματα των οποίων η ημερομηνία έναρξης επίκειται αλλά αυτά δεν έχουν ακόμη εγγεγραμμένους εκπαιδευόμενους/εκπαιδευόμενες ή/και εκπαιδευτικό υλικό και δραστηριότητες.

  • Students at risk of dropping out: εντοπίζει τους/τις εκπαιδευόμενους/εκπαιδευόμενες που πιθανόν να εγκαταλείψουν το μάθημα, στηριζόμενο σε ένα σύνολο 49 δεικτών όπως ο δείκτης "Any write action in the course", ο οποίος αντιπροσωπεύει οποιαδήποτε γραπτή κατάθεση του/της εκπαιδευόμενου/εκπαιδευόμενης σε οποιαδήποτε δραστηριότητα του μαθήματος ή ο δείκτης "read actions amount", ο οποίος αντιπροσωπεύει το πλήθος των προβολών του/της εκπαιδευόμενου/εκπαιδευόμενης για τα στοιχεία του μαθήματος.

Όταν στα παραπάνω μοντέλα γίνεται αναφορά στο χρόνο τότε ο χρόνος που λαμβάνει υπόψη το μοντέλο για την παραγωγή των αναφορών καθορίζεται από το διαχειριστή του elearning. Για παράδειγμα:

  • Students who have not accessed the course recently: το μοντέλο μπορεί να παράγει αναφορές για τον τελευταίο μήνα, τις τελευταίες τρεις μέρες ή την τελευταία εβδομάδα ανάλογα με τη ρύθμιση που θα επιλέξει ο/η διαχειριστής/διαχειρίστρια του elearning. Από προεπιλογή το μοντέλο είναι ρυθμισμένο στην παραγωγή αναφορών για τον τελευταίο μήνα.

  • Students who have not accessed the course yet: το μοντέλο μπορεί να παράγει αναφορές ένα μήνα μετά την έναρξη του μαθήματος, μια βδομάδα μετά την έναρξη του μαθήματος ή στο 10% της συνολικής διάρκειας του μαθήματος μετά την έναρξη αυτού, ανάλογα με τη ρύθμιση που θα επιλέξει ο διαχειριστής του elearning. Από προεπιλογή το μοντέλο είναι ρυθμισμένο στην παραγωγή αναφορών ένα μήνα μετά την έναρξη του μαθήματος.

Προσοχή: αν σας ενδιαφέρουν τα στοιχεία που παράγονται από τα μοντέλα ανάλυσης δεδομένων για τα μαθήματά σας τότε φροντίστε να ορίσετε σωστά τις ημερομηνίες έναρξης και λήξης των μαθημάτων αυτών.

Προβολή αναφορών για τα διαθέσιμα μοντέλα ανάλυσης

Αν στο elearning είναι ενεργοποιημένο κάποιο από τα διαθέσιμα μοντέλα τότε εσείς ως διδάσκων/διδάσκουσα ενός μαθήματος μπορείτε να μεταβείτε από το block Διαχείριση στις Αναφορές και από εκεί να επιλέξετε Insights, προκειμένου να προβάλετε τις αναφορές των μοντέλων.

courses computer design techniques

Επικοινωνία με τους/τις εκπαιδευόμενους/εκπαιδευόμενες που συμπεριλαμβάνονται στις αναφορές των μοντέλων ανάλυσης

Όταν προβάλλετε μια αναφορά για κάποιο από τα ενεργοποιημένα μοντέλα τότε έχετε τη δυνατότητα να επιλέξετε τους/τις εκπαιδευόμενους/εκπαιδευόμενες που επιθυμείτε προκειμένου να επικοινωνήσετε μαζί τους/τις χρησιμοποιώντας το κουμπί Send message, όπως φαίνεται στο παράδειγμα της εικόνας που ακολουθεί και αφορά το μοντέλο "Students who have not accessed the course yet".

Students who have not accessed the course yet send message

Προβολή επιπλέον πληροφοριών στις αναφορές των μοντέλων ανάλυσης

Για κάθε εκπαιδευόμενο/εκπαιδευόμενη που περιλαμβάνεται σε μια αναφορά μπορείτε να προβάλετε επιπλέον πληροφορίες κάνοντας κλικ στο εικονίδιο του φακού maximize, το οποίο εμφανίζεται στη στήλη Actions της προηγούμενης εικόνας. Στο παράδειγμα της εικόνας που ακολουθεί βλέπουμε τις εξής επιπρόσθετες πληροφορίες:

  • Time predicted: η ημερομηνία και ώρα κατά την οποία δημιουργήθηκε η συγκεκριμένη περιγραφική ανάλυση (στο παράδειγμά μας, στις 6 Ιουνίου 2023, 1:10).

  • Analysis interval: το διάστημα στο οποίο ανήκουν τα δεδομένα που αναλύθηκαν (στο παράδειγμά μας, από 1 Μαΐου 2023 έως 6 Ιουνίου 2023).

  • Indicators: οι δείκτες που ελήφθησαν υπόψη για την παραγωγή της συγκεκριμένης διάγνωσης ή πρόβλεψης (στο παράδειγμά μας ο δείκτης που λήφθηκε υπόψη για την παραγωγή της διάγνωσης ήταν ο any course access και ήταν αρνητικός για τη συγκεκριμένη εκπαιδευόμενη, εξού και η εκπαιδευόμενη συμπεριλήφθηκε στην αναφορά).

Students who have not accessed the course recently details 2

Προβολή συνοπτικής αναφοράς για τις ενέργειες του/της εκπαιδευόμενου/εκπαιδευόμενης στο μάθημα

Για κάθε εκπαιδευόμενο/εκπαιδευόμενη που περιλαμβάνεται σε μια αναφορά μπορείτε να προβάλετε μια συνοπτική αναφορά κάνοντας κλικ στο εικονίδιο students no enter lately, το οποίο εμφανίζεται στη στήλη Actions της προηγούμενης εικόνας. Στο παράδειγμα της εικόνας που ακολουθεί βλέπουμε όλες τις δραστηριότητες και πόρους που περιλαμβάνονται στο μάθημα και τις ενέργειες της φοιτήτριας σε αυτές και αυτούς. Η συγκεκριμένη εκπαιδευόμενη δεν έχει πραγματοποιήσει καμία ενέργεια, γεγονός που δηλώνεται με τη χρήση της παύλας (-). Αυτός άλλωστε ήταν και ο λόγος που συμπεριλήφθηκε στην αναφορά του μοντέλου "Students who have not accessed the course yet".

DE in education activity report

Απενεργοποίηση ειδοποιήσεων σχετικών με τα μοντέλα ανάλυσης δεδομένων

Αν θέλετε να μη λαμβάνετε τις ειδοποιήσεις που παράγονται από τα μοντέλα ανάλυσης δεδομένων μάθησης ακολουθήστε τα εξής βήματα:

  • μεταβείτε στη σελίδα Προτιμήσεις (Preferences), όπως φαίνεται στην επόμενη εικόνα,

preferences 1

  • από το πλαίσιο Λογαριασμός χρήστη (User account) επιλέξτε Προτιμήσεις ειδοποιήσεων (Notification preferences),

preferences

  • στη σελίδα που θα εμφανιστεί, στη ρύθμιση Στοιχεία που προκύπτουν από μοντέλα πρόβλεψης  (Insights generated by prediction models) επιλέξτε Όχι και στις δυο στήλες, όπως φαίνεται στην επόμενη εικόνα.