Τελευταία ενημέρωση: 26/6/2024
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.
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.
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.
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.
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.
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".
Για κάθε εκπαιδευόμενο/εκπαιδευόμενη που περιλαμβάνεται σε μια αναφορά μπορείτε να προβάλετε επιπλέον πληροφορίες κάνοντας κλικ στο εικονίδιο του φακού , 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).
Για κάθε εκπαιδευόμενο/εκπαιδευόμενη που περιλαμβάνεται σε μια αναφορά μπορείτε να προβάλετε μια συνοπτική αναφορά κάνοντας κλικ στο εικονίδιο , 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".
Αν θέλετε να μη λαμβάνετε τις ειδοποιήσεις που παράγονται από τα μοντέλα ανάλυσης δεδομένων μάθησης ακολουθήστε τα εξής βήματα: