Аналитика обучения: различия между версиями
| Строка 33: | Строка 33: | ||
===Ограничения === | ===Ограничения === | ||
* Модели машинного обучения, такие как [[ | * Модели машинного обучения, такие как [[Students at risk of dropping out]], должны быть обучены на сайте с данными. Эти модели не могут делать прогнозы на сайте, пока это не будет сделано. | ||
* Модели должны разрабатываться и отбираться в соответствии с образовательными приоритетами учебного заведения. | * Модели должны разрабатываться и отбираться в соответствии с образовательными приоритетами учебного заведения. | ||
Версия от 11:16, 7 октября 2025
Обзор
Что такое learning analytics?
Аналитика обучения - это программные алгоритмы, которые используются для прогнозирования или обнаружения неизвестных аспектов процесса обучения на основе исторических данных и текущего поведения. Существует четыре основные категории аналитики обучения:
- описательный (что произошло?)
- прогнозирующий (что произойдет дальше?)
- диагностический (почему это произошло?)
- предписывающий (сделайте это, чтобы улучшить)
Большинство коммерческих решений носят исключительно описательный характер. Те, кто занимается прогнозированием или проактивностью, делают определенные предположения об обучении, которые применимы не ко всем.
Аналитика и отчетность
Moodle предоставляет множество встроенных отчетов, основанных на данных журнала, но они в основном носят описательный характер - они рассказывают участникам о том, что произошло, но не о причинах, и они не предсказывают результаты и не советуют участникам, как улучшить результаты. Записи в журнале, хотя и очень подробные, сами по себе не описывают процесс обучения. Они сообщают нам “кто”, “что” и “когда”, но не “почему” или “насколько хорошо". Для разработки модели взаимодействия с каждым микро-действием требуется гораздо больше контекста.
Для Moodle также существует множество сторонних плагинов, которые предоставляют описательную аналитику. Существует также интеграция со сторонними решениями для создания отчетов за пределами сайта. Опять же, они в основном предоставляют описательную аналитику, которая основывается на суждении человека при интерпретации отчетов и создании прогнозов и предписаний.
В прошлом системы учебной аналитики часто пытались анализировать прошлые действия, чтобы прогнозировать будущие действия в режиме реального времени. С Moodle Learning Analytics мы стали более амбициозными. Мы считаем, что полноценное решение для учебной аналитики поможет нам не только прогнозировать события, но и изменить их в лучшую сторону.
Особенности
- Поддерживаются два типа моделей:
- Модели, основанные на машинном обучении, включая прогнозирующие модели
- "Статические" модели для выявления проблемных ситуаций с использованием простых правил
- Три встроенные модели: "Students at risk of dropping out", "Предстоящие занятия должны быть завершены" и "Преподавание запрещено".
- Набор показателей вовлеченности учащихся indicato, основанный на Community of Inquiry.
- Встроенные инструменты для оценки моделей на основе данных вашего сайта
- Упреждающие уведомления с помощью Events
- Список предлагаемых действий прилагается к уведомлениям Insight для каждой модели. Например, в модели Students at risk of dropping out преподаватели могут легко отправлять сообщения учащимся, указанным в модели, или перейти к Activity report для этого учащегося, чтобы получить более подробную информацию об активности учащихся в рамках курса
- АПИ для создания индикаторов и моделей прогнозирования для сторонних плагинов Moodle
- Тип плагина для серверной части машинного обучения - поддерживает PHP и Python и может быть расширен для реализации других серверных частей ML.
- Система может быть легко расширена за счет новых пользовательских моделей, основанных на повторно используемых целях, индикаторах и других компонентах. Дополнительные сведения см. в документации разработчика Analytics API.
Ограничения
- Модели машинного обучения, такие как Students at risk of dropping out, должны быть обучены на сайте с данными. Эти модели не могут делать прогнозы на сайте, пока это не будет сделано.
- Модели должны разрабатываться и отбираться в соответствии с образовательными приоритетами учебного заведения.
Настройки
Система Moodle learning analytics требует предварительной настройки перед использованием. Более подробную информацию смотрите в разделе Analytics settings.
Using analytics
The Moodle Learning Analytics API is an open system that can become the basis for a very wide variety of models. Models can contain indicators (a.k.a. predictors), targets (the outcome we are trying to predict), insights (the predictions themselves), notifications (messages sent as a result of insights), and actions (offered to recipients of messages, which can become indicators in turn).
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. See Using analytics for more information.
Analytics models may be restricted to category or course contexts
Managing models
Once models have been enabled and trained, insights will be generated. Models should also be monitored for performance and accuracy. See Managing analytics for more information.
