Аналитика обучения: различия между версиями

Материал из База знаний Центра ПУСК МФТИ
← Предыдущая правка
ВизуальныйВики-текст
м Breslav.ep переименовал страницу Analytics в Аналитика обучения
 
(не показано 9 промежуточных версий этого же участника)
Строка 1: Строка 1:
{{Tracking progress}}
{{Tracking progress}}
==Overview==
==Обзор==
{{#widget:Analytics_in_Moodle_3_8 |arg.foo=bar|arg.bar=oni}}


=== What are learning analytics? ===
=== Что такое аналитика обучения? ===
Learning analytics are software algorithms that are used to predict or detect unknown aspects of the learning process, based on historical data and current behavior. There are four main categories of 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:
* descriptive (what happened?)
* описательный (что произошло?);
* predictive (what will happen next?)
* прогнозирующий (что произойдет дальше?);
* diagnostic (why did it happen?)
* диагностический (почему это произошло?);
* prescriptive (do this to improve)
* предписывающий (сделайте это, чтобы улучшить).


Most commercial solutions are descriptive only. Those that are predictive or proactive make certain assumptions about learning that don't apply to everyone.
Большинство коммерческих решений носят исключительно описательный характер. Те, кто занимается прогнозированием или проактивностью, делают определенные предположения об обучении, которые применимы не ко всем.


=== Analytics vs. reporting ===
=== Аналитика и отчетность ===
Moodle provides a variety of built-in reports based on log data, but they are primarily descriptive in nature—they tell participants what happened, but not why, and they don't predict outcomes or advise participants how to improve outcomes. Log entries, while very detailed, are not in themselves descriptive of the learning process.  They tell us “who,” “what,” and “when,” but not “why” or “how well.” Much more context is needed around each micro-action to develop a pattern of engagement.
Moodle предоставляет множество встроенных отчетов, основанных на данных [[Журнал событий|журнала событий]], но они тоже в основном носят описательный характер ― рассказывают участникам о том, что произошло, но не о причинах произошедшего, 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.


Many third-party plugins also exist for Moodle that provide descriptive analytics. There are also integrations with third-party off-site reporting solutions. Again, these primarily provide descriptive analytics that rely on human judgment to interpret reports and generate predictions and prescriptions.
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.


Often in the past, learning analytics systems have attempted to analyze past activities to predict future activities in real time. With Moodle Learning Analytics, we are more ambitious. We believe a full learning analytics solution will help us not only predict events, but change them to be more positive.
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.


===Features===
=== Особенности аналитики обучения ===
* Two types of models supported:
* Поддерживаются два типа моделей:
** Machine-learning based models, including predictive models
** Модели, основанные на машинном обучении, включая прогнозирующие модели.
** "Static" models to detect situations of concern using simple rules
** «Статические» модели для выявления проблемных ситуаций с использованием простых правил.
* Three built-in models: "[[Students at risk of dropping out]]", "Upcoming activities due" and "No Teaching".
* Три встроенные модели:  
* A set of student engagement [[Learning analytics indicators|indicators]] based on the  [https://en.wikipedia.org/wiki/Community_of_inquiry Community of Inquiry].
** «[[Students at risk of dropping out|Студенты с риском отчисления»]],  
* Built-in tools to evaluate models against your site's data
** «Элементы с истекающим сроком сдачи» и
* Proactive notifications using [[Events list report|Events]]
** «Обучение отсутствует».
* A list of suggested Actions is provided with the Insight notifications for each model. For example, in the [[Students at risk of dropping out]] model, instructors can easily send messages to students identified by the model, or jump to the [[Activity report]] for that student for more detail about student activity within the course
* Набор показателей вовлеченности студентов, основанный на [https://en.wikipedia.org/wiki/Community_of_inquiry Community of Inquiry], можно [[Learning analytics indicators|посмотреть здесь]].
* An [[dev:Analytics API|API]] to build indicators and prediction models for third-party Moodle plugins
* Встроены инструменты для оценки моделей на основе данных вашего сайта.
* Machine learning backend plugin type - supports PHP and Python, and can be extended to implement other ML backends
* Упреждающие уведомления создаются на базе [[Events list report|Отчета о событиях]].
* The system can be easily extended with new custom models, based on reusable targets, indicators, and other components. For more information, see the [[dev:Analytics API|Analytics API]] developer documentation.
* Список предлагаемых действий прилагается к уведомлениям Insight для каждой модели. Например, в модели [[Students at risk of dropping out|Студенты с риском отчисления]] преподаватели могут легко отправлять сообщения студентам, указанным в модели, или перейти к [[Activity report|отчету по элементам]] для этого студента, чтобы получить более подробную информацию об активности студентов в рамках курса.
* [https://moodledev.io/docs/5.1/apis/subsystems/analytics API] 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 [https://moodledev.io/docs/5.1/apis/subsystems/analytics Analytics API].


===Limitations===
===Ограничения ===


* Machine learning models such as [[Students at risk of dropping out]] must be trained on a site with data . These models cannot make predictions on a site until this is done.
* 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 не прошло обучения.
* Models must be designed and selected to match the educational priorities of the institution.
* Модели должны разрабатываться и отбираться в соответствии с образовательными приоритетами учебного заведения.


== Settings ==
== Настройки ==


The Moodle learning analytics system requires some initial configuration before use. See [[Analytics settings]] for more detail.
Система Moodle learning analytics требует предварительной настройки перед использованием. Более подробную информацию смотрите в разделе [[Analytics settings]].


== Using analytics ==
== Использование аналитики ==
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).
Moodle Learning Analytics API - это открытая система, которая может стать основой для очень широкого спектра моделей. Модели могут содержать индикаторы (они же предикторы), цели (результат, который мы пытаемся предсказать), инсайты (сами прогнозы), уведомления (сообщения, отправляемые в результате инсайтов) и действия (предлагаемые получателям сообщений, которые, в свою очередь, могут стать индикаторами).


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.
Большинство моделей аналитики обучения по умолчанию отключены. Включение моделей для использования следует производить после рассмотрения целей организации, которые они призваны поддерживать. Дополнительные сведения см. в разделе [[Using analytics|Использование аналитики]].


Analytics models may be restricted to category or course contexts
Модели аналитики могут быть ограничены контекстами категорий или курсов.


== Managing models ==
== Управление моделями ==
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.
После включения и обучения моделей будет сформирована аналитическая информация. Также необходимо отслеживать производительность и точность моделей. Дополнительные сведения см. в разделе [[Managing analytics|Управление аналитикой]].


==See also==
==См. также==


* [[Analytics FAQ]]
* [[Analytics FAQ]]
 
[[:Category:Analytics]]
[[Category:Analytics]]
 
[[es:Analítica]]
[[de:Analytics]]
[[fr:Analyses de données]]

Текущая версия от 07:13, 8 октября 2025

Main page ► Managing a Moodle course ► Tracking progress ► Аналитика обучения
Tracking progress

Обзор

Что такое аналитика обучения?

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 событий, но они тоже в основном носят описательный характер ― рассказывают участникам о том, что произошло, но не о причинах произошедшего, 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 аналитики обучения

  • 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:
  • Набор показателей вовлеченности студентов, основанный на Community of Inquiry, можно посмотреть здесь.
  • Встроены инструменты для оценки моделей на основе данных вашего сайта.
  • Упреждающие уведомления создаются на базе Отчета о событиях.
  • Список предлагаемых действий прилагается к уведомлениям Insight для каждой модели. Например, в модели Студенты с риском отчисления преподаватели могут легко отправлять сообщения студентам, указанным в модели, или перейти к отчету по элементам для этого студента, чтобы получить более подробную информацию об активности студентов в рамках курса.
  • API 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 не прошло обучения.
  • 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.

Использование аналитики

Moodle Learning Analytics API - это открытая система, которая может стать основой для очень широкого спектра моделей. Модели могут содержать индикаторы (они же предикторы), цели (результат, который мы пытаемся предсказать), инсайты (сами прогнозы), уведомления (сообщения, отправляемые в результате инсайтов) и действия (предлагаемые получателям сообщений, которые, в свою очередь, могут стать индикаторами).

Большинство моделей аналитики обучения по умолчанию отключены. Включение моделей для использования следует производить после рассмотрения целей организации, которые они призваны поддерживать. Дополнительные сведения см. в разделе Использование аналитики.

Модели аналитики могут быть ограничены контекстами категорий или курсов.

Управление моделями

После включения и обучения моделей будет сформирована аналитическая информация. Также необходимо отслеживать производительность и точность моделей. Дополнительные сведения см. в разделе Управление аналитикой.

См. также

Category:Analytics
Источник — https://wiki.mipt.ru/index.php?title=Аналитика_обучения&oldid=32561