Аналитика обучения
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:
- «Студенты с риском отчисления»,
- «Элементы с истекающим сроком сдачи» и
- «Обучение отсутствует».
- 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
