Аналитика
Обзор
Что такое аналитика обучения?
Аналитика обучения — это программные алгоритмы, которые используются для прогнозирования или выявления неизвестных аспектов процесса обучения на основе исторических данных и текущего поведения. Участвуют четыре основные категории аналитики обучения:
- описательная (что произошло?);
- предсказательная (что произойдёт дальше?);
- диагностическая (почему это произошло?);
- предписательная (сделайте это, чтобы улучшить).
Большинство коммерческих решений являются только описательными. Те, которые являются предсказательными или проактивными, делают определённые предположения об обучении, которые применимы не ко всем.
Аналитика и отчётность
Moodle предоставляет множество встроенных отчётов на основе данных журналов, но они в основном описательны по своей природе — они сообщают участникам, что произошло, но не почему, и не предсказывают результаты или не советуют участникам, как улучшить результаты. Записи в журналах, хотя и очень подробные, сами по себе не описывают процесс обучения. Они сообщают нам «кто», «что» и «когда», но не «почему» и «насколько хорошо». Для разработки модели взаимодействия требуется гораздо больше контекста для каждого микродействия.
Также для Moodle существует множество сторонних плагинов, которые предоставляют описательную аналитику. Существуют также интеграции со сторонними внешними решениями для отчётности. Опять же, они в основном предоставляют описательную аналитику, которая опирается на суждения человека для интерпретации отчётов и составления прогнозов и предписаний.
Часто в прошлом системы аналитики обучения пытались анализировать прошлые действия для прогнозирования будущих действий в режиме реального времени. С Moodle Learning Analytics мы ставим более амбициозные цели. Мы считаем, что полноценное решение для аналитики обучения поможет нам не только предсказывать события, но и изменять их к лучшему.
Возможности
- Поддерживаются два типа моделей:
- Модели на основе машинного обучения, включая предсказательные модели;
- «Статические» модели для выявления проблемных ситуаций с использованием простых правил.
- Три встроенные модели: «Студенты, рискующие отсеяться», «Предстоящие мероприятия» и «Нет обучения».
- Набор показателей вовлечённости студентов показатели, основанный на Сообществе исследования.
- Встроенные инструменты для оценки моделей на основе данных вашего сайта.
- Проактивные уведомления с использованием событий.
- Для каждой модели предоставляется список предложенных действий вместе с уведомлениями Insight. Например, в модели Студенты, рискующие отсеяться преподаватели могут легко отправить сообщения студентам, выявленным моделью, или перейти к отчёту по элементам для этого студента, чтобы получить более подробную информацию о деятельности студента в рамках курса.
- API для создания показателей и прогнозных моделей для сторонних плагинов Moodle.
- Тип плагина машинного обучения — поддерживает PHP и Python, и может быть расширен для реализации других бэкендов машинного обучения.
- Система может быть легко расширена за счёт новых пользовательских моделей, основанных на повторно используемых целях, показателях и других компонентах. Для получения дополнительной информации см. документацию разработчика API аналитики.
Ограничения
- Модели машинного обучения, такие как Студенты, рискующие отсеяться, должны быть обучены на сайте с данными. Эти модели не могут делать прогнозы на сайте до тех пор, пока это не будет сделано.
- Модели должны быть разработаны и выбраны в соответствии с образовательными приоритетами учреждения.
Настройки
Система аналитики обучения Moodle требует некоторой первоначальной настройки перед использованием. См. Настройки аналитики для получения более подробной информации.
Использование аналитики
API Moodle Learning Analytics — это открытая система, которая может стать основой для самых разных моделей. Модели могут содержать показатели (известные также как предикторы), цели (результат, который мы пытаемся предсказать), инсайты (сами прогнозы), уведомления (сообщения, отправленные в результате инсайтов) и действия (предлагаемые получателям сообщений, которые, в свою очередь, могут стать показателями).
Большинство моделей аналитики обучения не включены по умолчанию. Включение моделей для использования должно производиться после рассмотрения институциональных целей, которые должны поддерживаться моделями. См. Использование аналитики для получения дополнительной информации.
Модели аналитики могут быть ограничены контекстом категории или курса.
Управление моделями
После включения и обучения моделей будут генерироваться инсайты. Модели также следует отслеживать на предмет производительности и точности. См. Управление аналитикой для получения дополнительной информации.