Литмир - Электронная Библиотека

Инструменты разработчика адаптивных тестов

Корпоративное обучение для цифрового мира - i_012.png

Аналитика обучения

Аналитика обучения, или учебная аналитика, (learning analytics) – измерение, сбор, анализ и представление данных об обучающихся и образовательной среде с целью понимания и оптимизации обучения и условий, в которых оно происходит[6].

Задачи учебной аналитики[7]

Корпоративное обучение для цифрового мира - i_013.png
Корпоративное обучение для цифрового мира - i_014.png

Связь учебной аналитики и анализа образовательных данных[8]

Корпоративное обучение для цифрового мира - i_015.png

Связь учебной аналитики и бизнес-аналитики по уровню принятия решений (HR analytics / people analytics / talent analytics / T&D analytics – в зависимости от детализации)

• Для бизнес-аналитики – запрос со стороны бизнеса (ключевое – бизнес-ценность).

• Для учебной аналитики – запрос со стороны учебного процесса (ключевое – «понимание и оптимизация обучения и окружения»).

Деление не всегда может быть жестким, скорее несколько разные уровни абстракций.

Построение модели обучающегося на основе больших данных (model based on big data)
Источники доказательств

Взаимодействие с образовательными ресурсами

Показатели взаимодействия во время обучения, включая: манеру навигации, ответы на упражнения и тесты, типы совершаемых ошибок, временные характеристики, связанные с деятельностью студента во время обучающих мероприятий

Прошлая деятельность

Ретроспективные показатели прошлой деятельности обучающегося, раскрывающие усвоение идей, навыков или компетенций на текущий момент

Административные данные

Показатели периферийного контекста: преподаватель, школа, район, местная община или государство (на основании административных данных)

Эмоциональное состояние

Ближайшие показатели, относящиеся к обучению, например: эмоциональное состояние, качество сна, показатели питания

Социальные показатели

Показатель взаимодействия учащегося с другими учениками и преподавателем в процессе обучения или с записанной речью (со всеми ее разнообразными свойствами, например семантическим содержанием, просодией и т. д.)

Предпочитаемые обучающие медиа или жанры

Ретроспективные показатели предпочтительных для обучающегося медиа или жанров в тех случаях, когда выбор был возможен

Демографическая информация

Показатели периферийного контекста: демографическая информация об учащемся

Социальные связи

Показатели ближайшего контекста, такие как социальные отношения и данные о социальных связях

Тип мышления

Данные из анкеты или самоотчета относительно того, как учащийся устанавливает связь между своими стратегическими усилиями во время обучения и развитием компетенций, а также относительно функционирования сферы обучения

Настойчивость или упорство

Ретроспективные показатели настойчивости или упорства обучающегося при столкновении в процессе обучения с трудностями, которые индексируются как ошибки и временные показатели

Временная история

Показатели ближайшего контекста, представляющие временную историю действий обучающегося, данные о которой доступны в конкретный день

Нарушения в классе

Показатели ближайшего и периферийного контекста о нарушениях в классе согласно записям о поведенческих происшествиях в классе обучаемого в конкретный день или в течение времени

Корпоративное обучение для цифрового мира - i_016.png
Корпоративное обучение для цифрового мира - i_017.png

Образовательное извлечение данных (educational data mining, EDM) и data mining

Из упомянутых методологических категорий универсальными для всех типов data mining считаются предсказательный анализ, кластерный анализ и поиск взаимосвязей, однако более известными подходами к EDM считаются «Открытия с помощью моделей» и «Очистка данных для оценки человеком».

Кейс: предиктивная аналитика для мегментации аудиторри [5]

Корпоративное обучение для цифрового мира - i_018.png

Выявлена зависимость между показанным результатом и количеством попыток прохождения теста

Оценка / число попыток

Корпоративное обучение для цифрового мира - i_019.png

Проведена дополнительная сегментация по динамике

Оценка / улучшили результат

Корпоративное обучение для цифрового мира - i_020.png

Оценка / «застряли»

Корпоративное обучение для цифрового мира - i_021.png
Корпоративное обучение для цифрового мира - i_022.png

В

Виртуальная реальность

Виртуальная реальность (virtual reality, VR) – искусственная реальность, синтетический мир (объекты и субъекты), созданный техническими средствами, передаваемый человеку через его ощущения: зрение, слух, обоняние, осязание и другие.

Виртуальная реальность имитирует как воздействие, так и реакции на воздействие. Для создания убедительного комплекса ощущений реальности компьютерный синтез свойств и реакций виртуальной реальности производится в реальном времени.

Объекты виртуальной реальности обычно ведут себя близко к поведению аналогичных объектов материальной реальности. Пользователь может воздействовать на эти объекты в согласии с реальными законами физики (гравитация, свойства воды, столкновение с предметами, отражение и т. п.).

Однако часто пользователям виртуальных миров позволяется больше, чем возможно в реальной жизни (например, летать, создавать любые предметы и т. п.).

Свойства виртуальной реальности:

Порожденность

Виртуальная реальность производится другой, внешней к ней реальностью

Актуальность

Существует актуально, в момент наблюдения, здесь и сейчас

Автономность

Имеет свои законы бытия, времени и пространства

Интерактивность

Может взаимодействовать с другими реальностями, тем не менее обладая независимостью

Не следует путать виртуальную реальность с дополненной. Их коренное различие в том, что виртуальная конструирует новый искусственный мир, а дополненная реальность лишь вносит отдельные искусственные элементы в восприятие мира реального, являясь формой смешанной реальности, наряду с дополненной виртуальностью.

вернуться

6

Lang, C., Siemens, G., Wise, A., Gašević, D. (2017). The Handbook of Learning Analytics. 1st ed. SoLAR: Society for Learning Analytics Research, p. 241.

вернуться

7

Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics: An Issue Brief. U.S. Department of Education, Office of Educational Technology. Washington, D.C., 2012. [PDF] Available at: https://tech.ed.gov/wp-content/uploads/2014/03/edm-la-brief.pdf

вернуться

8

Siemens, G. and Baker, R. (2012). Learning analytics and educational data mining: Towards communication and collaboration. In: 2nd International Conference on Learning Analytics and Knowledge. NY: ACM, pp.252–254.

4
{"b":"613629","o":1}