MétaCan
Menu
Retour à la cohorte
Enregistrement W2127565000 · doi:10.1080/09523987.2010.518815

Building a tool to help teachers analyse learners’ interactions in a networked learning environment

2010· article· en· W2127565000 sur OpenAlexaff
Ουρανία Πετροπούλου, Ioannis Altanis, Symeon Retalis, Christos A. Nicolaou, Christos Kannas, M. Vasiliadou, Ireneos Pattis

Notice bibliographique

RevueEducational Media International · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensInnovaderm (Canada)
Organismes subventionnairesnon disponible
Mots-clésLearning analyticsOnline learningComputer scienceHumanitiesPsychologyPedagogyMultimediaPhilosophyData science

Résumé

récupéré en direct d'OpenAlex

Educators participating in networked learning communities have very little support from integrated tools in evaluating students’ learning activities flow and examining learners’ online behaviour. There is a need for non‐intrusive ways to monitor learners’ progress in order better to follow their learning process and appraise the online course effectiveness. This paper presents a conceptual framework and an innovative tool, called LMSAnalytics, that allows teachers and evaluators easily to track the learners’ online behaviour, make judgments about learners’ activity flow and gain a better insight about the knowledge constructed and skills acquired in a networked learning environment. Erstellen eines Tools um Lehrern zu helfen, Lerner‐Interaktionen in einer vernetzten Lernumgebung zu analysieren Pädagogen, die an vernetzten Lerngemeinschaften teilnehmen, haben sehr wenig Unterstützung von integrierten Programmen zum Auswerten der Lernaktivitäten der Studenten und von ihrem Online‐Verhalten. Es ist notwendig, nicht‐störende und auch automatisierte Möglichkeiten zur Überwachung des Lernfortschritts der Lerner zu entwickeln, damit ihr Lernfortschritt und auch die Online‐Kurs‐Effektivität besser verfolgt werden können. Dieses Papier stellt einen konzeptuellen Rahmen und ein innovatives Tool, „LMS‐Analytics”, vor, die Lehrern und Bewertern das Nachverfolgen des Online‐Verhalten des Lernenden und seinen Aktivitätsfluss zu beobachten und dadurch einen besseren Einblick über die Kenntnisse, das Wissen und die Fähigkeiten, die in einer vernetzten Lernumgebung erworben werden, zu gewinnen. La construction d’un instrument pour aider les enseignants à analyser les interactions entre apprenants dans un environnement d’apprentissage en réseau Les éducateurs qui participent aux activités de communautés d’apprentissage en réseau ne sont guère aidés par des instruments intégrés permettant d’évaluer le flux des activités d’apprentissage des étudiants et d’examiner le comportement des apprenants en ligne. Il y a un besoin réel de moyens automatisés et non invasifs pour suivre les progrès des apprenants afin de mieux suivre leur processus d’apprentissage et d’évaluer l’efficacité du cours en ligne. Cet article présente un cadre conceptuel et un outil innovant appelé LMSAnalytics qui permet aux professeurs et aux évaluateurs de suivre facilement à la trace le comportement en ligne des apprenants, de porter des jugements sur le flux d’activité de ces apprenants et d’avoir une vision meilleure du savoir qui s’est construit et des compétences acquises dans un environnement d’apprentissage en réseau. La construcción de una herramienta para ayudar a los profesores a analizar las interacciones entre los estudiantes dentro de un entorno de aprendizaje en red Los educadores que participan en comunidades de aprendizaje en red tienen poca ayuda por falta de herramientas integradas que les permitan evaluar el flujo de las actividades de aprendizaje por parte de los estudiantes y examinar su comportamiento en línea. Lo que hacen falta son sistemas automatizados y non‐invasivos para comprobar los progresos de los estudiantes, vigilar sus procesos de aprendizaje y evaluar la eficacia del curso en línea. Este artículo presenta un marco conceptual y una herramienta innovadora llamada LMS Analytics que ofrecer a los profesores y evaluadores la posibilidad de vigilar fácilmente el comportamiento en línea de los estudiantes, de evaluar sus flujos de actividad y conseguir una visión más clara de los conocimientos construidos y de las competencias adquiridas dentro de un entorno de aprendizaje en red.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,007
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,359
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational Media InternationalMême sujetOnline and Blended LearningTravaux en français237 207