通过学习分析系统与预测模型对齐学习者的期望与表现
人机交互
2022-11-16 v1
摘要
学习分析(LA)是关于学习者的数据收集、分析与表征,旨在改善其学习与表现。此外,LA为高等教育中的自我调节学习打开了机遇之门,这是一个循环过程,学习者激活并维持面向其个人学习目标的行为。LA与自我调节学习的潜力巨大,然而它们尚未在高等教育机构中广泛应用。斯洛文尼亚高等教育机构在LA采用上落后于其他欧洲国家。我们的研究旨在通过采用定性定量驱动的工作流来构建面向需求的LA解决方案以填补这一空白,该方案包括实证收集学生对LA的期望并呈现一个仪表板解决方案。我们翻译了学生学习分析期望问卷(Student Expectations of Learning Analytics Questionnaire)并采用焦点小组来收集学习者的期望。基于此,我们为选定课程实现了一个利用LA与基于AI模型的成绩预测的的用户界面。该界面包含早期成绩预测、同伴比较和历史数据概览。成绩预测基于在虚拟学习环境中的用户交互、人口统计数据和实验成绩上构建的机器学习模型。首先,使用分类来确定有不及格风险的学生——在课程第一个月后其精确率(precision)达到98%。其次,使用决策树回归器(Decision Tree Regressor)预测确切成绩,在第一个月后达到11.2个成绩点(百分制)的平均绝对误差(mean absolute error)。所提出系统的主要益处是在学期中支持学习过程的自我调节,可能激励学生调整其学习策略以防止课程不及格。初步学生评估显示了积极结果。
引用
@article{arxiv.2211.07729,
title = {Aligning Learners' Expectations and Performance by Learning Analytics Systemwith a Predictive Model},
author = {Saša Brdnik and Boštjan Šumak and Vili Podgorelec},
journal= {arXiv preprint arXiv:2211.07729},
year = {2022}
}
备注
11 pages, 4 figures, submitted to ACM IUI conference