Библиографическое описание:Работа с цифровым следом из электронной обучающей среды для решения задач учебной аналитики : доклад, тезисы доклада / Р. В. Есин, Т. А. Кустицкая. - [Б. м. : б. и.], 2023. - Текст : непосредственный // Большие данные : Материалы I Международного форума / Большие данные (2022 ; 16.11 - 18.11 ; Новосибирск). - Новосибирск : Новосибирский государственный университет экономики и управления "НИНХ", 2023. - С. 219-237. - Исследование выполнено при финансовой поддержке гранта РНФ, проект № 22-28-00413. - ISBN 9785701411133.
Аннотация:Работа посвящена особенностям цифрового следа обучающихся из электронной обучающей среды LMS Moodle. Рассматриваются разные способы нормализации данных для их приведения к одному масштабу, варианты решения проблемы размерности путем выявления информативных признаков. Предлагается набор предикторов, сформированных из данных цифрового следа Moodle, в динамике описывающих успеваемость и образовательное поведение студентов в электронной среде. Приводится пример задачи учебной аналитики, решавшейся авторами путем построения прогнозной модели по этим предикторам - задачи раннего выявления студентов с проблемами в обучении.
The work is devoted to the peculiarities of the digital footprint of students from the LMS Moodle e-learning environment. The authors consider different ways of data normalization to bring them to the same scale, as well as options for solving the dimension problem by identifying informative features. A set of predictors is proposed, which is formed from the digital footprint data from LMS Moodle and is able to describe in dynamics the academic performance and educational behavior of students in the e-learning environment. As an example, the problem of early detection of learning outcome is given, which the authors solved by building a predictive model using these predictors.
