Hva er lærerikt Data Mining?

May 1  by Eliza

Pedagogisk data mining (EDM) er prosessen med å analysere data fra skoler, studenter og administratorer. Dataene som analyseres er hentet fra IT-systemer, for eksempel testresultater og møteprotokoller. Data mining ser etter mønstre og foreninger for å trekke konklusjoner om ytelse og atferd.

Moderne pedagogiske miljøer er avhengige av teknologi for å effektivisere driften og holde styr på viktige studentdata. Programmer er også brukt til å administrere student timeplaner, lette læringsprosessen og administrere eksamener. Kommunikasjon mellom elever, lærere og foreldre blir også i stor grad avhengig av internett og datateknologi. Pedagogisk data mining søker å kombinere alle disse dataene til å avdekke nye innsikter.

Skoler bruker innsikter fra data mining for å utvikle nye læringsprogrammer, forbedre ytelsen og løse potensielle problemer. Teknikken kan brukes til å bestemme hvilke betingelser hjelpe elevene lærer bedre eller prestere bedre på eksamen. Ansette pedagogisk data mining har blitt så populært at hele verden konferanser holdes regelmessig for å lære lærere om teknikker og oppdage nye måter å innlemme det i skolene.

Noen av temaene som utforskes i løpet av pedagogisk data mining konferanser inkluderer hvordan du effektivt bruker data mining, hvordan å utvinne ulike datakilder, forbedring metoder for pedagogisk programvare, og hvordan du skal tolke data mining resultatene til å forbedre klasseromsundervisning. Akkurat som markedsførere bruker data mining for å avdekke sammenhenger mellom forbrukernes kjøpevaner og markedsaktiviteter, pedagogisk data mining søker å oppdage usagte mønstre av atferd. For eksempel kan lærere bruke den til å fastslå effektiviteten av eksperimentelle former for læring og ytelse tilbakemeldinger for high school-elever, slik som selvstyrt læring og vurderinger basert på subjektiv skriftlige vurderinger snarere enn en bokstavkarakter.

Data mining er en måte å få innsikt i hodet av studenter og administratorer, som kan være vanskelig å avdekke med direkte forskningsmetoder. Noen høyskoler og universiteter kan analysere resultatene av avgangsstudentene prestasjoner på nasjonale standardiserte tester for å overvåke kvaliteten på sin klasseromsundervisning. Rekorder i visse fagområder enn andre kan indikere et behov for å justere den metoden der dette materialet er levert. Andre læringsverktøy i tillegg til tradisjonell forelesning kan forsøkes som et resultat av data mining.

For eksempel, hvis data mining avdekker at studentene beholde mer informasjon over tid som følge av å jobbe på prosjekter i stedet for flervalgstester, kan lærere begynne å implementere flere prosjekter i alle klasser. Data mining kan også isolere hvordan visse grupper av studenter lære. Resultater av elevprestasjoner kan gjenspeile trender blant aldersgrupper og kjønn.

  • Data fra standardiserte tester er ofte brukt i pedagogisk data mining.
  • Noen skoler bruker data på student teste ytelsen til å overvåke kvaliteten på klasseromsundervisning.
  • Dataprogrammer kan brukes til å administrere student timeplaner og eksamener.
  • Datateknologien er i økende grad bli en større del av utdanningsprosessen.