アナリティクス
- アナリティクスモデルの学習
- 教師向け
- 研究者向け
概要
ラーニングアナリティクスとは何ですか?
ラーニングアナリティクスは、履歴データと現在の動作に基づいて、学習プロセスの未知の側面を予測または検出するために使用されるソフトウェアアルゴリズムです。ラーニングアナリティクスには、主に4つのカテゴリがあります。
- 説明的（何が起こったのですか?）
- 予測（次に何が起こるか?）
- 診断（なぜそれが起こったのですか?）
- 規範的（改善するためにこれを行う）
ほとんどの商用ソリューションは説明のみです。予測的または積極的なものは、すべての人に当てはまるわけではない学習について特定の仮定をします。
アナリティクスとレポート
Moodleはログデータに基づいてさまざまな組み込みレポートを提供しますが、それらは本質的に主に記述的です-参加者に何が起こったのかを伝えますが、理由は伝えません。また、結果を予測したり、結果を改善する方法を参加者にアドバイスしたりしません。ログエントリは非常に詳細ですが、それ自体は学習プロセスを説明するものではありません。彼らは私たちに “誰が”、“何を”、“いつ” を教えてくれますが、“なぜ” や “どれだけうまく” は教えてくれません。エンゲージメントのパターンを開発するには、各マイクロアクションの周囲にさらに多くのコンテキストが必要です。
記述的アナリティクスを提供するMoodle用の多くのサードパーティプラグインも存在します。サードパーティのオフサイトレポートソリューションとの統合もあります。繰り返しますが、これらは主に、レポートを解釈し、予測と処方箋を生成するために人間の判断に依存する記述的アナリティクスを提供します。
多くの場合、過去には、ラーニングアナリティクスシステムは、過去の活動を分析して、将来の活動をリアルタイムで予測しようと試みてきました。 Moodle Learning Analyticsを使用すると、より野心的になります。完全なラーニングアナリティクスリューションは、イベントを予測するだけでなく、イベントをよりポジティブに変えるのに役立つと信じています。
機能
- サポートされている2種類のモデル:
- 予測モデルを含む機械学習ベースのモデル
- 単純なルールを使用して懸念事項を検出するための 静的 モデル
- 3つの組み込みモデル：脱落リスクのある学生、直近の活動期限、授業なし。
- Community ofInquiryに基づく一連の学生エンゲージメント 指標。
- サイトのデータに対してモデルを評価するための組み込みツール
- イベントを使用した事前通知
- 推奨されるアクションのリストは、各モデルの洞察通知とともに提供されます。たとえば、脱落リスクのある学生モデルでは、インストラクターはモデルで識別された学生にメッセージを簡単に送信したり、その学生の 活動レポートにジャンプして学生の活動の詳細を確認したりできます。コース内
- APIサードパーティのMoodleプラグインのインジケーターと予測モデルを構築する
- 機械学習バックエンドプラグインタイプ-PHPとPythonをサポートし、他のMLバックエンドを実装するように拡張できます
- システムは、再利用可能なターゲット、インジケーター、およびその他のコンポーネントに基づいて、新しいカスタムモデルで簡単に拡張できます。詳細については、 アナリティクスAPI 開発者向けドキュメント。
制限
- 脱落リスクのある学生などの機械学習モデルは、データのあるサイトでトレーニングする必要があります。これらのモデルは、これが行われるまでサイトで予測を行うことはできません。
- モデルは、教育機関の教育上の優先順位に一致するように設計および選択する必要があります。
設定
Moodleラーニングアナリティクスシステムは、使用する前にいくつかの初期構成を必要とします。詳細については、アナリティクスの設定を参照してください。
アナリティクスの使用
Moodle Learning Analytics APIは、非常に多様なモデルの基礎となるオープンシステムです。モデルには、インジケータ（別名予測子）、ターゲット（予測しようとしている結果）、洞察（予測自体）、通知（洞察の結果として送信されるメッセージ）、およびアクション（メッセージの受信者に提供されるメッセージ）を含めることができます。インジケーター）。
ほとんどのラーニングアナリティクスモデルは、デフォルトでは有効になっていません。モデルを使用できるようにすることは、モデルがサポートすることを意図している制度上の目標を考慮した後で行う必要があります。詳細については、アナリティクスの使用を参照してください。
モデルの管理
モデルが有効化およびトレーニングされると、洞察が生成されます。モデルのパフォーマンスと精度も監視する必要があります。詳細については、アナリティクスの管理を参照してください。
ケイパビリティ
2つのアナリティクスケイパビリティがあります。
