Learning Analytics Enriched Rubric
| Learning Analytics Enriched Rubric | |
|---|---|
| タイプ | Rubric |
| セット | Advanced Grading Methods |
| ダウンロード | Learning Analytics Enriched Rubric |
| イシュー | Bug tracker |
| ディスカッション | Learning Analytics Enriched Rubric plugin for advance grading |
| メンテナー | John Dimopoulos |
Learning Analytics Enriched Rubric(Ae-R) は、クライテリアに基づく評定に使用される高度な評定方法です。ルーブリックとして、それは一連のクライテリアで構成されています。各クライテリアについて、いくつかの記述レベルが提供されます。これらの各レベルには、数値の評定が割り当てられます。
強化されたルーブリックには、投稿メッセージの数、学習資料へのアクセス時間、課題の評定など、Moodleコースでの学習者の相互作用と学習行動の分析からのデータに関連付けられたクライテリアと関連する評定レベルが含まれています。
LA e-Rubricは、コラボレーションインタラクション、過去の評定パフォーマンス、コースリソースの問い合わせに関連するログデータからの学習分析を使用して、クライテリアごとにさまざまなレベルのスコアを自動的に計算できます。合計ルーブリックスコアは、各クライテリアごとの評定の合計として計算されます。
このリンクをクリックして、Learning Analytics Enriched Rubricの説明ビデオをご覧ください。
バージョン3.0リリースノート
LAe-Rプラグインの新しいバージョンには、次の拡張機能と特性が組み込まれています。
- Moodleの最新のコードガイドラインに従った最新のコーディング。
- データマイニングおよびラーニングアナリティクス生成のパフォーマンスを向上させるためのコードの再開発。
- Tabキーを使用して、次のレベル/クライテリアにジャンプしたり、新しいクライテリアやレベルを追加したりすることもできます。
- ルーブリックの作成を高速化するためのクライテリアの複製。
- マイナスのポイントは、たとえば提出遅延ペナルティとして、レベルで割り当てることができます。
- Moodleの標準テーマであるクリーン、（ブースト）および（モア）およびすべてのデバイス（デスクトップ–タブレット–スマートフォン）向けのレスポンシブデザイン。
- GDPR準拠
新しいバージョンは、レイアウトとしてクリーン、ブーストなどのテーマでテストするためにMoodle3.5を使用して作成されました。
新しいLearning Analytics Enriched Rubricの作成
ラLearning Analytics Enriched Rubricの選択
ユーザが高度な評価方法としてLAe-Rubricを選択する方法は2つあります。
- 課題の作成中に、作成フォームの評定セクションで選択を行います。
- 課題の設定ブロックで高度な評定をクリックし、[アクティブな評定方法を変更してフォームを選択する]フィールドから選択します。
Learning Analytics Enriched Rubricの編集
課題の高度な評定ページで、ユーザは次のことができます。
- 新しい評定フォームを最初から定義する または、
- テンプレートから新しい評定フォームを作成する または、
- 現在のフォーム定義を編集する
いずれにせよ、LAe-Rubricを作成または編集できる評定フォームエディタページが表示されます。
そのフォームで、ユーザはLA e-Rubricの名前、オプションの説明を入力し、基準を追加または編集して、要件を満たすオプションを選択します。
次に、LA e-Rubricをドラフトとして保存するか（さらに編集するため）、保存して使用できるようにすることができます。
Learning Analytics EnrichedRubricでのクライテリアの追加または編集
基準を追加または編集するために、ユーザは次のことができます。
- 基準の説明を追加または編集します。
- レベルの説明とポイント値を追加または編集します。
- エンリッチメントクライテリアタイプ（collaboration-grade-study）を追加または編集します。
- クライテリアタイプとして コラボレーション が選択されている場合は、エンリッチメントコラボレーションタイプ（単純なオカレンス、ファイルの送信、フォーラムの返信、やり取りされた人々）を追加または編集します。
- データマイニングが行われるクライテリアタイプに応じて、対応するコースモジュールを追加または削除します。
- 検出されたエンリッチメントベンチマークとレベルエンリッチメントチェック値（等しい-以上）の間で、エンリッチメント計算に使用される演算子を追加または編集します。これは、比較操作のために離散範囲値と連続範囲値のどちらをチェックするかを定義します。
- 個々の学生またはすべての学生に応じて計算のチェック範囲を追加または編集します。
- 比較操作でチェックポイントを設定するために必要なレベルエンリッチメントチェック値を追加または編集します。
上記のフォームフィールドを追加または編集する前に、ユーザは次のことを考慮する必要があります。
- ルーブリックのをクライテリアに保つために、エンリッチメントフィールドは空白のままにします。基準の強化は必須ではありません!
- クライテリアエンリッチメントの場合、すべてのエンリッチメントフィールドとレベル値を編集する必要があります。
- 他のすべてのエンリッチメントフィールドを編集するには、最初に クライテリアタイプ 選択する必要があります。
- クライテリアタイプ は、エンリッチメントに含まれるコースモジュールの種類を定義します。
- コラボレーションチェック 場合、 コラボレーションタイプ フィールドが使用可能であり、必須です。
- コラボレーションタイプ は、コースモジュールからどのようなチェックが行われるかを定義します。
- コラボレーションタイプ 投稿とトーク は、選択したコースモジュールのログから単純な 投稿 の追加と トーク インスタンスをチェックします。
- コラボレーションタイプ ファイル送信 は、選択した フォーラム コースモジュールにのみアップロードされたファイルの数をチェックします。
- コラボレーションタイプ フォーラムの返信 は、選択した フォーラム コースモジュールでのみ投稿へのユーザの返信をチェックします。
- コラボレーションタイプ 相互作用した人々 は、選択したコースモジュールで、学生が相互作用したクラスメートの数をチェックします。
- 選択したクライテリアタイプおよび特定のコースの1つ以上のコースモジュールを追加する必要があります。
- クライテリア演算子 は、レベルエンリッチメント値に関連付けられた論理条件を計算するために使用されます。
- [すべてに関連]（学生）または1つ（学生）は、計算が評定された学生に従って行われるか、絶対値が処理されるか、他のすべての学生に従って行われるかを定義します。したがって、パーセンテージが処理されます。
- クライテリアの関係がパーセンテージによる場合、選択したすべてのコースモジュールからの他のすべての学生の算術平均が学生のベンチマークと見なされます。
- レベルエンリッチメント値は、レベルの順序に従って昇順（または降順）にする必要があります。そうしないと、評価中に論理エラーが発生する可能性があります。
Learning Analytics EnrichedRubricのオプションの確認
LA e-Rubricの編集中に、次のオプションを確認できます。
ルーブリックオプション
- レベルの並べ替え順序
成績ポイントの昇順または降順に従ってレベル表示を並べ替えます。
重要: 濃縮チェックポイントに従って適切なレベルを選択するために、濃縮ではレベル順序が考慮されます。たとえば、レベルグレード値が0 – 10 – 20 – 30の場合、濃縮チェックポイントはそれに応じて昇順である必要があります（例:5 – 6 – 7 – 8）。この例を使用すると、濃縮演算子が（> =）より大きい場合、濃縮ベンチマークは9に計算され、濃縮チェックポイントは5 – 6 – 8 – 7であるため、8ではなく7が選択されます。
- 最小スコアが0のルーブリックに基づいて成績を計算します
この設定は、各基準の最小ポイント数の合計が0より大きい場合にのみ適用されます。チェックされている場合、ルーブリックの達成可能な最小グレードは0より大きくなります。チェックされていない場合、ルーブリックの可能な最小スコアがマップされます。活動に使用できる最低グレード（スケールが使用されていない限り0）まで。
0ポイントのレベルがない、または負のポイントがあるレベルの基準を使用している場合、ルーブリックオプション「ルーブリックスコアをポイント/スケールに変換するときは、最小ポイント数が0であると想定します」（Moodle3.2以降の新機能）予期しない成績を避けるためにチェックを入れました。
- ユーザがモジュールで使用されているルーブリックをプレビューできるようにします（そうでない場合、ルーブリックは採点後にのみ表示されます）
このオプションをオンにすると、学生は課題を提出する前、または採点される前にLAe-Rubricをプレビューすることができます。
- 評価中にルーブリックの説明を表示する
- 採点対象者にルーブリックの説明を表示する
- 各レベルのポイントを採点されるレベルに表示します
- 評価中に各レベルのポイントを表示します
- 採点者が各基準にテキストコメントを追加できるようにする
- 採点される人にコメントを表示する
強化された基準オプション
- 各レベルのエンリッチメントチェックポイントを評価対象のレベルに表示します
- 評価中に各レベルの濃縮チェックポイントを表示します
- 採点対象の基準の強化を表示する
ルーブリック基準の強化を非表示にするには、このオプションのチェックを外します。
- 評価中に基準の強化を表示する
ルーブリック基準の強化を非表示にするには、このオプションのチェックを外します。
- エンリッチメント論理エラーの場合、自動基準評価をオーバーライドします（エンリッチメント論理エラーが存在する場合、オーバーライドせずに評価することはできません!）
このオプションをオンにすると、エンリッチメントベンチマークが見つからない場合、またはエンリッチメント基準に論理エラーがあり、レベルを自動的に選択できない場合に、評価者が自分の判断に従ってレベルを選択できるようになります。
- エンリッチメントの計算は、割り当て可能な日付から実行されます（有効な場合）
割り当てに利用可能日が定義されている場合は、このオプションをオンにして、データマイニングのエンリッチメント計算にタイムスタンプを付けます。
- 濃縮計算は、提出期日まで実行されます（有効な場合）
割り当てに期日が定義されている場合は、このオプションをオンにして、データマイニングのタイムスタンプエンリッチメント計算を行います。
- 計算された濃縮ベンチマークを評価対象に表示します
- 評価中に計算された濃縮ベンチマークを表示します
ラーニングアナリティクスの強化されたルーブリックの保存とプレビュー
ユーザは、このフォームを下書きとして保存してさらに確認したり、保存してすぐに使用できるようにすることができます。いずれの場合も、後でユーザはLAe-Rubricフォームを作成または編集したままプレビューできます。
ビデオチュートリアル
このリンクをクリックして、Learning Analytics EnrichedRubricで基準を作成するビデオのチュートリアルを表示できます。
Learning Analytics EnrichedRubricを使用して学生を評価する
採点プロセスでは、Learning Analytics EnrichedRubricがその魔法を実行します。ログファイルからのデータの分析は、すべての強化された基準を自動的に評価し、対応する基準レベルが値を取得できるようにするために実行されます。評価者はオプションのコメントを提供し、「保存」または「保存して次に採点する」をクリックするだけで、学生を採点できます。
まず、上のユーザがクリックビュー/グレードは、すべての応募作品割り当てビューページで、または割り当ての設定では、ボックス。割り当ての===評定===ページで、ユーザのグレードのアイコンをクリックするか、選択した級左側の編集欄の編集アイコンから。
評価フォーム内に、エンリッチメントベンチマークが表示され、それぞれに適切なレベルが選択された、すべてのエンリッチメント基準が表示されます。濃縮評価手順が成功した場合、各基準で、ユーザは、濃縮に応じたベンチマークに対応する値を持つ濃縮レベルのチェックアイコンを見ることができます。
濃縮評価の失敗の処理
濃縮評価が濃縮された基準のために失敗した場合、評価者場合にのみ、彼自身の判断に応じてレベルを選ぶことができます自動基準の評価をオーバーライド LAの電子朱書きのオプションから有効になっています。エンリッチメント評価に失敗し、評価者が自分でレベルを選択できない場合、すべての基準でレベルがチェックされないため、学生の評価はできません。このような場合、濃縮評価手順を上書きするのではなく、これらのエラーを回避するために濃縮基準を再度確認することを強くお勧めします。
学生による評価
基準強化評価が学生の価値観に従って行われる場合、評価者が学生の成績を正確に把握できるように、学生のベンチマークが連続して表示されます。
グローバルスコープに従った評価
参加しているすべての学生に従って濃縮評価を実施する場合、結果が成功すると、評価者は2つのベンチマークを表示します。 1つは現在評価されている学生を表し、もう1つは参加しているすべての学生の平均スコアを表します。繰り返しますが、これは、評価者が参加しているすべての学生に関して、学生の成績のより良い範囲を獲得するために行われます。
グローバルスコープの評価についての非常に重要な何かがあることである積極的に参加している学生のみ濃縮の選択コースのモジュールでは、すべての学生がコースに登録彼らはあってもよいこと、未満た手段を占めています。これは2つの理由で行われます:
- LA e-Rubricは、参加者全員ではなく、参加者に応じて学生に定性的評価を行うためです。アクティブな学生のみに関係する真の参加とコラボレーションの結果を測定したいと思います。
- もう1つの同様に重要な理由は、例で説明できます。たとえば、20人の学生がコースに参加していて、先週のコラボレーションの量に応じて評価したいとします。また、先週5人が病気であったか、出席できなかったとしましょう。 5人の学生がホールウィークの平均を下げるのは正しくありません。
上記の見積もりは、コラボレーションの確認にのみ有効です。成績を確認して勉強するために、登録されたすべての学生がプロセスで会計処理されます。
ビデオチュートリアル
このリンクをクリックして、Learning Analytics EnrichedRubricでの学生の評価ビデオの実行方法に関するチュートリアルを表示できます。
学生がLearningAnalytics EnrichedRubricをどのように見ているか
ラーニングアナリティクスの強化されたルーブリックのプレビュー
対応するオプションが適用されている場合、学生は採点される前にLAe-Rubricをプレビューできます。これは、学生がどのように評価されているかを知らせ、評価基準をよりよく理解するための優れた方法です。
学生はLA電子ルーブリックをプレビューするためには、彼らは、クリックするだけ等級の提出左側にその割り当てのサブメニューでは。
Learning Analytics EnrichedRubricによって生成された評価結果を表示する
採点後、学生は評価がどのように行われたかを確認できます。また、評価結果に影響を与えたLAe-Rubric基準に従って自分のベンチマークを表示することもできます。
学生に表示されるLAe-Rubric要素は、LAe-Rubricオプションで定義されます。
学生は、対応する課題ページにアクセスすると、完成したLAe-Rubricを表示します。
ビデオチュートリアル
このリンクをクリックすると、学生がLearning Analytics EnrichedRubricで評価結果を表示するビデオのチュートリアルを表示できます。
バックアップと復元、テンプレートの共有、Learning Analytics EnrichedRubricのインポート
バックアップ、復元、インポートまたはテンプレート共有に関する手順は、Moodleのすべての高度な評価方法に従って実行されます。
ただし、LA e-Rubricに関しては、いくつかの制限があります。
LA e-Rubricは、課題が作成されたmoodleコースに属する特定の常駐コースモジュールを使用します。したがって、LA e-Rubricが復元されるか、インポートされるか、別のコースで共有される場合、特定のコースモジュールは存在しません。 LA e-Rubric全体の構造はそのままですが、ユーザは不足しているコースモジュールを新しいコースで取得した同様のモジュールと交換する必要があります。
コース全体が復元された場合、予想されるシナリオは、ほとんどのコースモジュールに新しいIDが割り当てられているため、この制限が引き続き有効である可能性があります。繰り返しになりますが、LA e-Rubric全体の構造はそのままですが、コースモジュールIDを更新するには、不足しているコースモジュールを復元されたコースで取得したものと同じものに置き換える必要があります。
LA e-Rubricの共有手順中に、ユーザはこの制限に関する情報メッセージを受け取ります。
ユーザが別のコースからLAe-Rubricをインポート、復元、または使用すると、強化された基準にないコースモジュールについてユーザに通知し、LAe-Rubricが機能するように適切な変更を行うようにアドバイスする別のメッセージが表示されます。 。
以下の画像は、これらすべてのメッセージを示しています。
Learning Analytics EnrichedRubricでの強化のための成績計算とデータマイニング
成績計算
成績の計算は、単純なルーブリックと同じ方法で行われます。
ルーブリックの正規化されたスコア（つまり、基本的にパーセンテージグレード）は次のように計算されます。
- G_s = \ frac {\ sum_ {i = 1} ^ N（g_i-min_i）} {\ sum_ {i = 1} ^ N（max_i-min_i）}
どこg_i \ in \ mathbb {Z} i番目の基準に与えられたポイントの数です。 min_i \ in \ mathbb {Z} i番目の基準の可能な最小ポイント数です。 max_i \ in \ mathbb {N} i番目の基準で可能な最大ポイント数であり、 N \ in \ mathbb {N}ルーブリックの基準の数です。
0ポイントのレベルがない、または負のポイントがあるレベルの基準を使用している場合は、予期しない成績を避けるために、ルーブリックオプション「最小スコアが0のルーブリックに基づいて成績を計算する」にチェックマークを付ける必要があります。次に、ルーブリックの合計スコアは次のように計算されます。
- G_s = \ frac {\ sum_ {i = 1} ^ N g_i} {\ sum_ {i = 1} ^ N max_i}
どこg_i \ in \ mathbb {Z} i番目の基準に与えられたポイントの数であり、 max_i \ in \ mathbb {N} i番目の基準で可能な最大ポイント数であり、 N \ in \ mathbb {N}ルーブリックの基準の数です。
以下のように、1つの基準と4つのレベルを持つ単純なルーブリックを調べてみましょう。
| +例1:4つのレベルを含む1つの基準を持つ単純なルーブリック | ||||
| レベル1 | レベル2 | レベル3 | レベル4 | |
|---|---|---|---|---|
| 基準1 | 1点 | 2点 | 3点 | 4点 |
上記の例では、2つのポイントがチェックされた2番目のレベルがあります。上記の計算方法によれば、最初の方法は正規化されたスコアを次のように解決します。
- G_s = \ frac {（2-1）} {（4-1）} = \ frac {1} {3} = 33％
2番目の方法によると、正規化されたスコアは次のとおりです。
- G_s = \ frac {2} {4} = 50％
したがって、4点満点で2点を獲得した学生は、50％のスコアで採点されるべきであると仮定して上記のルーブリックを作成する人にとって、2番目の方法は彼らの仮定を満たします。
2番目の例では、前のルーブリックに次のように0ポイントのレベルで別のレベルを追加します。
| +例2:最小スコアが0ポイントの5つのレベルを含む1つの基準を持つ単純なルーブリック | |||||
| レベル1 | レベル2 | レベル3 | レベル4 | レベル5 | |
|---|---|---|---|---|---|
| 基準1 | 0点 | 1点 | 2点 | 3点 | 4点 |
最初の方法によると、正規化されたスコアは次のとおりです。
- G_s = \ frac {（2-0）} {（4-0）} = \ frac {2} {4} = 50％
2番目の方法によると、正規化されたスコアは次のとおりです。
- G_s = \ frac {2} {4} = 50％
したがって、ルーブリックの可能な最低スコアがゼロ（0）の場合、両方の方法で同じスコア結果が計算されます。
両方の方法で同じスコア結果が計算される（可能な最低スコアがゼロ（0）であるため）、より複雑なルーブリックの例は、次のとおりです。
| +例3:スコアが0ポイント低い5つのレベルを含む4つの基準を持つ複雑なルーブリック | |||||
| レベル1 | レベル2 | レベル3 | レベル4 | レベル5 | |
|---|---|---|---|---|---|
| 基準1（単純な基準） | 1点 | 2点 | 3点 | 4点 | 5点 |
| 基準2（二重重み基準） | 2点 | 4点 | 6点 | 8点 | 10点 |
| 基準3（ペナルティポイント基準） | -3ポイント | -2ポイント | -1ポイント | 0点 | 1点 |
| 基準4（単純な基準） | 0点 | 1点 | 2点 | 3点 | 4点 |
最初の方法によると、正規化されたスコアは次のとおりです。
- G_s = \ frac {（4-1）+（4-2）+（0-（-3））+（4-0）} {（5-1）+（10-2）+（1-（- 3））+（4-0）} = \ frac {3 + 2 + 3 + 4} {4 + 8 + 4 + 4} = \ frac {12} {20} = 60％
2番目の方法によると、正規化されたスコアは次のとおりです。
- G_s = \ frac {4 + 4 + 0 + 4} {5 + 10 + 1 + 4} = \ frac {12} {20} = 60％
評価方法を充実させるための分析の学習
ログファイルの分析中に取得されたデータは、以下のケースに示されている分析指標に従って区別されます。
- コラボレーションでの単純な出来事については、moodleログデータはフォーラム投稿追加とチャットトークます。
- 共同でファイル送信の場合、フォーラム投稿メッセージに添付されたファイル数。
- 共同でのフォーラム返信の場合、フォーラム返信投稿メッセージがカウントされます（自分自身への返信は含まれません）。
- 対話した人々については、フォーラムの投稿とチャットメッセージのデータが測定されます。
- 学習行動をチェックするために、選択されたコースリコースに対する学生の意見の数が考慮されます。
- 成績を確認するために、選択した課題のMoodle採点スコアが処理されます。
一般的なアドバイス-ヒント-指示
- 奇数のレベル（3または5）のルーブリックを作成して、学生が低-中-高の評価値のポイントを把握できるようにします。
- 重要なレッスンの目的を示すために二重の重み基準を使用します。
- 中程度のレベルでペナルティポイント（例:-1）を使用するか、すべてではありません（負の罰ではなく正の強化を使用します）。
- 明確な説明（例:はい-いいえ）のある2つのレベルの基準を使用して、シンプルでありながら重要なレッスンの目的を明確にします（例:学生は常に時間内に課題を提出します）。
- ルーブリック基準は、基準ごとに同じ説明または番号のレベルである必要はありません。 Moodleのルーブリックは柔軟で調整可能です。あなたの評価のニーズを満たすためにそれを使用してください!
- 強化されたルーブリックは単純な基準を持つことができます。それらすべてを濃縮する必要はありません。違いは、評価中に評価者が単純な基準を手動で選択する必要があることです。
- キーボードのタブキーまたは新しいコピー基準ボタン
を使用して、ルーブリックをすばやく作成します。 - 最初にすべてのコースリソースと活動を作成してから、LAe-Rubricを生成します。
- 論理エラーを回避するために、濃縮基準を注意深く徹底的に作成します。
- LAe-Rubricで使用されているコースリソースまたは活動を削除しないでください。
- 評価にはログデータが必要なので、学生の採点が完了するまで、Moodleデータログを削除したり空にしたりしないでください。
- GDPR規則に従ってユーザ評価データの削除が要求された場合は、コースが完了し、学生の成績が公開された後で、これらのデータを削除することをお勧めします。
GDPRコンプライアンス
このプラグインはGDPRに準拠しています。適切なアクセス権を持つユーザは、このツールによって保存されているすべてのユーザ評価データを表示、ダウンロード、または削除できます。評価データが削除されても、学生の成績は成績表に影響されませんが、採点されたルーブリックは空白になります。
将来の改善
将来の改善は、次の目的で行われる可能性があります。
- 各基準の評価中にグラフとチャートを使用してLearningAnalyticsを視覚化します。
- 評価結果をさまざまな形式にエクスポートします。
- 既知のルーブリック作成ツールからLAe-Rubricsをインポートします。
- ルーブリックの作成を高速化するために、デフォルトのルーブリックテンプレートを提供します。
関連項目
Moodle Docs
- 高度な評定方法 Moodleの高度な評定に関する一般的な概念について
- Moodleルーブリック Moodleコースでのルーブリックの使用に関するガイドラインについて
Wikiペディア
学術文書
- [3] Oによって書かれました。 Petropoulou、M。Vassilikopoulou、SymeonRetalisがOperationalResearchジャーナルに掲載されました
- [4]Y。Psaromiligkos、A。Spyridakos、S。Retalisによって作成されました
- [5]O。Petropoulou、M。Vassilikopoulou、SymeonRetalisによるギリシャの記事科学技術教育ジャーナルのテーマに掲載
- Learning Analytics EnrichedRubricsを使用した学生の成績の評価I。Dimopoulos、O。Petropoulou、S。Retalisによる執筆
- [6]I。Dimopoulos、O。Petropoulou、S。Retalisによって書かれました
- LAe-R:学生のパフォーマンスを評価するためのMoodleの新しい学習分析ツール O. Petropoulou、K。Kasimatis、I。Dimopoulosによって書かれました。 S.レタリス
- Kasimatis、O。Petropoulou、S。Retalis、I。Dimopoulos、I。Psaromiligkos、K。Karaggelisによる共同探求型学習シナリオ中のe-Assessmentメソッド
