Lernanalytik für den Online-Unterricht: Vorhersage der schulischen Leistungen und Förderung des Engagements durch datengestützte Modelle

Dieses Buch befasst sich mit den drängenden Themen der Lernmotivation und der Studienabbruchquote in Online-Bildungsumgebungen. Mit Schwerpunkt auf technischen Studierenden in Karnataka, Indien, stellt die Studie das "EDU Insight"-Framework vor, um wichtige verhaltensbezogene und demografische Faktoren zu analysieren, die sich auf die Leistungsfähigkeit der Studierenden auswirken. Es wird ein Modell zur Vorhersage von Punkteständen vorgeschlagen, das auf Random-Forest-Algorithmen und der Erweiterung mit synthetischen Daten mittels tabellarischer GANs basiert, um die Lernergebnisse mit hoher Genauigkeit vorherzusagen. Darüber hinaus wird ein hybrider Ensemble-Lernansatz entwickelt, der gewichtete Klassifikatoren und Meta-Lernverfahren einbezieht, um die Vorhersageleistung weiter zu verfeinern. Zur Unterstützung des personalisierten Lernens wird ein auf Autoencodern basierendes Empfehlungssystem mit kollaborativem Filtering eingeführt, das Kursvorschläge auf der Grundlage des Lernerverhaltens und der demografischen Merkmale maßschneidert. Der integrierte Einsatz von Lernanalytik und maschinellem Lernen in dieser Studie liefert neuartige Methoden für Vorhersagegenauigkeit, Datenschutz und personalisierte Lerninterventionen in Online-Bildungssystemen.

Pagina's: 100, Paperback, Verlag Unser Wissen