tgoop.com/educational_lab/1052
Last Update:
Поэтому сегодня хотел бы поделиться с вами прикладными материалами на эту тему. Несмотря на академический характер, они могут стать отправной точкой для ваших размышлений 👇🏼
В этой статье можете почитать о решении под названием Course Signals. Решение было разработано, чтобы дать преподавателям возможность использовать аналитику для обеспечения обратной связи со студентами в режиме реального времени.
Что интересно, Course Signals полагается не только на оценки для прогнозирования успеваемости, но и на демографические характеристики, прошлую академическую историю и усилия обучающихся.
В данном материале рассматривается использование дашборда для понимания как студенты взаимодействуют со своим курсом.
Разработка преследует три стратегические цели: улучшить удержание (т.е. увеличить COR), академическую успеваемость и повысить чувство принадлежности студентов.
Отдельное внимание рекомендую уделить сравнительным диаграммам уровня вовлеченность и успеваемости студентов
В этой статье рассматривается разработка Degree Compass, которая является системой для подбора курсов студентам на основе их талантов и академических целей.
Модель объединяет тысячи прошлых оценок студентов с расшифровкой стенограммы каждого конкретного студента для выработки индивидуальных рекомендаций.
Причем Degree Compass использует методы прогнозной аналитики на основе данных об оценках и зачислении, чтобы ранжировать курсы по факторам, которые определяют пользу от каждого курса обучения.
В данном материале (с примерами) рассматривается концепция подхода к образованию, основанного на данных (data driven-education).
Причём не только относительно студентов, но и команды разработчиков обучения.
Больше полезной информации вы найдёте в библиотеке канала