ІНТЕЛЕКТУАЛЬНИЙ АНАЛІЗ ДАНИХ У СИСТЕМАХ ЕЛЕКТРОННОГО НАВЧАННЯ ВИЩИХ НАВЧАЛЬНИХ ЗАКЛАДІВ

  • Н.М. БОЛЮБАШ кандидат педагогічних наук, доцент, кафедра інтелектуальних інформаційних систем, ЧНУ ім. Петра Могили, м. Миколаїв, Україна
Ключові слова: електронне навчання, змішане навчання, система електронного навчання, інтелектуальний аналіз освітніх даних

Анотація

Досліджено сучасний стан розвитку Educational Data Mining - інтелектуального аналізу освітніх даних та перспективні напрями його використання у системах електронного навчання вищих навчальних закладів на сучасному етапі розвитку суспільства. Зроблено огляд основних задач та виявлено етапи проведення інтелектуального аналізу освітніх даних з метою підвищення ефективності процесу навчання у вищій професійній освіті.

 

Посилання

Graham C.R. Blended Learning Models. In: Encyclopedia of Information Science and Technology. – Hershey, PA: Idea Group Inc, 2009. – С. 375-383.

Romero C., Ventura S. Educational data mining: a survey from 1995 to 2005 // Expert System with Applications. – 2007. - №33, V.1. – P. 135-146.

Romero C., Ventura S., Garcia E. Data mining in course management systems: Moodle case study andtutorial // Computers and Educ. – 2008. v.51, №1/ - P. 368–384.

Chaomei Chen. Structuring and Visualising the WWW by Generalised Similarity Analysis [Електронний ресурс]. Режим доступу: http://www. cs.bris.ac.uk/~chen/.

Belous V.V., Domnikov A.S. Intellektual'nyi analiz dannyh v elektronnyh obuchayuschih sistemah // Injenernyi vestnik. Iz-vo MGTU im. N.E. Baumana, №12, 2013. – S. 567-586.

Koval'chuk YU.O. Poshuk, otrimannya i analіz danyh v osvіtі: suchasnyi stan і perspektyvy rozvytku // Іnformacіinі tehnologії і zasoby navchannya. – 2015, t. 50, №6, – C. 152-164.

Romero C., Ventura S. Data mining in education // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. – 2013. – v. 3 (1), - P.12-27.

Stewart M.F., Chisholm C.U. Comparative analysis of emotional competency within distinct student cohorts // Global J. of Engng. Educ. 2012. V. 14, №2. – Р. 163-169.

Romero C., Ventura S. Data mining in e-learning. – Boston: Witpress, 2006. – 304 р.

Minos N. Garofalakis, Rajeev Rastogi, Kyuseok Shim. Data Mining and the Web: Past, Present and Future [Електронний ресурс] Режим доступу http://www. belllabs.com/user/rastogi/

Hlopotov M.V., Kocyuba I.YU. Metody intellektual'nogo analiza dannyh dlya monitoringa i diagnostiki kachestva obrazovaniya // Nauchnyi jurnal «Distancionnoe i virtual'noe obrazovanie». - Moskva, 2014. - № 5. - S. 18-25.

Castro Félix, Vellido Alfredo, Nebot Àngela, Mugica Francisco Applying Data Mining Techniques to e-Learning Problems [Електронний ресурс]. Режим доступу http://sci2s.ugr.es/keel/pdf/specific/capitulo/ ApplyingDataMiningTechniques .pdf

Barsegyan A.A. Analiz dannyh i processov: uchebnoe posobie / A.A. Barsegyan, M.S. Kupriyanov, I.I. Holod, M.D. Tess, S.I. Elizarov. – SP.: BHV- Peterburg, 2009. – 512 s.

Attributes Eui-Hong, Han George Karypis, Vipin Kumar. Min-Apriori: An Algorithm for Finding Association Rules in Data with Continuous Mining Association Rules [Електронний ресурс]. Режим доступу: http://www-users. cs.umn.edu/~karypis/

Rakesh Agrawal, Ramakrishnan Srikant. Fast Algorithms for Mining Association Rules [Електронний ресурс]. Режим доступу http://www.almaden.ibm.com/cs/ people/ragrawal

Aher S. B., Lobo L. Applicability of Data Mining Algorithms for Recommendation System in E-Learning // Proc. International Conference on Advances in Computing, Communications and Informatics, 2012

Romero C., López M. I., Luna J. M., Ventura S. Predicting students’ final performance from participation in on-line discussion forums // Computers & Education, 2013. Vol. 68. pp. 458-472.

Chang W. C., Wang T. H. Learning Ability Clustering in Collaborative Learning // Journal of Software, - 2010. Vol. 5. – pp. 1363-1370.

Cobo G., García-Solórzano D., Morán J. A. Using agglomerative hierarchical clustering to model learner participation profiles in online discussion forums // Proc. 2nd International Conference on Learning Analytics and Knowledge, 2012

Feng T., Shibin W., Cheng Z., Qinghua Z. Research on e-learner personality grouping based on fuzzy clustering analysis // Proc. 12th Int. Conf. Computer Supported Cooperative Work in Design, 2008. pp. 1035-1040

Baker R. S., Gowda S. M. Towards automatically detecting whether student learning is shallow // Intelligent Tutoring, 2012.

Wook M., Yahaya Y. H., Wahab N., Isa M. R. M., Awang N. F., Seong H. Y. Predicting NDUM Student’s Academic Performance Using Data Mining Techniques // Proc. 2nd Int. Conf. Computer and Electrical Engineering, 2009. Vol. 2. pp. 357-361.

Dharmarajan A., Velmurugan T. Applications of Partition based Clustering Algorithms: A Survey // Proc Int.Conf.Computational Intelligence and Computing Research, 2013.

Ghorbani F., Montazer G. A. Learners grouping improvement in e-learning nvironment using fuzzy inspired PSO method // Proc. 3rd Int. Conf. ELearning and E-Teaching, 2012.

Ivancevic V., Celikovic M., Lukovic I. The Individual Stability of Student Spatial Deployment and its Implications. Proc. Int. Sym. Computers in Education, 2012.

Amershi S.,Conati C. Combining unsupervised and supervised classification to build user models for exploratory learning environments // Journal of Educational Data Mining, 2009. Vol. 1. №. 1.

Опубліковано
2020-02-05
Розділ
ПЕДАГОГІКА МАЙБУТНЬОГО: ТЕХНОЛОГІЇ ПЛЕКАННЯ ДОВЕРШЕНОЇ ОСОБИСТОСТІ