Ugrás a tartalomhoz

 

Egy online tanulást támogató portál kurzusának vizsgálata Big Data adatelemző módszerekkel

  • Metaadatok
Tartalom: http://ocs.mtak.hu/index.php/nws/nws2024/paper/view/163
Archívum: NETWORKSHOP
Gyűjtemény: Tanulmányok
Cím:
Egy online tanulást támogató portál kurzusának vizsgálata Big Data adatelemző módszerekkel
Létrehozó:
Zoltán Csernai; Eszterházy Károly Katolikus Egyetem, Digitális Technológia Intézet, Humáninformatika Tanszék
Kiadó:
NETWORKSHOP
Dátum:
2024-12-19 15:32:06
Tartalmi leírás:
Napjainkban a Big Data technológia egyre népszerűbb az oktatásban, mivel lehetőséget teremt a tanulási folyamatok hatékonyabbá tételére, a tanulók személyre szabott támogatására és az intézményi döntéshozatal javítására. (Bamiah et al., 2018). A Big Data technológiák ezen kívül javítják és támogatják az online tanulást támogató rendszerek által generált adatok gyűjtését, tárolását, feldolgozását, elemzését, biztonságát és virtualizációját (Otoo-Arthur & van Zyl, 2020). A cikk célja a Big Data technológiához kapcsolódó két kulcsfontosságú oktatási terület, az oktatási adatbányászat és a tanulási analitika folyamatának, módszereinek és alkalmazási lehetőségeinek bemutatása. A kutatás egy online tanulást támogató portál kurzusának tevékenységeit vizsgálja Big Data adatelemző módszerek és eszközök segítségével, egy online platformon keresztül. A cikk célkitűzése a tanulási folyamatok mélyebb megértése és a tanulók jövőbeli eredményeinek előrejelzése Big Data elemzési módszerekkel. A tanulmány olyan elemzési megközelítéseket kínál, amelyek segíthetik az oktatókat a személyre szabott támogatás nyújtásában és a tanulói siker előmozdításában.„A Kulturális és Innovációs Minisztérium ÚNKP-23-3 kódszámú Új Nemzeti Kiválóság Programjának a Nemzeti Kutatási, Fejlesztési és Innovációs Alapból finanszírozott szakmai támogatásával készült.”Kulcsszavak: Big Data, oktatási adatbányászat, tanulási analitika, Moodle, online tanulást támogató portál. Investigating the course of an online learning portalusing Big Data analyticsNowadays, Big Data technology is becoming increasingly popular in education as it offers the potential to make learning processes more efficient, provide personalised support to learners and improve institutional decision-making (Bamiah et al., 2018). In addition, Big Data technologies improve and support the collection, storage, processing,analysis, security and virtualisation of data generated by e-learning systems (Otoo-Arthur& van Zyl, 2020). The aim of this paper is to describe the processes, methods and applications of two keyeducational areas related to Big Data technology: educational data mining and learninganalytics. The research investigates the activities of a course in an online learning supportportal using Big Data data analytics methods and tools through an online platform. The objective of the paper is to gain a deeper understanding of learning processes and topredict learners’ future performance using Big Data analytics methods. It offers analyticalapproaches that can help educators provide personalized support and promote studentsuccess.Keywords: Big Data, educational data mining, learning analytics, Moodle, online learningsupport portal. https://doi.org/10.31915/NWS.2024.5
Nyelv:
magyar
Típus:
Peer-reviewed Paper
Formátum:
application/pdf
Azonosító:
Forrás:
NETWORKSHOP; Networkshop 2024
Létrehozó:
Authors who submit to this conference agree to the following terms:<br/> <strong>a)</strong>&nbsp;Authors retain copyright over their work, while allowing the conference to place this unpublished work under a <a href="http://creativecommons.org/licenses/by/3.0/">Creative Commons Attribution License</a>, which allows others to freely access, use, and share the work, with an acknowledgement of the work's authorship and its initial presentation at this conference.<br/> <strong>b)</strong>&nbsp;Authors are able to waive the terms of the CC license and enter into separate, additional contractual arrangements for the non-exclusive distribution and subsequent publication of this work (e.g., publish a revised version in a journal, post it to an institutional repository or publish it in a book), with an acknowledgement of its initial presentation at this conference.<br/> <strong>c)</strong>&nbsp;In addition, authors are encouraged to post and share their work online (e.g., in institutional repositories or on their website) at any point before and after the conference.