Hvad er opdragende Data Mining?

Pædagogisk data mining (EDM) er processen med at analysere data fra skoler, studerende og administratorer. De data, der analyseres er fremstillet af edb-informationssystemer, såsom prøveresultater og fremmødekontrol. Data mining ser efter mønstre og foreninger til at drage konklusioner om ydelse og adfærd.

Moderne uddannelsesmiljøer afhængige af teknologi til at effektivisere driften og holde styr på vigtige studerende data. Programmer er også til at administrere studerende lektionsplaner, lette læringsprocessen og administrere eksamener. Kommunikation mellem elever, lærere og forældre bliver også i høj grad afhængig af internettet og computerteknologi. Pædagogisk data mining søger at kombinere alle disse data til at afdække nye indsigter.

Skoler bruger indsigter fra data mining til at udvikle nye programmer læring, forbedre ydeevnen og løse potentielle problemer. Teknikken kan bruges til at bestemme hvilke betingelser hjælpe eleverne lærer bedre eller udføre bedre på eksamener. Anvender uddannelsesmæssige data mining er blevet så populær, at der regelmæssigt afholdes verdensomspændende konferencer for at undervise undervisere om de teknikker og opdage nye måder at integrere det i skolerne.

Nogle af emnerne udforskes under pædagogisk Data mining konferencer omfatter hvordan man effektivt at bruge data mining, hvordan mine forskellige datakilder, forbedring metoder til undervisningssoftware, og hvordan man skal fortolke data mining resultater for at forbedre klasseundervisning. Ligesom marketingfolk bruge data mining til at afdække sammenhænge mellem forbrugernes indkøbsvaner og marketingaktiviteter, uddannelsesmæssige data mining søger at opdage uudtalte adfærdsmønstre. For eksempel kan lærere bruge den til at bestemme effektiviteten af ​​eksperimentelle former for læring og feedback ydeevne for gymnasieelever, såsom selvstyret læring og vurderinger baseret på subjektive skriftlige anmeldelser snarere end et brev lønklasse.

Data mining er en måde at få indsigt i hovederne på eleverne og administratorer, som kan være vanskelige at afdække med direkte forskningsmetoder. Nogle gymnasier og universiteter kan analysere resultaterne af eksamen studerendes præstationer på nationale standardiserede tests for at overvåge kvaliteten af ​​dens klasseundervisning. Høj score på visse fagområder frem for andre kan indikere et behov for at tilpasse den metode, hvor dette materiale er leveret. Andre læringsredskaber udover den traditionelle forelæsning kan forsøges som følge af data mining.

For eksempel, hvis data mining afdækker, at eleverne bevarer mere information over tid som følge af at arbejde på projekter snarere end multiple choice test, kan undervisere begynde at gennemføre flere projekter i alle klasser. Data mining kan også isolere hvordan visse grupper af studerende lærer. Resultater af elevernes resultater kan afspejle tendenser blandt aldersgrupper og køn.

  • Data fra standardiserede tests bruges ofte i pædagogisk data mining.
  • Nogle skoler bruger data om studerendes test resultater til at overvåge kvaliteten af ​​klasseundervisning.
  • Software-applikationer kan bruges til at administrere de studerendes lektionsplaner og eksamener.
  • Computerteknologi er i stigende grad en større del af uddannelsesprocessen.

© 2019 Zajacperrone.com | Contact us: webmaster# zajacperrone.com