Zastosowanie metod eksploracji danych do wspomagania przygotowania procesu dydaktycznego

Zastosowanie metod eksploracji danych do wspomagania przygotowania procesu dydaktycznego
Eksploracja danych dostarcza cennej wiedzy ukrytej w dużych zbiorach danych. Pozwala na odkrywanie zależności niewidocznych gołym okiem. Swoje zastosowanie może znaleźć także w edukacji podczas przygotowywania oferty dydaktycznej. Artykuł przedstawia zastosowanie algorytmów eksploracji danych w przygotowaniu procesu edukacyjnego.
W rozważanym zakresie eksploracja danych służy do przekształcania surowych danych w wiedzę, która pozwala na poznanie preferencji studentów. Skupiono się na odkrywaniu grup studentów oraz tworzeniu ich modeli określających style uczenia się. W trakcie budowania grup zastosowano klasyfikację bez nadzoru m.in. metody k-średnich oraz EM. Grupy tworzone były z uwzględnieniem preferencji studentów dotyczących nauki. Pozwoliło to na uzyskanie grup zawierających studentów o podobnych stylach uczenia się. Do zweryfikowania poprawności klasyfikacji wykorzystane zostały indeksy walidacyjne, które pozwoliły na wybranie najbardziej efektywnego podziału studentów. Badania przeprowadzono na danych zebranych wśród studentów Politechniki Rzeszowskiej na podstawie ankiety zawierającej kwestionariusz ILS. Uzyskane podczas badań wyniki pozwoliły na określenie ile różnorodnych materiałów dydaktycznych należy przygotować, aby były dopasowane do preferencji studentów różnych grup. Poznanie stylów uczenia się studentów pozwala nauczycielowi na lepsze zrozumienie upodobań studentów, a samym uczniom na dopasowanie materiałów do własnego stylu uczenia, dzięki czemu łatwiej i szybciej przyswajają wiedzę.

Pełny tekst (pdf)

[1] Beaudoin M.F.: Learning of lurking? Tracking the „invisible” on-line student, Internet & Higher Educ. 5, 2002, p.147-155.
[2] Felder R.M., Silverman L.K: Learning and teaching styles in engineering education, Eng. Educ. 1988, p.674-681.
[3] Gajewski R.: O stylach uczenia się w I-edukacji, http://www.e-mentor.edu.pl [dostęp: 15.08.2015].
[4] Graf S., Kinshuk: Considering learning styles in learning managements systems: investigation the bahaviour of students in an online course. In: Proc. of the 1st IEEE Int. Workshop on Semantic Media Adaptation and Personalization, Athens 2006.
[5] Kotarska-Lewandowska B.: Programy komputerowe a style uczenia się, XIV Konferencja Diagnostyki Edukacyjnej, Opole, 2008.
[6] Larose D.T.: Metody i modele eksploracji danych, Wydawnictwo Naukowe PWN 2008.
[7] Lee M. : Profiling students adaptation styles in web-based learning, Comput. Educ. 36, 2003, p. 121-132.
[8] Morzy T.: Eksploracja danych: metody i algorytmy, Wydawnictwo Naukowe PWN, Warszawa 2013.
[9] Popularna Encyklopedia Powszechna, Wydawnictwo FOGRA, 1994-1998
[10] Taraszkiewicz M., Nowa szkoła… wspieranie kariery ucznia, WSiP, Warszawa 1997, s. 20.
[11] Zakrzewska D.: Eksploracja danych w modelowaniu użytkowników edukacyjnych i systemów internetowych, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2012.
[12] Zakrzewska D.: Cluster Analysis for Users’s Modeling in Inteligent E-Learning Systems, Springer Heidelberg 2008, s. 209-214.
[13] Oszust M.: Rozprawa doktorska – Zastosowanie grupowania szeregów czasowych do rozpoznawania wypowiedzi w języku migowym na podstawie sekwencji wizyjnych, Kraków 2013, s. 35-36. 
[14] Walesiak M., Dudek A.: Symulacyjna optymalizacja wyboru procedury klasyfikacyjnej dla danego typu danych – charakterystyka problemu, Zeszyty naukowe Uniwersytetu Szczecińskiego, 2006.