Impact of Data Collection on Interpretation and Evaluation of Student Models

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F16%3A00090424" target="_blank" >RIV/00216224:14330/16:00090424 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1145/2883851.2883868" target="_blank" >http://dx.doi.org/10.1145/2883851.2883868</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/2883851.2883868" target="_blank" >10.1145/2883851.2883868</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Impact of Data Collection on Interpretation and Evaluation of Student Models

Popis výsledku v původním jazyce

Student modeling techniques are evaluated mostly using historical data. Researchers typically do not pay attention to details of the origin of the used data sets. However, the way data are collected can have important impact on evaluation and interpretation of student models. We discuss in detail two ways how data collection in educational systems can influence results: mastery attrition bias and adaptive choice of items. We systematically discuss previous work related to these biases and illustrate the main points using both simulated and real data. We summarize specific consequences for practice -- not just for doing evaluation of student models, but also for data collection and publication of data sets.

Název v anglickém jazyce

Impact of Data Collection on Interpretation and Evaluation of Student Models

Popis výsledku anglicky

Student modeling techniques are evaluated mostly using historical data. Researchers typically do not pay attention to details of the origin of the used data sets. However, the way data are collected can have important impact on evaluation and interpretation of student models. We discuss in detail two ways how data collection in educational systems can influence results: mastery attrition bias and adaptive choice of items. We systematically discuss previous work related to these biases and illustrate the main points using both simulated and real data. We summarize specific consequences for practice -- not just for doing evaluation of student models, but also for data collection and publication of data sets.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the Sixth International Conference on Learning Analytics & Knowledge

ISBN

9781450341905

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

40-47

Název nakladatele

ACM

Místo vydání

Edinburgh, United Kingdom

Místo konání akce

Edinburgh, United Kingdom

Datum konání akce

1. 1. 2016

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—