Learning analytics challenges: trade-offs, methodology, scalability

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F20%3A00118360" target="_blank" >RIV/00216224:14330/20:00118360 - isvavai.cz</a>

Výsledek na webu

<a href="https://dl.acm.org/doi/10.1145/3375462.3375463" target="_blank" >https://dl.acm.org/doi/10.1145/3375462.3375463</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3375462.3375463" target="_blank" >10.1145/3375462.3375463</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Learning analytics challenges: trade-offs, methodology, scalability

Popis výsledku v původním jazyce

Ryan Baker presented in a LAK 2019 keynote a list of six grand challenges for learning analytics research. The challenges are specified as problems with clearly defined success criteria. Education is, however, a domain full of ill-defined problems. I argue that learning analytics research should reflect this nature of the education domain and focus on less clearly defined, but practically essential issues. As an illustration, I discuss three important challenges of this type: addressing inherent trade-offs in learning environments, the clarification of methodological issues, and the scalability of system development.

Název v anglickém jazyce

Learning analytics challenges: trade-offs, methodology, scalability

Popis výsledku anglicky

Ryan Baker presented in a LAK 2019 keynote a list of six grand challenges for learning analytics research. The challenges are specified as problems with clearly defined success criteria. Education is, however, a domain full of ill-defined problems. I argue that learning analytics research should reflect this nature of the education domain and focus on less clearly defined, but practically essential issues. As an illustration, I discuss three important challenges of this type: addressing inherent trade-offs in learning environments, the clarification of methodological issues, and the scalability of system development.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the Tenth International Conference on Learning Analytics & Knowledge

ISBN

9781450377126

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

554-558

Název nakladatele

Association for Computing Machinery

Místo vydání

New York, NY, United States

Místo konání akce

New York, NY, United States

Datum konání akce

1. 1. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000558753800069