Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Analysing Student VLE Behaviour Intensity and Performance

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F19%3A00333394" target="_blank" >RIV/68407700:21230/19:00333394 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21730/19:00333394 RIV/00216208:11410/19:10398703

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007/978-3-030-29736-7_45" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-29736-7_45</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-29736-7_45" target="_blank" >10.1007/978-3-030-29736-7_45</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Analysing Student VLE Behaviour Intensity and Performance

  • Popis výsledku v původním jazyce

    Almost all higher educational institutions use Virtual Learning Environments (VLE) for the delivery of educational content to the students. Those systems collect information about student behaviour, and university can take advantage of analysing such data to model and predict student outcomes. Our work aims at discovering whether there exists a direct connection between the intensity of VLE behaviour represented as recorded student activities and their study outcomes and analyse how intense this connection is. For that purpose, we employed the clustering method to divide students into so-called VLE intensity groups and compared formed groups (clusters) with the student outcomes in the course. Our analysis has been performed using Open University Learning Analytics dataset (OULAD).

  • Název v anglickém jazyce

    Analysing Student VLE Behaviour Intensity and Performance

  • Popis výsledku anglicky

    Almost all higher educational institutions use Virtual Learning Environments (VLE) for the delivery of educational content to the students. Those systems collect information about student behaviour, and university can take advantage of analysing such data to model and predict student outcomes. Our work aims at discovering whether there exists a direct connection between the intensity of VLE behaviour represented as recorded student activities and their study outcomes and analyse how intense this connection is. For that purpose, we employed the clustering method to divide students into so-called VLE intensity groups and compared formed groups (clusters) with the student outcomes in the course. Our analysis has been performed using Open University Learning Analytics dataset (OULAD).

Klasifikace

  • 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)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GJ18-04150Y" target="_blank" >GJ18-04150Y: Prediktivní modelování studentova výkonu s využitím výukových zdrojů</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Transforming Learning with Meaningful Technologies

  • ISBN

    978-3-030-29735-0

  • ISSN

    0302-9743

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    587-590

  • Název nakladatele

    Springer

  • Místo vydání

    Cham

  • Místo konání akce

    Delft

  • Datum konání akce

    16. 9. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku