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”

OU Analyse: Analysing At-Risk Students at The Open University

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21730%2F15%3A00234971" target="_blank" >RIV/68407700:21730/15:00234971 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.laceproject.eu/publications/analysing-at-risk-students-at-open-university.pdf" target="_blank" >http://www.laceproject.eu/publications/analysing-at-risk-students-at-open-university.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    OU Analyse: Analysing At-Risk Students at The Open University

  • Popis výsledku v původním jazyce

    The OU Analyse project aims at providing early prediction of at-risk students based on their demographic data and their interaction with Virtual Learning Environment. Four predictive models have been constructed from legacy data using machine learning methods. In Spring 2014 the approach was piloted and evaluated on two introductory university courses with about 1,500 and 3,000 students, respectively. Since October 2014 the predictions have been extended to include 10+ courses of different level. The OUAnalyse dashboard has been implemented, for presenting predictions and providing a course overview and a view of individual students.

  • Název v anglickém jazyce

    OU Analyse: Analysing At-Risk Students at The Open University

  • Popis výsledku anglicky

    The OU Analyse project aims at providing early prediction of at-risk students based on their demographic data and their interaction with Virtual Learning Environment. Four predictive models have been constructed from legacy data using machine learning methods. In Spring 2014 the approach was piloted and evaluated on two introductory university courses with about 1,500 and 3,000 students, respectively. Since October 2014 the predictions have been extended to include 10+ courses of different level. The OUAnalyse dashboard has been implemented, for presenting predictions and providing a course overview and a view of individual students.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

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