Learning Analytics for Interpreting

Taibi, Davide; Bianchi, Francesca; Kemkes, Philipp; Marenzi, Ivana

doi:10.5220/0006774801450154

Cited by 5 publications

(3 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Os trabalhos avaliados têm objetivos diversos, dentre os quais: avaliar o estudante (42%), avaliar currículos dos programas ou atividades desempenhadas pelos estudantes (21%), dar feedback ao estudante sobre o seu desempenho (14%), prever o desempenho dos estudantes (14%) e, por fim, ajudar o estudante a autorregular seu aprendizado (7%). Diversas fontes de dados foram utilizadas nos trabalhos avaliados, tais como os próprios Sistemas de Gestão de Aprendizagem (chats, fóruns ou notas, por exemplo) [Trausan-Matu et al 2014;Conde et al 2018], dados de repositórios de software [Robles e Gonzalez-Barahona 2013], de ferramentas desenvolvidas especialmente para os experimentos [Chou et al 2017;Shimada et al 2018], também dados demográficos e de histórico dos alunos [Derr et al 2015], bem como de navegação dos usuários [Taibi et al 2018].…”

Section: Discussionunclassified

“…Interpreting" [Taibi et al 2018] Por fim, esse trabalho permite a análise do comprometimento e conquistas dos estudantes na criação de glossários para melhoria do vocabulário. O feedback sobre as avaliações -e sobre os que mais precisavam de ajuda -foi dado pessoalmente e, depois disso, alguns estudantes em particular mudaram seu comportamento, estimulados a construir e expandir seus glossários.…”

Section: "Learning Analytics Forunclassified

See 1 more Smart Citation

Learning Analytics em Ação: Uma Revisão Sistemática de Literatura

Freitas¹,

Souza²,

Garcia³

2019

Anais Do XXX Simpósio Brasileiro De Informática Na Educação (SBIE 2019)

View full text Add to dashboard Cite

Context: Learning Analytics (LA) is a recent trend in education, and its impacts are not widely demonstrated yet. Aim: Identify and summarize practical results of using LA concerning teaching and learning. Methodology: Systematic Literature Review. Results: From 757 papers, 14 have shown evidence to understand practical results for both teachers and students while using LA. Conclusions: LA has contributed to improve teaching and learning in different circumstances, after students receiving automated feedback, as well as has supported teachers to achieve insights about assessments, which could never be revealed without using LA.Resumo. Contexto: Learning Analytics (LA) é uma tendência recente na educação e os impactos de sua adoção ainda não estão amplamente demonstrados. Objetivo: Identificar e sumarizar os resultados práticos da utilização de LA no que se refere ao ensino e aprendizagem. Metodologia: Revisão Sistemática de Literatura. Resultados: De um total de 757 artigos, 14 apresentaram evidências que permitiram entender os resultados práticos do uso de LA para professores e estudantes. Conclusão: LA contribuiu para melhorar o ensino e aprendizagem em diferentes circunstâncias, após os estudantes receberem feedbacks automatizados, e apoiou os instrutores a alcançarem percepções que, sem o apoio de LA, sequer seriam conhecidas.

show abstract

Section: Discussionunclassified

Section: "Learning Analytics Forunclassified

Learning Analytics em Ação: Uma Revisão Sistemática de Literatura

Freitas¹,

Souza²,

Garcia³

2019

Anais Do XXX Simpósio Brasileiro De Informática Na Educação (SBIE 2019)

View full text Add to dashboard Cite

show abstract

“…For the second layer we utilized browser plugins to gather resources of all visited HTML files and adapted Talibi et al's method [23] to track navigation and interaction data (e.g., mouse movements). For more details we refer to [17].…”

Section: Technical Environmentmentioning

confidence: 99%

SaL-Lightning Dataset: Search and Eye Gaze Behavior, Resource Interactions and Knowledge Gain during Web Search

Otto,

Rokicki,

Pardi

et al. 2022

Preprint

View full text Add to dashboard Cite

The emerging research field Search as Learning investigates how the Web facilitates learning through modern information retrieval systems. SAL research requires significant amounts of data that capture both search behavior of users and their acquired knowledge in order to obtain conclusive insights or train supervised machine learning models. However, the creation of such datasets is costly and requires interdisciplinary efforts in order to design studies and capture a wide range of features. In this paper, we address this issue and introduce an extensive dataset based on a user study, in which 114 participants were asked to learn about the formation of lightning and thunder. Participants' knowledge states were measured before and after Web search through multiple-choice questionnaires and essay-based free recall tasks. To enable future research in SAL-related tasks we recorded a plethora of features and person-related attributes. Besides the screen recordings, visited Web pages, and detailed browsing histories, a large number of behavioral features and resource features were monitored. We underline the usefulness of the dataset by describing three, already published, use cases.

show abstract