Student Clustering Based on Learning Behavior Data in the Intelligent Tutoring System

Šarić-Grgić, Ines; Grubišić, Ani; Šerić, Ljiljana; Robinson, Timothy J.

doi:10.4018/ijdet.2020040105

Cited by 17 publications

(11 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…También existen documentos donde se incluyen modelos con árboles de decisión que permiten detectar de forma automática las emociones generadas en el texto por los estudiantes, apoyando la toma de decisiones para las asesorías [16]. Asimismo se analizaron dos trabajos investigativos que contribuyen a la enseñanza de la programación, el primero define un método que incluye reglas para corregir composiciones sintácticas, a partir de los errores cometidos por el estudiante [17] y el segundo presenta un método automático basado en árboles de decisión para analizar los mensajes enviados por los estudiantes en los debates, su profundidad y similitud con otros mensajes [18].…”

Section: áRboles De Decisión (Decision Trees)unclassified

“…En un artículo se utilizó PCA, para extraer las conductas de aprendizaje utilizadas por los estudiantes durante el proceso de formación, también para analizar los resultados de aprendizaje a través de los promedios de las calificaciones [32]. Otro estudio propone ACware Tutor, un sistema de tutoría inteligente que incluye PCA para verificar variables de seguimiento relacionadas al proceso de aprendizaje en línea [17]. De la misma forma, otro documento examina los comportamientos de aprendizaje y las características de los estudiantes en una clase de programación para móviles.…”

Section: Análisis De Componentes Principales (Pca)unclassified

“…Otros estudios utilizaron esta técnica y la información registrada en el LMS con el fin de comprender las estrategias pedagógicas utilizadas por los estudiantes [51], o en la identificación de estudiantes falsos (estudiantes que utilizan métodos no autorizados para mejorar sus calificaciones) [52], o en el análisis de la influencia que tienen los elementos visuales frente a los compromisos de los estudiantes [53]. Asimismo, para agrupar o explorar los estudiantes de acuerdo a sus comportamientos de aprendizaje en línea y su correlación con el rendimiento académico, permitiendo generar visualizaciones de la intensidad del trabajo del estudiante en función de su rendimiento [17], [45]. Otros documentos utilizan EDM para rastrear los conocimientos previos y hábitos de aprendizaje de los estudiantes [54].…”

Section: Minería De Datos Educativa (Edm)unclassified

See 2 more Smart Citations

Analítica de aprendizaje como estrategia de apoyo al aula invertida en cursos de programación: una revisión sistemática de literatura

Mosquera

Bucheli

2021

Investigación e Innovación en Ingenierías

View full text Add to dashboard Cite

Objetivo: Identificar los métodos y las técnicas que se están utilizando en la analítica de aprendizaje, como apoyo al aula invertida para los cursos de programación. Metodología: Se realizó la búsqueda de artículos publicados en revistas y conferencias científicas, a partir de herramientas bibliográficas que ayudaron a construir el corpus de referencias. Luego se analizó la información más significativa de los documentos, para el desarrollo de la revisión sistemática. Resultados: Esta revisión identificó que los métodos y las técnicas han contribuido en la preparación de los estudiantes, la definición de estrategias para el aprendizaje de la programación, herramientas de detección de errores en el código fuente y sistemas de tutorías inteligentes. Mejorando la retención de los estudiantes, los hábitos de estudio y las experiencias de aprendizaje. Conclusiones: Las investigaciones han analizado los datos almacenados en sistemas de gestión de aprendizaje (LMS), con el fin de generar modelos de predicción que permitan mejorar la formación en línea, el rendimiento académico y la retroalimentación personalizada. Todos estos aportes han apoyado a las áreas de conocimiento de aprendizaje automático y minería de datos, con la solución de problemas relacionados al aprendizaje supervisado, no supervisado y la minería de datos educativa.

show abstract

Section: áRboles De Decisión (Decision Trees)unclassified

Section: Análisis De Componentes Principales (Pca)unclassified

Section: Minería De Datos Educativa (Edm)unclassified

See 1 more Smart Citation

Analítica de aprendizaje como estrategia de apoyo al aula invertida en cursos de programación: una revisión sistemática de literatura

Mosquera

Bucheli

2021

Investigación e Innovación en Ingenierías

View full text Add to dashboard Cite

show abstract

“…Due to the shortcomings and gaps in technology and model, learning behaviors constitute data and potential relationships cannot be gotten fully mining and complete analysis. In terms of research methods and application practices of learning behaviors, there are still many problems to solve [6,7].…”

Section: Introductionmentioning

confidence: 99%

Improved Probabilistic Frequent Itemset Analysis Strategy of Learning Behaviors Based on Eclat Framework

Xia¹

2022

Advances in Decision Making

View full text Add to dashboard Cite

Interactive learning environment is the key support for education decision making, the corresponding analytics and methodology are the important part of educational technology research and development. As an important part and the research challenge, learning behaviors are uncertain and produce complex data relationships, which makes the learning analysis process more difficult. This chapter studies the feasibility of Eclat framework applying in educational decision making and get the corresponding the data analysis results. We take probabilistic frequent itemsets and association rules as research objectives, extract and standardize multiple data subsets; Based on Eclat framework, using data vertical format, we design and improve the models and algorithms in the process of data management and processing. The results show that the improved models and algorithms are effective and feasible. On the premise of ensuring robustness and stability, the mining quality of probabilistic frequent itemsets and association rules is guaranteed, which is conducive to the construction of key execution topology of learning behaviors, and improves the accuracy and reliability of data association analysis and decision prediction. The whole analysis methods and demonstration processes can provide references for the study of interactive learning environment, as well as decision suggestions and predictive feedback.

show abstract

“…Therefore, while there are challenges in implementing neuroscience laboratory activities during the shutdown, there are also opportunities to develop a unique model of blended learning that comprises the blending of online activities with digital technology. This model represented an adaptive blended learning that used digital technology infrastructure that supported online learning, where activities can be designed to adapt in response to an individual learner’s needs [ 3 – 6 ].…”

Section: Introductionmentioning

confidence: 99%

An Adaptive Blended Learning Approach in the Implementation of a Medical Neuroscience Laboratory Activities

Nathaniel

Black

2021

Med.Sci.Educ.

View full text Add to dashboard Cite

Background The COVID-19 pandemic revealed existing gaps in the medical educational system that is heavily dependent on the presence of medical students and teachers in laboratory and class for instruction. This affects continuity in the implementation of the neuroanatomy component of the medical neuroscience laboratory activities during COVID-19. We hypothesized that pivoting wet laboratory neuroanatomy activities to online using an adaptive flexible blended method might represent an effective approach in the implementation of laboratory neuroanatomy activities during a pandemic. Methods The current study describes an adaptive flexible blended learning approach that systematically mixes virtual face-to-face interaction activities with the online learning of brain structures, and the discussion of clinical cases. Learning materials are delivered through both synchronous and asynchronous modes, and Year 1 medical students learn neuroanatomy laboratory activities at different locations and different times. Student performances in the adaptive flexible blended learning approach were compared with the learning of similar activities during an in-person implementation of neuroscience laboratory activities. Results The results of using this adaptive flexible blended learning approach provided an autonomous independent learning, self-study approach that broadened student performance such that we have more students scoring between 80 and 89%, whereas the in-person learning resulted in most of the students scoring > 90% in the medical neuroscience laboratory activities. Conclusion An adaptive flexible blended learning approach that combined virtual face-to-face instruction using digital technology with online learning of neuroscience laboratory activities provided a unique educational experience for Year 1 medical students to learn neuroscience laboratory activities during the COVID-19 pandemic.

show abstract

Student Clustering Based on Learning Behavior Data in the Intelligent Tutoring System

Cited by 17 publications

References 11 publications

Analítica de aprendizaje como estrategia de apoyo al aula invertida en cursos de programación: una revisión sistemática de literatura

Analítica de aprendizaje como estrategia de apoyo al aula invertida en cursos de programación: una revisión sistemática de literatura

Improved Probabilistic Frequent Itemset Analysis Strategy of Learning Behaviors Based on Eclat Framework

An Adaptive Blended Learning Approach in the Implementation of a Medical Neuroscience Laboratory Activities

Contact Info

Product

Resources

About