Temporalni klastering - mogućnosti personalizacije e-kolegija temeljem obrazaca aktivnosti
Temporalni klastering i raznolikost korištenja resursa e-kolegija – mogućnosti personalizacije temeljem obrazaca aktivnosti Evidentni su različiti ritmovi rada studenata u e-kolegijima tijekom semestra. Cilj je kvantificirati te razlike na razini tjednih obrazaca i širine korištenih resursa te dobiti operativne segmente za prilagodbu podrške i dizajna e-kolegija. Za svakog studenta izračunat je broj aktivnih tjedana, prosječan broj logova po tjednu i udio aktivnih tjedana u semestru. Značajke su standardizirane, a korištena je “elbow” metoda za odabir broja klastera (k=4), nakon čega su provedena klasteriranja (k-means i usporedno hijerarhijsko klasteriranje, Ward.D2). U odvojenom postupku procijenili smo raznolikost tipova resursa po studentu preko Shannonove entropije i broja različitih komponenti. Analiza je provedena u R-u (dplyr, ggplot2, factoextra, cluster, entropy) nad anonimiziranim podacima. Uočena su četiri stabilna profila: (1) malo aktivnih tjedana uz vrlo visok intenzitet kad su aktivni (kampanjci); (2) rijetko i nisko aktivni (pasivni promatrači); (3) umjerena pokrivenost i intenzitet (umjereni); (4) konzistentno visoka pokrivenost (12+ tjedana) sa srednje visokim intenzitetom (maratonci). Entropija razlikuje studente koji široko i uravnoteženo koriste različite resurse od onih fokusiranih na uski skup aktivnosti. Prikupljanje i analiza podataka preduvjet su za ostvarivanje visoke razine automatizirane personalizacije, a za takve funkcionalnosti, potrebne su preinake na razini dizajna sustava. Trenutačno, klastersku analizu nije moguće provesti izravno u Moodleu bez dodatnog razvoja, ali je moguće izvesti logove aktivnosti te ih vanjskim alatima obraditi i klasterirati. Dobiveni “ID klastera” može se vratiti u Moodle kao korisničko polje te koristiti za dodjeljivanje u grupe, a potom za slanje personaliziranih poruka po pripadnosti grupi i upravljanje pristupom pojedinim aktivnostima. Ipak, izostanak planiranog i integriranog prikupljanja i analize podataka u sustavu trenutačno vodi prema pojedinačnim analizama na razini kolegija, umjesto sustavnom praćenju studenata kroz studij. Dodatno, za ovaj tip analize potrebno je prikupiti dovoljno podataka, pa ju je opravdano provesti tek oko sredine semestra.
Tema: Podrška
Izlaganje