Схема розділу

  • Згорнути Розгорнути

    .

    Згорнути все Розгорнути всі
    • Оголошення Форум

    • Семенов М.А.

      ДЗ "Луганський національний університет імені Тараса Шевченка

      Аналітика в Moodle: як дані змінюють освіту 

       

      Революційні досягнення штучного інтелекту та аналітики великих даних (Big Data) кардинально змінюють підходи до освіти, дозволяючи забезпечити персоналізацію навчання, оперативний моніторинг та прогнозування успішності студентів.

      Аналітика в Moodle охоплює збір, обробку та інтерпретацію даних про активність користувачів: відвідуваність курсів, участь у форумах, виконання завдань, результати тестів, перегляд матеріалів тощо. Ці дані можуть бути використані для виявлення студентів, які потребують додаткової підтримки, оцінки ефективності курсів, оптимізації контенту та підвищення загальної якості освіти. 

      Виступи на MoodleMoot Global свідчать про зростаючий інтерес до аналітики. Зокрема, акцент робиться на прогнозуванні успішності студентів (2023), використанні аналітики для покращення оцінювання (2023), аналітики залучення до курсів (2022) і підтримки академічних керівників у прийнятті рішень (2022). Основним трендом є перехід від простого моніторингу до глибокого прогнозного аналізу [4-6].

      Джерела даних у Moodle:

      • Відвідуваність курсів
      • Активність на форумах, тестах, завданнях
      • Завантаження навчальних матеріалів
      • Оцінки та прогрес студентів
      • Логи подій (журнали активності)

      Інструменти аналітики в Moodle:

      Вбудовані інструменти: стандартні звіти (Reports), журнали (Logs), живі звіти (Live logs), вбудовані моделі прогнозування (Learning analytics)

      Зовнішні плагіни: Configurable Reports, IntelliBoard, Learning Analytics API [2]

      Зовнішні інструменти для обробки експортованих даних: Python (аналітичні бібліотеки), Grafana, Django

      Можливості аналітики:

      • Раннє виявлення студентів "групи ризику"
      • Аналіз ефективності курсів
      • Оптимізація навчальних матеріалів
      • Підтримка ухвалення рішень викладачами та адміністраторами

      Виклики та обмеження:

      • Питання конфіденційності та захисту даних
      • Інтерпретація та коректність висновків
      • Технічна складність налаштування інструментів
      • Необхідність високої цифрової грамотності викладачів і адміністрації

      Пропонується система аналітики для Moodle:

      1. Moodle → API-запити → Збір та передача даних

      2. Logstash/Fluentd → Збір та передача у централізоване сховище

      3. Аналітичний сервер (Python) → Обробка, аналіз, побудова прогнозних моделей

      4. PostgreSQL/InFluxDB → Зберігання структурованих даних

      5. Grafana/Django → Інтерактивна візуалізація результатів аналітики 

      Також перспективними є застосування методик Big Data в LMS Moodle [1]. Методики Big Data дозволяють ефективно обробляти великі масиви даних, зібрані з платформ Moodle. Зокрема, це дає можливість:

      • Виконувати складний аналіз у реальному часі (stream processing)
      • Застосовувати алгоритми машинного навчання для прогнозування поведінки студентів
      • Автоматизувати процеси виявлення аномалій та трендів
      • Масштабувати аналітичні рішення для великих освітніх установ 

      Таким чином, методики інтелектуального аналізу даних (аналітики) стають ключовим елементом розвитку аналітики у Moodle, забезпечуючи якісно новий рівень управління цифровою освітою. 

      Список використаних джерел

      1. Клименко Є., Глазунова О. MOODLE BIG DATA ANALYTICS ЗА ДОПОМОГОЮ POWER BI. Grail of Science. 2024. № 35. С. 201–203. URL: https://doi.org/10.36074/grail-of-science.19.01.2024.035.
      2. An enhanced learning analytics plugin for Moodle / D. Y.-T. Liu et al. ASCILITE Publications. 2015. P. 180–189. URL: https://doi.org/10.14742/apubs.2015.974.
      3. Learning analytics in Moodle LMS: An integral perspective / E. L. Olivares et al. Journal of Engineering Research. 2023. Vol. 3, no. 30. P. 2–6. URL: https://doi.org/10.22533/at.ed.3173302314095.
      4. Salomon R. Enhancing Moodle Assessments: User-Friendly Tools with Powerful Analytics. MoodleMoot Global 2023. URL: 
        .
      5. Sampson K. Analytics for Course Engagement and Success. MoodleMoot Global 2022. URL: 
        .
      6. Urena S. Using Moodle Analytics to predict student success. MoodleMoot Global 2023. URL:
        .
      7. Xin O. K., Singh D. Development of Learning Analytics Dashboard based on Moodle Learning Management System. International Journal of Advanced Computer Science and Applications. 2021. Vol. 12, no. 7. URL: https://doi.org/10.14569/ijacsa.2021.0120793.
      8. Zhang Y., Ghandour A., Shestak V. Using Learning Analytics to Predict Students Performance in Moodle LMS. International Journal of Emerging Technologies in Learning (iJET). 2020. Vol. 15, no. 20. P. 102. URL: https://doi.org/10.3991/ijet.v15i20.15915 .
    • Форум обговорення доповіді
    • Оголошення Форум
    • презентація Файл PDF