Analytika učení a data mining ve vzdělávání v kontextu systémů pro řízení výuky

Mgr. Bc. Libor Juhaňák, Ph.D.

Disertační práce

Learning analytics and educational data mining in the context of learning management systems

Anotace:

Disertační práce si za svůj hlavní cíl klade exploraci a popis toho, jakými způsoby probíhá učení a výuka v systémech pro řízení výuky, a to za využití metod z analytiky učení a data miningu ve vzdělávání. Výzkumné směry označované jako analytika učení a data mining ve vzdělávání lze považovat za relativně nově se formující výzkumné oblasti, které se zaměřují na analýzu dat pocházejících z různých online vzdělávacích systémů či virtuálních vzdělávacích prostředí. V této disertační práci je pak hlavní pozornost věnována specifickému typu online vzdělávacích systémů, a to tzv. systémům pro řízení výuky (LMS). V práci nejprve představuji širší teoreticko-metodologický kontext zkoumané problematiky, přičemž ukazuji, že oblast data miningu ve vzdělávání a analytiky učení je možné chápat jako výzkumné pole stojící na pomezí e-learningu a data science. V rámci teoretického kontextu pak přibližuji klíčové pojmy a koncepty stěžejní pro tuto práci, jako jsou např. e-learning, blended learning či zmiňované systémy pro řízení výuky. V rámci metodologického kontextu představuji a vysvětluji pojmy exploratorní analýza dat a data science, přičemž nastiňuji jak historický kontext, tak i kritické ohlasy, které se v souvislosti s touto oblastí výzkumu objevují. Následně nabízím podrobný přehled data miningu ve vzdělávání a analytiky učení jakožto výzkumných oblastí. Přitom mapuji vznik a historický kontext obou oblastí, podávám definici obou oblastí a představuji hlavní směry výzkumu, kterým je v analytice učení a data miningu ve vzdělávání věnována výzkumná pozornost. Design empirické části práce je koncipován jako série paralelních výzkumných sond zaměřujících se na vybrané aspekty učení a výuky v systémech typu LMS a využívajících různé metodologické přístupy z oblasti analytiky učení a data miningu ve vzdělávání. V práci prezentuji celkem tři realizované výzkumy sondy. První sonda (sonda A) se zaměřuje na analýzu možností vybraných klasifikačních algoritmů pro účely predikce úspěšnosti studentů v blended kurzech. V druhé sondě (sonda B) analyzuji interakci studentů a učitelů v online diskuzních fórech za využití analýzy sociálních sítí. Třetí sonda (sonda C) pak věnuje pozornost analýze chování studentů v průběhu plnění online testů s využitím metody dolování procesů. Výsledky jednotlivých sond nakonec ústí v diskusi nad hlavními přínosy analytiky učeni a data miningu ve vzdělávání pro výzkum učení a výuky v LMS a pro pedagogický výzkum obecně.

Abstract:

The main aim of the dissertation thesis is to explore and describe the ways of learning and teaching within learning management systems using methods of learning analytics and educational data mining. The research fields known as learning analytics and educational data mining are recently emerging research areas, which focus on the analysis of data from various online educational systems and virtual learning environments. In this dissertation thesis, the main attention is paid to a specific type of online educational systems, the so-called learning management systems (LMS). Firstly, I provide a broader theoretical-methodological context of the area of focus, showing that the field of educational data mining and learning analytics can be understood as the combination of two main areas: e-learning and data science. Within the theoretical context, I describe key concepts used in the thesis, such as e-learning, blended learning, and the mentioned learning management systems. Within the methodological context, I explain the concepts of exploratory data analysis and data science, outlining both the historical context and the critical responses that arise in relation to this area of research. Secondly, I give a detailed overview of educational data mining and learning analytics. In doing so, I explore the origins of both areas, give a definition of the two areas, and present the most prominent main research trends within learning analytics and educational data mining. The design of the empirical part of the dissertation thesis is conceived as a series of parallel research studies focusing on selected aspects of learning and teaching in learning management systems and using various methodological approaches of learning analytics and educational data mining. In total, I present three realised research studies. The first research study (study A) focuses on the analysis of selected classification algorithms for predicting the achievement of students in blended courses. In the second research study (study B), I analyse the interaction of students and teachers in online discussion forums using social network analysis. The third research study (study C) pays attention to the analysis of students' quiz-taking behaviour using process mining. Finally, the results of individual research studies lead to a discussion of the main benefits of educational data mining and learning analytics for the study of learning and teaching within learning management systems and for educational research in general.

Klíčová slova

analytika učení, data mining ve vzdělávání, systémy pro řízení výuky, Moodle, prediktivní modelování, analýza sociálních sítí, dolování procesů, learning analytics, educational data mining, learning management systems, predictive modelling, social network analysis, process mining

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 22. 1. 2020

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 5. 2020
• Vedoucí: doc. Mgr. Jiří Zounek, Ph.D.
• Oponent: doc. RNDr. Jana Straková, Ph.D., doc. PhDr. Hana Marešová, Ph.D., MBA

Masarykova univerzita

Filozofická fakulta

Doktorský studijní program / obor:
Pedagogika (čtyřleté) / Pedagogika