Überwachtes maschinelles Lernen in multimodalen Lernanalytik zur Schätzung des Erfolgs im projektbasierten Lernen

Zusammenfassung Multimodale Lernanalytik bietet Forschern neue Tools und Techniken, um verschiedene Arten von Daten aus komplexen Lernaktivitäten in dynamischen Lernumgebungen zu erfassen. Dieses Papier untersucht die Verwendung verschiedener Sensoren, einschließlich Computer Vision, benutzergenerierter Inhalte und Daten von Lernobjekten (physikalische Compute-Komponenten), um hochpräzise synchronisierte multimodale Aufzeichnungen von kleinen Lerngruppen zu erstellen, die interagieren. Wir haben verschiedene Aspekte der Interaktionen der Studenten verarbeitet und extrahiert, um die folgende Frage zu beantworten: Welche Merkmale der Gruppenarbeit von Studenten sind gute Prädiktoren für den Teamerfolg bei offenen Aufgaben mit physikalischem Computing? Um diese Frage zu beantworten, haben wir verschiedene Ansätze des überwachten maschinellen Lernens (traditionelle und tiefgehende Lerntechniken) untersucht, um die Daten aus mehreren Quellen zu analysieren. Die Ergebnisse zeigen, dass moderne computergestützte Techniken verwendet werden können, um Einblicke in die "Black Box" des Lernens in den projektbasierten Aktivitäten der Studenten zu gewinnen. Die aus der Analyse identifizierten Merkmale zeigen, dass der Abstand zwischen den Händen und Gesichtern der Lernenden ein starker Prädiktor für die Qualität der Artefakte der Studenten ist, was den Wert der Zusammenarbeit der Studenten anzeigen kann. Unsere Forschung zeigt, dass neue und vielversprechende Ansätze wie neuronale Netze und traditionellere Regressionsansätze beide verwendet werden können, um multimodale Lernanalysedaten zu klassifizieren, wobei beide Ansätze je nach Forschungsfragen und Kontexten Vor- und Nachteile haben. Die hier präsentierte Arbeit ist ein bedeutender Beitrag zur Entwicklung von Techniken zur automatisierten Identifizierung der Schlüsselaspekte des Erfolgs von Studenten in projektbasierten Lernumgebungen und zur letztendlichen Unterstützung von Lehrern, den Studenten in diesen grundlegenden Aspekten angemessene und zeitgerechte Unterstützung zu bieten.