Key points are not available for this paper at this time.
In dieser Arbeit wurde die Historie der Studierenden beim Zugriff auf die Daten des Learning Management Systems (LMS) der Universität untersucht. Klassifikationstechniken werden verwendet, um ein Bildungsmodell basierend auf Knowledge Discovery in Databases (KDD) zu erstellen, um das Verhalten von Lernenden vorherzusagen. Es wurde der wertvollste Einflussfaktor für die Lernergebnisse der Lernenden identifiziert; es wurden Vorhersagemodelle unter Verwendung des J48-Entscheidungsbaumalgorithmus und der multiplen linearen Regression erstellt; und es wurde festgestellt, wie wahrscheinlich es ist, dass ein Fernstudierenden (DE) in einem bestimmten Kurs die Note „Bestanden“ erhält, was wichtige Informationen für Lehrkräfte und Universitätsadministratoren bei der Programmplanung und den Unterstützungsstrategien für Lernende liefern kann. Die Befürworter führten Experimente durch, um die endgültige Bewertung der Studierenden basierend auf ihrer Historie des Zugriffs auf die Daten im LMS der Universität vorherzusagen. Basierend auf dem abgeleiteten Modell war die Punktzahl, die aus der Teilnahme an den Online-Aktivitäten erzielt wurde, der wertvollste Einflussfaktor für die Lernergebnisse der DE-Lernenden. Somit hängt der erfolgreiche Abschluss des Programms davon ab, wie die Studierenden mit den im LMS veröffentlichten Aktivitäten interagieren. Das generierte Modell kann genutzt werden, um DE-Lernende zu identifizieren, die eine frühzeitige Intervention für bessere akademische Leistungen und ein sinnvolles Online-Lernumfeld benötigen.
Comendador et al. (Mon,) untersuchten diese Frage.