Συγγραφέας: Αντωνέλου Γεωργία
Λέξεις Κλειδιά: Εξόρυξη δεδομένων, Σύστημα διαχείρισης μάθησης, Κατηγοριοποίηση, Παλινδρόμηση, Πρόβλεψη

Σύνοψη: Τα τελευταία χρόνια πολλά Εκπαιδευτικά Ιδρύματα έχουν υιοθετήσει Διαδικτυακές Πλατφόρμες Μάθησης, όπως Συστήματα Διαχείρισης Μάθησης (Learning Management Systems) και άλλες Διαδικτυακές Εφαρμογές. Η δυνατότητα της λεπτομερούς καταγραφής και αποθήκευσης μεγάλου όγκου δεδομένων (Big Data), καθιστά αυτά τα Συστήματα μια δεξαμενή «κρυμμένης» γνώσης η οποία μπορεί να αποκαλυφθεί με διάφορους μηχανισμούς εξόρυξης (Εξόρυξη Γνώσης από Εκπαιδευτικά Δεδομένα- Educational Data Mining & Learning Analytics). Η ερμηνείας της γνώσης αυτής, δύναται να συνεισφέρει στη λήψη αποφάσεων σε πολλά επίπεδα και κυρίως στη βελτίωση των εκπαιδευτικών και μαθησιακών διαδικασιών που συνδέονται άμεσα με την Εκπαίδευση. Σκοπός της παρούσας διπλωματικής εργασίας είναι η εξόρυξη και αξιοποίηση των δεδομένων και των πληροφοριών που προέρχονται από τη Διαδικτυακή Πλατφόρμα του Ελληνικού Ανοικτού Πανεπιστημίου- ενός εκπροσώπου της εξ Αποστάσεως Εκπαίδευσης- εφαρμόζοντας κατάλληλες μεθόδους και τεχνικές Εξόρυξης Γνώσης σε Εκπαιδευτικά Δεδομένα (EDM). Συγκεκριμένα, παρουσιάζεται μια μελέτη (Case Study) Εξόρυξης Δεδομένων από την Διαδικτυακή Πλατφόρμα Moodle του ΕΑΠ, στο πλαίσιο της Θεματική Ενότητας ΠΛΗ37 «Πληροφορική και Εκπαίδευση» κατά τη διάρκεια ενός ακαδημαϊκού έτους. Πρόκειται για ένα πρόβλημα πρόβλεψης μαθησιακών αποτελεσμάτων (Predicting the Course Outcomes) με τη βοήθεια ενός προβλεπτικού μοντέλου της επίδοσης τελικής εξέτασης στο πλαίσιο της ΘΕ ΠΛΗ37. Η εύρεση του κατάλληλου προβλεπτικού μοντέλου (ή αλλιώς «Κατηγοριοποιητή» - classifier) πραγματοποιήθηκε με τη χρήση κατάλληλης προσέγγισης της μεθόδου Κατηγοριοποίησης (Classification) και διεξήλθε με τη βοήθεια λογισμικών εφαρμογής Αλγορίθμων Εξόρυξης Δεδομένων (Weka, R Programming). Οι ερευνητικές προεκτάσεις της παρούσας έρευνας, όπως προκύπτει και από σχετική βιβλιογραφική ανασκόπηση, είναι η συνδρομή/συνεισφορά κατάλληλων προβλεπτικών μεθόδων (στην τρέχουσα περίπτωση της Κατηγοριοποίησης (Classification) και Παλινδρόμησης (Regression)) για την αντιμετώπιση φαινομένων μη-επιτυχούς επίδοσης των φοιτητών σε μια ΘΕ καθώς και φαινομένων εγκατάλειψης (dropouts) μιας ΘΕ. Επομένως, η αξιοποίηση έγκαιρων και αξιόπιστων πληροφοριών (όπως η πρόβλεψη ακαδημαϊκής επιτυχίας-επίδοσης φοιτητή κ.ά) συντελεί καταλυτικά στη λήψη αποφάσεων και κατΆ επέκταση στην πολύ-επίπεδη βελτίωση (εκπαιδευτικό, μαθησιακό, οργανωτικό, διοικητικό) των Εκπαιδευτικών Δομών.

Αρχείο Διπλωματικής Εργασίας