Please enable JavaScript.
Coggle requires JavaScript to display documents.
學習分析, 問題, 應注意 - Coggle Diagram
學習分析
有沒有什麼使用這些數據時應該注意的倫理與隱私問題
資訊透明與可解釋性
學生和教師是否能理解分析的依據與結果？誰負責數據的正確性？
提供清晰報告、可視化結果，並設立問責機制讓使用者可詢問與申訴。
數據保存期限與刪除權
數據保存多久？學生能否要求刪除自己的學習紀錄？
制定明確的數據保存政策，並尊重學生的刪除或更正權利。
數據隱私與保護
收集到的學習數據是否容易被濫用或外洩？
必須遵守資料保護相關法規（如GDPR、台灣的個資法），並加密與匿名化敏感資訊。
偏見與演算法不公
分析模型可能基於偏頗的數據做出不公平預測或決策（如預測學生表現、掉隊風險等）。
確保模型設計時考慮多元、公平性與可解釋性，避免歧視或偏誤。
學生的知情同意
學生是否知道他們的數據被收集與分析？是否明確同意？
需讓學生明白數據的收集方式、用途及其可能影響，並且提供選擇權（opt-in/opt-out）。
數據用途與目的限制
數據被使用的範圍是否超出原本預期？
明確限制數據的使用目的，不能將學習數據轉作商業用途或與原目的無關的決策依據（如紀律處分）。
影響學習自主性
學生是否因為被監控而改變行為，甚至感到壓力或受限？
學習分析應強調支持而非控制，避免製造「監控式學習」氛圍。
可收集的學習行為數據有哪些？
登入次數與時間
學習活躍和積極度、登入目的、登入次數、每次使用時間長短、最近活動時間
(為了寫作業才登入? or 要複習增強自己所登入?)
討論區發文與回應次數
參與程度、測驗作答次數、問卷填答、點選互動教材次數
作業繳交紀錄
是否準時、成績高低、修改次數
互動活動紀錄
線上測驗、問卷、小考、臨時測驗
影片觀看率
是否完整觀看、觀看次數、觀看時間點
點閱教材的次數與時間長度
下載後的動機(有去點來看?)、點閱次數、停留時間、是否重複回看
學生自我導向學習的數據呈現方式
視覺化圖表
如折線圖顯示學習進度、雷達圖呈現學習面向強弱。
學習週報／月報
定期提供個人學習摘要與建議，例如本週觀看時間、測驗成績分析。
比較分析
與全班平均、過去表現、自定目標進行比較。
自我檢核工具
學習目標達成表、影片學習反思單，學生根據數據反思「哪裡可以更好」、「下週目標是什麼」。
遊戲化指標
例如累積學習徽章、進度條達成率，提升參與動機。
這些數據可以幫助老師做哪些教學調整？
補充資料
針對觀看不完全or理解度低or重複觀看次數多的章節提供額外教材或簡化說明或補充
提早預警與提醒
針對低登入、低觀看、低互動、作業繳交率低的學生提前提醒，並且斟酌輔導，避免學習落後
調整教學節奏或方式
影片長度(例如現代人習慣看短影音學生真的有完整的看完?)、互動頻率、教學策略、依據學生互動熱度調整教學方式，如增加問答或分組活動
分組或分層教學
依據學習風格或表現，提供不同難度或學習路徑、
透過分群分析（如視覺型、互動型學習者），提供個別化或小組導向的教學方式
組員
1111051080張欣茹
1111132060黃靖華
1111131001王心妤
問題
應注意