Please enable JavaScript.
Coggle requires JavaScript to display documents.
教育大數據與學習分析, 組員 (1111231026 張祐愷, 1111231027 莊雁翔, 1111231034 王英聿, 1111231040…
教育大數據與學習分析
可收集的學習行為數據有哪些？
LMS 登入與互動紀錄
登入次數與時間分佈
討論區發文與互動數
作業與評量成績
作業繳交準時率
測驗嘗試次數與得分
教材點閱率
頁面瀏覽停留時間
教材點閱順序
影片觀看
影片觀看完成率
暫停與重播熱區
這些數據可以幫助老師做哪些教學調整？
早期預警與主動介入
識別高風險落後學生
發送關懷與輔導通知
教材與課程優化
重製高重播率的難點影片
動態調整作業難易度
個人化學習路徑規劃
提供差異化補充資源
推薦適合的學習風格教材
教學進度彈性調整
依整體正確率決定授課節奏
如何呈現這些數據讓學生能理解與自我改善？
個人化儀表板
直觀圖表：用長條圖、折線圖呈現學習趨勢，用顏色深淺（熱區圖）標示影片觀看率 。
進度可視化：利用進度條呈現作業準時率與影片完成率 。
定期學習週報
行為細節：點選可展開登入次數、討論發文數等明細 。
同儕常模對照：對比全班平均值，激發學生改善動力 。
AI 智慧導引
動態提醒：系統自動推薦尚未理解的章節 。
自適應調整：根據答題表現，動態調整題目難度並給予即時回饋 。
有沒有什麼使用這些數據時應該注意的倫理與隱私問題？
知情同意
明確告知：收集 LMS 或 Moodle 的行為紀錄前，須告知學生用途 。
自主退出：保障學生是否參與數據分析的選擇權。
隱私防護
去識別化：去除非必要的個人識別資訊（如姓名、學號）。
權限限制：僅限任課教師與導師查閱預警標籤，防範外洩 。
標籤化風險
自我實現預言：過早貼上「可能退選」或「掉隊」標籤，恐打擊學生自信 。
盲信數據：演算法存在誤差，不可作為評斷學生的唯一標準 。
組員
1111231026 張祐愷
1111231027 莊雁翔
1111231034 王英聿
1111231040 彭立澤