Learning analytics Learning analytics is the measurement, collection, analysis and reporting of data about learners and their contexts, for purposes of understanding and optimising learning and the environments in which it occurs.[1] A related field is educational data mining. For general audience introductions, see: The Educause Learning Initiative Briefing [2]The Educause Review on Learning analytics [3]And the UNESCO "Learning Analytics Policy Brief" (2012)[4] What is Learning Analytics?[edit] The definition and aims of Learning Analytics are contested. But this definition has been criticised: "I somewhat disagree with this definition - it serves well as an introductory concept if we use analytics as a support structure for existing education models. A more holistic view than a mere definition is provided by the framework of learning analytics by Greller and Drachsler (2012).[8] It uses a general morphological analysis (GMA) to divide the domain into six "critical dimensions". History[edit] Software[edit]
22 outils gratuits pour visualiser et analyser les données (1ère partie) Vous avez des données à explorer ? Voici quelques outils qui pourront vous être utiles pour les transformer en informations et en graphiques attrayants. Pour faire parler des données, rien ne vaut une panoplie d'outils de visualisation graphique. Il en existe de nombreux, notamment destinés aux professionnels versés dans l'analyse statistique. Computerworld souligne que la correction des textes se fait simplement. DataWrangler (cliquer ici pour agrandir l'image) Niveau de compétences requis : débutant avancé.Fonctionne sur tout navigateur web.En savoir plus : - Google Refine : comme un tableurIl ressemble à un tableur pour examiner à la fois les données numériques et alphanumériques, mais à l'inverse du tableur, il ne permet pas d'effectuer des calculs. Refine intègre plusieurs algorithmes retrouvant les mots orthographiés différemment mais qui devraient en fait être regroupés. Google Refine (cliquer ici pour agrandir l'image)
index JEDM - Journal of Educational Data Mining The Journal of Educational Data Mining (JEDM; ISSN 2157-2100 ) is an international and interdisciplinary forum of research on computational approaches for analysing electronic repositories of student data to answer educational questions. Educational Data Mining is an emerging discipline, concerned with developing methods for exploring the unique types of data that come from educational settings, and using those methods to better understand students, and the settings in which they learn. The journal welcomes basic and applied papers describing mature work involving computational approaches of educational data mining. Specifically, it welcomes high-quality original work including but not limited to the following topics: From time to time, the journal also welcomes survey articles, theoretical articles, and position papers, in as much as these articles build on existing work and advance our understanding of the challenges and opportunities unique to this area of research. Associate Editors :
Predictive Analytics Best Practices In recent years, some users have harbored concerns about clouds in general, as well as their use in data warehousing. As the number of user organizations practicing elastic data warehousing on clouds has increased, the track record of success has helped other users get past perceptual barriers and other myths concerning security, multi-tenancy, and interfacing with clouds. We all know that data warehouses and users’ best practices for them are changing dramatically today. As users build new data warehouses and modernize established ones, they are turning to cloud-based elastic data warehousing, because the automation of elasticity yields agility, ease of use, scalability, and performance, while reducing maintenance, tuning, capital investments, and other costs. This webinar will: - Demystify elastic data warehousing by debunking myths about it - Define elastic data warehousing and its goals in terms that data management professionals and business users can relate to
MOOC and Mookies: The Connectivism & Connective Knowledge Online Co... Educational Data Mining ביג דאטה: כיצד אפשר להשתלט ולהשתמש בכל המידע שנמצא באינטרנט 18 בספטמבר 2013. מפרץ סן פרנסיסקו. השעון הראה שתיים ורבע בצהריים ושאגות השמחה של הצוות הניו זילנדי, על יאכטת הקטמרן במימי המפרץ, נשמעו עד החוף. הניו זילנדים גברו זה עתה על הצוות האמריקאי ((Oracle Team USA בשיוט נוסף כחלק מהתחרות America's Cup, מהתחרויות הוותיקות בהיסטוריה של הספורט בכלל, וכנראה היוקרתית ביותר בשיט היאכטות. לוח התוצאות הראה 8-1, תבוסה חסרת פשרות של האמריקאים לניו זילנדים, מלכי הים. לניו זילנדים חסַר עוד ניצחון אחד לזכייה בתחרות כולה. אז איך באמת קרה מהפך כזה? היאכטב מדגם AC72 של אורקל במהלך התחרותצילום: ACE/Photo Gilles Martin – Raget סיפור זה ממחיש בצורה הטובה ביותר את השימוש ב"ביג דאטה" (Big Data): שימוש בכמות עצומה של מידע, איסופו ממקורות שונים, בפורמטים שונים ובאיכויות שונות, אחסונו, עיבודו, מציאת קשרים, תבניות והסקת תובנות מתוכו, ולבסוף, שימוש בתובנות אלו בצורה אופרטיבית, או במקרה הזה, שליטה אוטומטית בהיגוי היאכטה. אז איך בכל זאת, עם כל הטכנולוגיה הזאת, פיגר הצוות האמריקאי בתחילת התחרות והיה רחוק כדי יום אחד בלבד מתבוסה? מה זה ביג דאטה? מרכיבי הביג דאטה פרסום בזמן אמת