Exploring student course selection through educational data mining: community detection for student interests

Námsval nemenda felur í sér verðmætar upplýsingar fyrir háskóla, sérstaklega þá sem miða að því að gera námið sitt sveigjanlegt og vilja aðlagast hratt að breytilegum vinnumarkaði. Það hefur hinsvegar ekki verið lögð mikil áhersla á að nýta þau stafrænu gögn sem skólar safna til að skilja námsval ne...

Full description

Bibliographic Details
Main Authors: Erla Guðrún Sturludóttir 1992-, Eydís Arnardóttir 1993-
Other Authors: Háskólinn í Reykjavík
Format: Thesis
Language:English
Published: 2020
Subjects:
Online Access:http://hdl.handle.net/1946/37534
Description
Summary:Námsval nemenda felur í sér verðmætar upplýsingar fyrir háskóla, sérstaklega þá sem miða að því að gera námið sitt sveigjanlegt og vilja aðlagast hratt að breytilegum vinnumarkaði. Það hefur hinsvegar ekki verið lögð mikil áhersla á að nýta þau stafrænu gögn sem skólar safna til að skilja námsval nemenda enn frekar. Við notum gagnanám með áherslu á menntun (e. Educational data mining, EDM) og einbeitum okkur sérstaklega að netagreiningu og hvernig samfélög innan neta myndast. Gagnasafn okkar náði yfir alla þá nemendur (N = 11207) sem innrituðu sig í nám á síðustu fimm árum við Háskólann í Reykjavík (HR). Með þessum aðferðum viljum við skoða námsval nemenda og bera kennsl á áhugasvið þeirra. Það var gert með því að beita Louvain samfélagsgreiningu (e. community detection) á net námskeiða. Netið var þannig sett upp að tengingar á milli nóða táknuðu fjölda nemenda sem höfðu lokið báðum námskeiðum. Við byrjuðum á að fjarlægja mest tengdu nóðurnar úr netinu þar sem þær táknuðu yfirleitt skyldufög frekar en frjálst val, en við vildum skoða frjálst val til að skilja áhugasvið nemenda betur. Niðurstöðurnar voru svo bornar saman við þær áherslulínur sem eru í boði innan Tölvunarfræðideildar HR. Í ljós kom að samfélögin sem við fundum endurspegluðu helst þær áherslulínur sem flestir nemendur taka, sem ýtir undir að tekist hafi að bera kennsl á raunveruleg áhugasvið. Til samanburðar við áhugasviðin þá notuðum við einnig áttuð net til að skoða “meðalnemandann” við HR út frá algengustu samsetningu áfanga fyrir hverja önn. Meðalnemandinn var mun skýrari á fyrri en seinni önnum námsins, þar sem skipulag námsleiða verður opnara með tímanum. Út frá þessum niðurstöðum væri mögulega hægt að innleiða nýjar áherslulínur og skoða viðbrögð nemenda til að sannreyna hagnýtingu þessarar aðferðar. Vonandi bætist þessi aðferð í hóp annarra EDM aðferða, sem saman verða nýttar til að bjóða upp á sérhæfðara og sveigjanlegra nám sem hægt er að sníða betur að þörfum nemenda. Þetta myndi hjálpa nemendum að fylgja sínu áhugasviði og geta brugðist ...