Kombinirano učenje, ki predstavlja preplet tradicionalnega poučevanja v predavalnici z izvedbo v spletnem okolju, postaja vse prisotno tudi v visokem šolstvu. Sistemi za upravljanje učenja, v katerem se odvija e-učenje, shranjujejo vsako interakcijo študenta s sistemom v dnevniških datotekah. Hkrati s temi podatki se o študentu vodijo različne zbirke izobraževalnih podatkov v elektronski obliki in tudi ankete so vse pogosteje implementirane v spletnem okolju. Analiziranje in rudarjenje izobraževalnih podatkov zbranih v različnih podatkovnih zbirkah z namenom razumeti proces učenja in izluščiti informacije, ki bi pomagale pri tehtnih odločitvah za izboljšanje izobraževalnega procesa, predstavlja znanstveno področje poimenovano učna analitika. Namen raziskave na področju izobraževalnih podatkov je bilo izboljšati razumevanje procesa učenja v kombiniranem učenju v visokošolskem izobraževanju s ciljem opredeliti faktorje, ki pomembno vplivajo na delo študenta v spletni učilnici, in med aktivnostmi določiti tiste, ki jih lahko povežemo s končno uspešnostjo. V empiričnem delu sta predstavljena dva pogosta pristopa učne analitike opravljena s prosto dostopnimi programskimi orodji, pri čemer izračuni temeljijo na raznovrstnih podatkovnih zbirkah študentov Fakultete za upravo. Z rudarjenjem izobraževalnih podatkov smo raziskali napovedno uspešnost različnih modelov napovedovanja končne uspešnosti študenta na osnovi njegove aktivnosti v spletni učilnici ter predispozicij (učni pristop, predhodna uspešnost).
Blended learning is becoming ubiquitous in higher education. It combines traditional face-to-face teaching and online learning that typically takes place in learning management systems which store all student interactions with the system in their log files. In addition to this data, education institutions store various electronic student datasets and survey responses. Learning analytics involves collection, analysis and mining of education data to better understand the learning process and obtain information that can inform decision-making with regard to enhancing student success. The purpose of the research is to improve the understanding of the blended learning process in higher education with the aim of identifying the factors that significantly influence student work in the online classroom, and determining activities that are most associated with student final performance. The empirical part presents two frequent learning analytics approaches carried out with open source software. The calculations were based on education data from various sources of the Faculty of Public Administration. Education data mining examined the predictive effectiveness of various models of predicting student final (non)performance based on their activity in the online classroom and predispositions (learning approach, previous performance).
Zajeta celotna populacijaTotalUniverseCompleteEnumerationTotalUniverseCompleteEnumeration
Total universe/Complete enumerationTotalUniverseCompleteEnumerationTotalUniverseCompleteEnumeration
Računalniško podprto opazovanjeObservation.ComputerBased
Vprašalnik za samoizpolnjevanje: spletniSelfAdministeredQuestionnaire.CAWI
Computer-based observationObservation.ComputerBased
Self-administered questionnaire: Web-based (CAWI)SelfAdministeredQuestionnaire.CAWI
