Title Model sustava za mobilno učenje temeljeno na dubinskoj analizi tokova podataka
Title (english) An M-Learning System Model Based on Stream Data Mining
Author Petar Jurić
Mentor Maja Matetić (mentor)
Committee member Ivo Ipšić (predsjednik povjerenstva)
Committee member Marina Ivašić-Kos (član povjerenstva)
Committee member Jasminka Mezak (član povjerenstva)
Granter University of Rijeka (Faculty of Informatics and Digital Technologies) Rijeka
Defense date and country 2020-10-22, Croatia
Scientific / art field, discipline and subdiscipline SOCIAL SCIENCES Information and Communication Sciences
Universal decimal classification (UDC ) 004 - Computer science and technology. Computing. Data processing
Abstract U ovom radu predstavljen je model za učenje matematike u osnovnoj školi koji
se temelji na mobilnom učenju i dubinskoj analizi tokova podataka. Sadržaji za
učenje prezentirani su kroz obrazovne računalne igre s mogućnošću kolaboracije
učenika kroz natjecateljske elemente i putem prilagođenih društvenih mreža.
Premda osobni podatci nisu bili dostupni, opisani su postupci anonimizacije
značajki vezanih uz učenika zbog onemogućavanja identifikacije pojedinca
putem kombinacije značajki. Analiziran je i utjecaj anonimizacije na preciznost
modela prilikom klasifikacije učenika.
Kako bi učenicima bio dostupniji za korištenje, model je razvijen tako da
istovremeno uz e-učenje jednakovrijedno podržava i m-učenje za koje se
pokazalo da je učenicima bio primaran odabir.
Radi lakšeg razumijevanja i potreba komunikacije između istraživača i eksperata
s područja primjene, zahtjevi eksperata i njihova očekivanja definirani su u kodnoj
knjizi.
Interakcijom s obrazovnim računalnim igrama kod potencijalno velikog broja
istovremenih korisnika podatci u sustav pristižu u tokovima pa većina klasičnih
metoda dubinske analize podataka nije prikladna za upotrebu, pogotovo u
slučajevima kada postoje ograničenja u skalabilnosti. Upotrebom metoda za
odabir značajki postignuto je smanjivanje dimenzija skupova podataka i vremena
potrebnog za obradu te kompleksnosti modela za interpretaciju, a sve bez
narušavanja preciznosti modela. Pomoću metoda otkrivanja znanja iz podataka
izrađeni su klasifikacijski modeli učenika koji se temelje na obradi tokova
podataka. Ovi modeli omogućavaju ranu detekciju darovitih učenika za
matematiku promatrajući tokove podataka kao stacionarne ili s pomakom
koncepta. Primjenom modela ustanovljeno je da postoji statistički značajna
razlika u načinu interakcije i postignutim rezultatima između darovitih učenika za
matematiku i ostalih učenika.
Izrađen je i model koji omogućuje preliminarno ocjenjivanje temeljeno na procjeni
motivacije i usvojenog znanja. Upotreba motivacijskih elemenata u obrazovnim
računalnim igrama i njihov učinak na angažman učenika analizirani su
uspoređivanjem rezultata kontrolne i eksperimentalne grupe.
Analizirani su sadržaji koje su učenici postavili na društvenoj mreži te je
primjenom neuronskih mreža omogućeno tumačenje sadržaja mikroblog tipa.
Abstract (english) This thesis presents a model for learning mathematics in primary schools, based
on mobile learning and data stream mining. The learning contents are presented
using educational computer games which allow the students to collaborate
through competitive elements and customized social networks. Although
personal data were not available, the procedures for anonymizing student-related
features were described to prevent identification of an individual through a
combination of features. Also, the impact of anonymization on model precision in
student classification is analysed.
To make it more user-friendly for students, a dedicated model was developed to
simultaneously support e-learning in the equivalent way as m-learning, which
proved to be the primary choice for students.
For ease of understanding and to meet the communication needs between
researcher and the experts from the application domain, the requirements and
expectations of the experts are defined in the codebook.
Through interaction with educational computer games in a potentially large
number of simultaneous users, the data is streaming into the system, thus making
most classical data mining methods unsuitable, especially when there are
limitations in scalability. Using of feature selection methods reduces both the
dimensions of the datasets and the time required for data processing and
diminishes the complexity of the interpretation models without compromising
model precision. By applying the methods for data knowledge discovery, based
on the data stream mining, student classification models were created. These
models enable early detection of gifted students in mathematics, watching
streams of data either as stationary or with concept drift. The application of the
model proved that there was a statistically significant difference in the style of
interaction and the results achieved between gifted mathematics students and
other students.
A model has also been developed that enables a preliminary grading system
based on the assessment of motivation and acquired knowledge. The use of
motivational elements in educational computer games and their effect on student
engagement were analysed by comparing the results of the control and
experimental group.
The contents that the students posted on the social network were analysed,
whereby the use of neural networks enabled the interpretation of microblogging
content.
Keywords
m-učenje
e-učenje
STEM
obrazovne računalne igre
dubinska analiza tokova podataka
pomak koncepta
analiza društvenih mreža
motivacija
anonimizacija podataka
Keywords (english)
m-learning
e-learning
STEM
educational computer games
data stream mining
concept drift
social network analysis
motivation
data anonymization
Language croatian
URN:NBN urn:nbn:hr:195:698531
Promotion 2023
Study programme Title: Informatics Study programme type: university Study level: postgraduate Academic / professional title: doktor znanosti iz znanstvenog područja Društvene znanosti, polja Informacijske i komunikacijske znanosti. (doktor znanosti iz znanstvenog područja Društvene znanosti, polja Informacijske i komunikacijske znanosti.)
Type of resource Text
File origin Born digital
Access conditions Access restricted to students and staff of home institution
Terms of use
Created on 2023-04-05 12:29:29