مروری بر داده کاوی آموزشی و تحلیل رفتار فراگیران در موک ها

در سال های اخیر از داده کاوی در تحلیل روند آموزشی و تحلیل رفتارهای فراگیران در موک ها استفاده زیادی شده است. از این رو در این مطالعه روش های مختلف تحلیل داده ها جهت تحلیل رفتار فراگیران در موک و همچنین بررسی عوامل رضایت و عدم رضایت و ارائه راهکارهای مناسب برای آنها بررسی می شود. از طریق این مطالعه مهمترین روشهایی که برای تحلیل داده ها استفاده می شود روش های طبقه بندی و خوشه بندی است. همچنین مهمترین عواملی که باعث رضایت و عدم رضایت فراگیران به این دوره ها می شود عبارتند از شهرت دانشگاه ها، کیفیت دوره ها، انعطاف پذیری درس، کبود زمان، نداشتن انگیزه، انزوا و نداشتن تعامل در درس و پس زمینه علمی کافی می باشد. نتایج این بررسی و تحقیق می تواند در به دست آوردن دیدگاه جامع در مورد عناصر مختلف موک موثر و بر افزایش نرخ تکمیل دوره کمک کند.

A Review of Educational Data Mining and Analysis of Learner Behavior in MOOCs

In recent years, data mining has been widely used in the analysis of educational processes and the analysis of learners' behaviors in MOOCs. Therefore, in this study, we investigate different methods for analyzing learners' behavior in MOOCs as well as investigating factors of satisfaction and dissatisfaction and providing appropriate solutions for them. Through this study the most important methods used for data analysis are classification and clustering methods. Also the most important factors that make the students satisfied and dissatisfied with these courses are the reputation of the universities, the quality of the courses, the flexibility of the course, the time bruise, the lack of motivation, the isolation and the lack of interaction in the course and sufficient scientific background. The results of this study can help to gain a holistic view of the various elements of effective MOOCs and increase the rate of completion of the course.