[论文解读] E- Learning: An effective pedagogical tool for learning

Boumedyen Shannaq, Kaneez+2 more|arXiv (Cornell University)|Aug 26, 2011

Online Learning and Analytics参考文献 8被引用 6

一句话总结

本研究使用决策树分析（J48）对教育数据集进行分析，探讨了电子学习作为高等教育教学工具的有效性。研究发现，在线考试显著提高了班级平均成绩，凸显了通过技术整合与互动方法提升传统教学的电子学习潜力。

ABSTRACT

In the info-tech age E-Methods of learning are becoming the most important vehicle in disseminating knowledge in higher education institutions. This sector is growing and changing at a rapid speed due to developments in technologies. But teaching is an art. Can there be fun learning with raw and dry technology? How can we make the best use of E- Methods, can we make the required information and data available to the students in a flexible manner, at ease all the time? What are the advantages of traditional methods of teaching and learning? Is E-learning a progressive stage incubating all the benefits of the Manual learning or it is only a window dressing on the face of advancement? Can we convert the boring, tedious subjects into interactive, monotony breaking joyous learning? In this paper the researchers have focused on the modernization of E- Pedagogy vis-a-vis the traditional method of learning. They have highlighted the effectiveness of using the E- learning elements and various E- Methods. This work has used the decision tree algorithms particularly Classifiers.trees.J48 The obtained results show that using online examination attribute plays major role in increasing the average grade of the class in higher education. The novelty of this work is that the researchers have focused on the teaching methodology used by the faculty members and the tools available in the universities. We believe that this work will play a constructive role in building higher education system. Our generated rules/output can be used by the decision makers in the improvement of higher education system processes.

研究动机与目标

• 评估电子学习作为现代教学工具在高等教育中的有效性。
• 比较电子学习方法与传统教学方法在学习成果方面的差异。
• 识别对学生成绩产生积极影响的关键电子学习属性。
• 通过数据驱动的洞察支持机构在现代化高等教育体系方面的决策。

提出的方法

• 应用J48决策树算法（C4.5的变体）分析教育数据集。
• 使用属性选择识别学生成绩的重要预测因子。
• 重点关注电子学习要素，如在线考试、数字资源可用性以及教师教学方法。
• 从决策树生成分类规则，以指导机构改进措施。
• 通过绩效指标比较电子学习与传统教学方法。
• 评估技术整合对学生成绩结果的影响。

实验结果

研究问题

• RQ1 电子学习与传统教学相比，在提升高等教育学生学习成果方面有何差异？
• RQ2 哪些电子学习属性对学生成绩和班级平均成绩的影响最为显著？
• RQ3 决策树模型能否有效识别高等教育中电子学习成功的关键因素？
• RQ4 在线考试的使用在多大程度上提升了学业表现？
• RQ5 如何优化电子学习，以将单调的学科转变为引人入胜的互动学习体验？

主要发现

• 在线考试属性被确定为提高班级平均成绩的最关键因素。
• 当适当整合时，电子学习工具和数字资源可显著提升学生的学习成果。
• 决策树模型（J48）成功生成了可操作的规则，以改进高等教育流程。
• 本研究证明，电子学习并非仅是表面升级，而是一种融合传统学习优势的渐进式工具。
• 教师教学方法以及可用的技术工具在电子学习有效性中起着关键作用。
• 研究结果为致力于现代化高等教育体系的机构决策者提供了数据驱动的洞察。