[论文解读] Easy Java/JavaScript Simulations as a tool for Learning Analytics

Francisco Esquembre, Félix J. García Clemente+4 more|arXiv (Cornell University)|Oct 21, 2019

Online Learning and Analytics参考文献 14被引用 5

一句话总结

本文通过在简易 Java/JavaScript 模拟系统（EJS）中引入增强功能，支持学习分析（LA）与教育数据挖掘（EDM），实现对学生在模拟过程中交互行为的细粒度数据采集。该系统通过新型插件与学习管理系统（LMS）集成，使研究人员和教育工作者能够分析学生的行为、表现及学习过程，从而改进教学设计并支持实时反馈。

ABSTRACT

In this paper we introduce the new and planned features of Easy Java/JavaScript Simulations (EJS) to support Learning Analytics (LA) and Educational Data Mining (EDM) research and practice in the use of simulations for the teaching and self-learning of natural sciences and engineering. Simulations created with EJS can now be easily embedded in a popular Learning Management System using a new plug-in that allows creation of full-fledged instructional units that also collect and record fine-grained, instructional-savvy data of the students interaction with the simulation. The resulting data can then be mined to obtain information about students performance, behaviors, or learning procedures with the intention to support student learning, provide instructors with timely information about student performance, and also help optimize the pedagogic design of the simulations themselves. We describe the current development and architecture, as well as future directions for testing and extending the current capabilities of EJS as a modelling and authoring tool to support LA and EDM research and practice in the use of simulations for teaching science, in particular in the context of the increasingly popular online learning platforms.

研究动机与目标

• 将 EJS 扩展为能够从使用模拟的学生中收集详细且符合教学需求的交互数据。
• 通过支持数据驱动的洞察，促进学习分析与教育数据挖掘研究，深入理解学生的学习行为。
• 促进 EJS 模拟在主流学习管理系统中的集成，实现在在线与混合式学习环境中可扩展的应用。
• 为教师提供实时表现数据，并支持基于模拟的教学设计的迭代优化。
• 为未来基于模拟数据的自适应学习系统研究奠定基础。

提出的方法

• 作者开发了一款新型插件，支持将 EJS 模拟嵌入主流学习管理系统（LMS）。
• 该插件可捕获细粒度的交互数据，如用户输入、导航路径以及任务耗时等。
• 数据采集设计具有教学意义，与教学目标和学习进展保持一致。
• 系统支持对学生操作的结构化日志记录，包括点击、拖拽操作及参数调整等。
• 该架构支持实时监控与批处理分析，适用于后续研究。
• 该框架具备可扩展性，旨在支持未来与学习分析仪表板及自适应学习系统集成。

实验结果

研究问题

• RQ1 如何增强 EJS 模拟以支持科学教育中学习分析的细粒度数据采集？
• RQ2 在基于模拟的学习中，哪些类型的学生交互数据最有助于评估学习进展与认知误区？
• RQ3 如何将 EJS 集成到现有 LMS 平台中，以实现数据丰富型模拟的可扩展部署？
• RQ4 收集的数据在哪些方面可改善教师反馈与模拟设计？
• RQ5 在扩展 EJS 以支持 EDM 与 LA 研究时，面临哪些技术与教学上的挑战？

主要发现

• 新型 EJS 插件成功实现了将模拟嵌入 LMS 平台，同时捕获详细的交互日志。
• 系统收集了具有教学相关性的数据，如任务耗时、交互序列及参数变更等。
• 该架构支持实时监控与事后数据挖掘，适用于研究与教学改进。
• 增强后的 EJS 框架为将模拟集成到在线学习生态系统中提供了可扩展的基础。
• 该方法可提供关于学生学习行为的可操作洞察，支持形成性评估与模拟优化。
• 该系统设计具备可扩展性，支持未来与 LA 仪表板及自适应学习流程的集成。