دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Ben Kei Daniel (eds.)
سری:
ISBN (شابک) : 9783319065199, 9783319065205
ناشر: Springer International Publishing
سال نشر: 2017
تعداد صفحات: 287
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های بزرگ و یادگیری در آموزش عالی: نظریه و عمل فعلی: فناوری آموزشی، یادگیری و آموزش
در صورت تبدیل فایل کتاب Big Data and Learning Analytics in Higher Education: Current Theory and Practice به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های بزرگ و یادگیری در آموزش عالی: نظریه و عمل فعلی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب بر روی استفاده از داده های بزرگ در زمینه آموزش عالی تمرکز دارد. این کتاب طیف گستردهای از فرآیندهای جمعآوری دادههای اداری و عملیاتی را با هدف ارزیابی عملکرد و پیشرفت سازمانی به منظور پیشبینی عملکرد آینده توصیف میکند و مسائل بالقوه مرتبط با برنامهریزی دانشگاهی، تحقیق، آموزش و یادگیری را شناسایی میکند. داده های بزرگ به داده هایی اطلاق می شود که اساساً بیش از حد بزرگ و پیچیده هستند و برای ظرفیت پردازش سیستم های پایگاه داده مرسوم بسیار سریع حرکت می کنند. ارزش کلان داده توانایی شناسایی داده های مفید و تبدیل آن به اطلاعات قابل استفاده با شناسایی الگوها و انحرافات از الگوها است.
This book focuses on the uses of big data in the context of higher education. The book describes a wide range of administrative and operational data gathering processes aimed at assessing institutional performance and progress in order to predict future performance, and identifies potential issues related to academic programming, research, teaching and learning. Big data refers to data which is fundamentally too big and complex and moves too fast for the processing capacity of conventional database systems. The value of big data is the ability to identify useful data and turn it into useable information by identifying patterns and deviations from patterns.
Front Matter....Pages i-xx
Overview of Big Data and Analytics in Higher Education....Pages 1-4
Front Matter....Pages 5-5
Thoughts on Recent Trends and Future Research Perspectives in Big Data and Analytics in Higher Education....Pages 7-17
Big Data in Higher Education: The Big Picture....Pages 19-28
Preparing the Next Generation of Education Researchers for Big Data in Higher Education....Pages 29-42
Managing the Embedded Digital Ecosystems (EDE) Using Big Data Paradigm....Pages 43-72
The Contemporary Research University and the Contest for Deliberative Space....Pages 73-86
Front Matter....Pages 87-87
Ethical Considerations in Adopting a University- and System-Wide Approach to Data and Learning Analytics....Pages 89-108
Big Data, Higher Education and Learning Analytics: Beyond Justice, Towards an Ethics of Care....Pages 109-124
Curricular and Learning Analytics: A Big Data Perspective....Pages 125-145
Implementing a Learning Analytics Intervention and Evaluation Framework: What Works?....Pages 147-166
GraphFES: A Web Service and Application for Moodle Message Board Social Graph Extraction....Pages 167-194
Toward an Open Learning Analytics Ecosystem....Pages 195-219
Predicting Four-Year Student Success from Two-Year Student Data....Pages 221-236
Assessing Science Inquiry Skills in an Immersive, Conversation-Based Scenario....Pages 237-252
Learning Analytics of Clinical Anatomy e-Cases....Pages 253-263
Back Matter....Pages 265-272