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: نویسندگان: Theodore W. Frick, Rodney D. Myers, Cesur Dagli, Andrew F. Barrett سری: ISBN (شابک) : 9781032000183, 9781003176343 ناشر: Routledge سال نشر: 2021 تعداد صفحات: [155] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
در صورت تبدیل فایل کتاب Innovative Learning Analytics for Evaluating Instruction: A Big Data Roadmap to Effective Online Learning 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 یادگیری نوآورانه برای ارزیابی آموزش: نقشه راه داده های بزرگ برای یادگیری آنلاین موثر 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.
تجزیه و تحلیل نوآورانه یادگیری برای ارزیابی دستورالعمل، کاربرد یک روش تحقیق آینده نگر را پوشش می دهد که از داده های بزرگ برای ارزیابی اثربخشی آموزش آنلاین استفاده می کند. تجزیه و تحلیل الگوهای در زمان (APT) یک رویکرد تحلیلی عملی است که الگوهای معنیداری را در مجموعه دادههای عظیم پیدا میکند و نقشههای زمانی سفرهای یادگیری دانشآموزان را با ترکیب روشهای کمی و کیفی میگیرد. این کتاب با ارائه مرورهای مفهومی و تحقیقاتی، اصول طراحی، نمونههای تاریخی و موارد دیگر، نشان میدهد که چگونه APT میتواند شواهد تجربی قوی و قابل تعمیم را از طریق دادههای بزرگ ارائه دهد. کمک به موفقیت دانش آموزان در سفرهای یادگیری خود؛ و اثربخشی فوق العاده اولین اصول آموزش را مستند کنید. این یک منبع ایده آل برای اساتید و متخصصان در طراحی آموزشی، مهندسی یادگیری، یادگیری آنلاین، ارزیابی برنامه و روش های تحقیق است.
Innovative Learning Analytics for Evaluating Instruction covers the application of a forward-thinking research methodology that uses big data to evaluate the effectiveness of online instruction. Analysis of Patterns in Time (APT) is a practical analytic approach that finds meaningful patterns in massive data sets, capturing temporal maps of students’ learning journeys by combining qualitative and quantitative methods. Offering conceptual and research overviews, design principles, historical examples, and more, this book demonstrates how APT can yield strong, easily generalizable empirical evidence through big data; help students succeed in their learning journeys; and document the extraordinary effectiveness of First Principles of Instruction. It is an ideal resource for faculty and professionals in instructional design, learning engineering, online learning, program evaluation, and research methods.