Intelligent Data Analysis for e-Learning. Enhancing Security and Trustworthiness in Online Learning Systems

تحلیل هوشمند داده‌ها برای آموزش الکترونیکی: افزایش امنیت و اعتماد در سیستم‌های یادگیری آنلاین به امنیت اطلاعات در آموزش الکترونیکی بر اساس ارزیابی و پیش‌بینی قابلیت اعتماد می‌پردازد. در طول دهه گذشته، بسیاری از سیستم های مدیریت یادگیری در بازار آموزش ظاهر شده اند. امنیت در این سیستم‌ها برای محافظت در برابر رفتارهای ناعادلانه و غیرصادقانه - به ویژه تقلب - ضروری است، با این حال، خدمات آموزش الکترونیکی اغلب بدون در نظر گرفتن الزامات امنیتی طراحی و اجرا می‌شوند.

این کتاب رویکردهای کاربردی تجزیه و تحلیل قابلیت اعتماد را ارائه می‌کند. مدل‌سازی، ارزیابی و پیش‌بینی برای امنیت و پشتیبانی قوی‌تر در یادگیری آنلاین، که کمبودهای امنیتی موجود در اکثر سیستم‌های یادگیری مشارکتی آنلاین را برجسته می‌کند. این کتاب روش‌های قابلیت اعتماد را بر اساس هوش جمعی بررسی می‌کند تا بتواند بر این کمبودها غلبه کند. این تجزیه و تحلیل قابلیت اعتماد را بررسی می کند که از مقادیر زیادی از فعالیت های یادگیری داده تولید شده استفاده می کند. علاوه بر این، از آنجایی که پردازش این داده ها پرهزینه است، این کتاب یک الگوی پردازش موازی ارائه می دهد که می تواند از فعالیت های یادگیری در زمان واقعی پشتیبانی کند.

این کتاب روش های تجسم داده ها را برای مدیریت آموزش الکترونیکی، ارائه ابزارهای مورد نیاز برای تجزیه و تحلیل داده های جمع آوری شده مورد بحث قرار می دهد. با استفاده از یک رویکرد مبتنی بر مورد، این کتاب با مدل‌ها و روش‌شناسی برای ارزیابی و اعتبارسنجی امنیت در سیستم‌های آموزش الکترونیکی پایان می‌یابد.

• دستورالعمل‌هایی برای تشخیص ناهنجاری، تجزیه و تحلیل امنیتی، و قابل اعتماد بودن پردازش داده‌ها ارائه می‌کند. /li>
• تحقیقات چندرشته‌ای و پیشرفته را در مورد یادگیری مشارکتی آنلاین، شبکه‌های اجتماعی، امنیت اطلاعات، سیستم‌های مدیریت یادگیری، و پیش‌بینی قابلیت اعتماد ترکیب می‌کند
• رویکرد پردازش موازی را پیشنهاد می‌کند که باعث کاهش هزینه پردازش گران داده ها
• راهبردهایی را برای اطمینان از ارزیابی های ناعادلانه و ناصادقانه ارائه می دهد
• راه حل هایی را با استفاده از زمینه یادگیری الکترونیکی واقعی نشان می دهد

Intelligent Data Analysis for e-Learning: Enhancing Security and Trustworthiness in Online Learning Systems addresses information security within e-Learning based on trustworthiness assessment and prediction. Over the past decade, many learning management systems have appeared in the education market. Security in these systems is essential for protecting against unfair and dishonest conduct―most notably cheating―however, e-Learning services are often designed and implemented without considering security requirements.

This book provides functional approaches of trustworthiness analysis, modeling, assessment, and prediction for stronger security and support in online learning, highlighting the security deficiencies found in most online collaborative learning systems. The book explores trustworthiness methodologies based on collective intelligence than can overcome these deficiencies. It examines trustworthiness analysis that utilizes the large amounts of data-learning activities generate. In addition, as processing this data is costly, the book offers a parallel processing paradigm that can support learning activities in real-time.

The book discusses data visualization methods for managing e-Learning, providing the tools needed to analyze the data collected. Using a case-based approach, the book concludes with models and methodologies for evaluating and validating security in e-Learning systems.

• Provides guidelines for anomaly detection, security analysis, and trustworthiness of data processing
• Incorporates state-of-the-art, multidisciplinary research on online collaborative learning, social networks, information security, learning management systems, and trustworthiness prediction
• Proposes a parallel processing approach that decreases the cost of expensive data processing
• Offers strategies for ensuring against unfair and dishonest assessments
• Demonstrates solutions using a real-life e-Learning context