Learning Analytics in R with SNA, LSA, and MPIA

این کتاب تئوری تحلیل تعامل هدفمند معنادار (MPIA) را معرفی می‌کند، که تجزیه و تحلیل شبکه‌های اجتماعی (SNA) را با تحلیل معنایی پنهان (LSA) ترکیب می‌کند تا به ایجاد و تجزیه و تحلیل یک چشم‌انداز یادگیری معنادار از ردپای دیجیتالی به جا مانده از یک یادگیری کمک کند. جامعه در ساخت مشترک دانش

الگوریتم ترکیبی در زبان برنامه‌نویسی آماری و محیط R پیاده‌سازی می‌شود و بسته‌هایی را معرفی می‌کند که - از طریق جبر ماتریسی - عناصر کار یادگیرندگان را با دیگران آگاه‌تر و مصنوعات محتوای پرمحتوا را به تصویر می‌کشد. این کتاب نمونه‌های کاربردی بسته به بسته جامع و نمونه‌های کدی را ارائه می‌کند که خواننده را از طریق مدل MPIA راهنمایی می‌کند تا نشان دهد چگونه می‌توان منظر MPIA را ساخت و سفر یادگیرنده را نقشه‌برداری و تحلیل کرد. این برنامه بلوک ساختمانی به خواننده اجازه می دهد تا به سمت استفاده و ساخت تجزیه و تحلیل برای راهنمایی دانش آموزان و حمایت از تصمیم گیری در یادگیری پیشرفت کند.

This book introduces Meaningful Purposive Interaction Analysis (MPIA) theory, which combines social network analysis (SNA) with latent semantic analysis (LSA) to help create and analyse a meaningful learning landscape from the digital traces left by a learning community in the co-construction of knowledge.

The hybrid algorithm is implemented in the statistical programming language and environment R, introducing packages which capture – through matrix algebra – elements of learners’ work with more knowledgeable others and resourceful content artefacts. The book provides comprehensive package-by-package application examples, and code samples that guide the reader through the MPIA model to show how the MPIA landscape can be constructed and the learner’s journey mapped and analysed. This building block application will allow the reader to progress to using and building analytics to guide students and support decision-making in learning.