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: Fridolin Wild
سری:
ناشر: Springer
سال نشر: 2016
تعداد صفحات: 284
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب Learning Analytics in R with SNA, LSA, and MPIA 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 یادگیری تجزیه و تحلیل در R با SNA، LSA، و MPIA 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 نظریه تحلیل تعامل هدفمند معنی دار (MPIA) را معرفی می
کند که تجزیه و تحلیل شبکه های اجتماعی (SNA) را با تحلیل معنایی
پنهان (LSA) ترکیب می کند تا به ایجاد و تجزیه و تحلیل یک چشم
انداز یادگیری معنادار از ردپای دیجیتالی به جا مانده از یک جامعه
یادگیرنده در ساخت مشترک کمک کند. از 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.