nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

An Early-Warning Method on e-Learning

verfasst von : Jinlong Liu, Zhutian Yang, Xiangyuhan Wang, Xingrui Zhang, Jianying Feng

Erschienen in: e-Learning, e-Education, and Online Training

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Early-warning is an important way which can promote teaching effect on e-learning. However design a better system of early-warning based on big data is an open issue. This paper systematically analyses five key factors which act on e-learning, compare the effect on early-warning, summarize the insufficient of existing systems. Besides one kind of system framework on e-learning proposed, the system establishes functional model and procedural model for early-warning system. Research results show that the system can promote teaching effect for e-learning and can benefit the development of early-warning model.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Analysis Model of Teacher-Support and Learning Engagement in E-Learning

Nächstes Kapitel Research on the Innovative Education Practical Teaching Mode of Electronic Information for Outstanding Engineer

Uurlu, Y.: User attention analysis for e-Learning systems-towards intelligent tutoring. Int. J. Eng. Educ. 31(2), 521–528 (2015)

Özen, Z., Kartal, E., Emre, I.E.: A case study on improving e-Learning services using Google analytics in Turkey. Int. J. E-Adopt. 9(1), 26–37 (2017)CrossRef

Huang, Y.C., Chen, C.M., Guo, J.C.: Effects of attention monitoring and alarm mechanism on promoting e-Learning performance. In: ICEL: Proceedings of International Conference on e-Learning, pp. 229–237, January 2016

Hu, Y.H., Lo, C.L., Shih, S.P.: Developing early-warning systems to predict students’ e-Learning performance. Comput. Hum. Behav. 36(1), 469–478 (2014)CrossRef

Sabina, S., Maja, M., Marija, B.B.: Clustering of imbalanced moodle data for early alert of student failure. In: IEEE 14th Applied Machine Intelligence and Informatics (SAMI), Herlany (2016)

Magdalena, C., Elisabeth, D., Raquel, M.: Searching for behavior patterns of students in different training modalities through learning management systems. In: 2017 Intelligent Environments (IE), South Korea (2017)

Yu, Y.C.: Teaching with a dual-channel classroom feedback system in the digital classroom environment. IEEE Trans. Learn. Technol. 10(3), 391–402 (2016)CrossRef

Abelardo, P., Feifei, H., Robert, A.E.: Combining university student self-regulated learning indicators and engagement with e-Learning events to predict academic performance. IEEE Trans. Learn. Technol. 10(1), 82–92 (2016)

Farokhmehr, M., Fatemi, S.O.: Implementing machine learning on a big data engine for e-Learning. In: Proceedings of the 15th European Conference on e-Learning, Prague (2016)

10.

Ren, Y., Dai, Z., Zhao, X., Fei, M., Gan, W.: Exploring an on-line course applicability assessment. to assist learners in course selection and learning effectiveness improving in e-Learning. Learn. Individ. Differ. 60, 56–62 (2017)CrossRef

11.

Sit, S.M., Brudzinski, M.R.: Creation and assessment of an active e-Learning introductory geology course. Sci. Educ. Technol. 26(6), 629–645 (2017)CrossRef

12.

Fenu, G., Marras, M., Meles, M.: A learning analytics tool for usability assessment in Moodle environments. e-Learn. Knowl. Soc. 13(3), 23–34 (2017)

13.

Farhan, M., Aslam, M., Jabbar, S., Khalid, S., Kim, M.: Real-time imaging-based assessment model for improving teaching performance and student experience in e-learning. Real-Time Image Process. 13(3), 491–504 (2017)CrossRef

Titel: An Early-Warning Method on e-Learning
verfasst von: Jinlong Liu
Zhutian Yang
Xiangyuhan Wang
Xingrui Zhang
Jianying Feng
Verlag: Springer International Publishing
Buch: e-Learning, e-Education, and Online Training
Print ISBN: 978-3-319-93718-2

Electronic ISBN: 978-3-319-93719-9

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-319-93719-9_9

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"