Μέθοδοι οπτικοποίησης δεδομένων από εξόρυξη, με εφαρμογή σε εκπαιδευτικά δεδομένα προερχόμενα από πλατφόρμες ηλεκτρονικής μάθησης
Methods for the visualization of mined data, applied in educational data mined from e-learning platforms
Θεματική επικεφαλίδα
TPSH::Επιστήμη των Πληροφοριών ; TPSH::Επιστήμη ΥπολογιστώνΛέξεις κλειδιά
Data mining ; Data visualization ; Learning analytics ; PHP ; Database ; DBMS ; E-learning ; MOODLE ; Εξόρυξη δεδομένων ; Ηλεκτρονική μάθηση ; Οπτικοποίηση δεδομένωνΠερίληψη
Πολλές και διαφορετικές μέθοδοι έχουν αναπτυχθεί για την αυτοματοποιημένη οπτικοποίηση των δεδομένων που εξορύσσονται από βάσεις δεδομένων ή βάσεις γνώσης. Η παρούσα διπλωματική εργασία προσεγγίζει το πεδίο αυτό με τη μέθοδο top-down (από τον χρήστη προς το σύστημα) ώστε να δώσει εποπτικά την εικόνα των γνώσεων που έχουν συγκεντρωθεί στο πεδίο της εξόρυξης και οπτικοποίησης δεδομένων. Στο πρώτο κεφάλαιο γίνεται ανασκόπηση των μαθησιακών εργαλείων που έχει σήμερα στη διάθεσή του ο χρήστης ενός συστήματος ηλεκτρονικής μάθησης (e-Learning) και γνωριμία με τις σύγχρονες μεθόδους εξόρυξης και οπτικοποίησης δεδομένων. Από το δεύτερο κεφάλαιο και μετά, γίνεται προσπάθεια εμβάθυνσης στα συστήματα αυτά, για την καλύτερη κατανόηση των μεθόδων εξόρυξης και οπτικοποίησης και αναλύονται οι κατάλληλες τεχνικές και εργαλεία για την απόκτηση των επιθυμητών αποτελεσμάτων και στην επιθυμητή μορφή απεικόνισης.
Στο δεύτερο μέρος της διπλωματικής εργασίας παρουσιάζεται αναλυτικά η κωδικοποίηση (προγραμματισμός) των τεχνικών και εργαλείων που έχουν αναφερθεί στο πρώτο μέρος με στόχο την εξαγωγή των επιθυμητών αποτελεσμάτων από την βάση δεδομένων. Κεντρικό ρόλο στο δεύτερο μέρος παίζουν τα εκπαιδευτικά / μαθησιακά δεδομένα που αποθηκεύονται αυτόματα στις βάσεις δεδομένων των πλατφορμών ηλεκτρονικής μάθησης, όπως π.χ. το moodle, καθώς οι εκπαιδευόμενοι αλληλεπιδρούν με το μαθησιακό υλικό.
Η επιλεγμένη μέθοδος αυτόματης οπτικοποίησης κωδικοποιήθηκε ως ένα Plug-in για την πλατφόρμα moodle, με στόχο τη διευκόλυνση του διδάσκοντος, στον οποίο η οπτικοποίηση προσφέρει τα δεδομένα που παράγονται κατά τις συνεδρίες ηλεκτρονικής μάθησης σε μορφή και άποψη εύκολα κατανοητή. Το plug-in εφαρμόστηκε στα εκπαιδευτικά δεδομένα της πλατφόρμας moodle που συντηρεί και χρησιμοποιεί το Τμήμα Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών του Πανεπιστημίου Δυτικής Αττικής. Στο τελευταίο μέρος της διπλωματικής εργασίας παρουσιάζονται σε μορφή γραφημάτων τα αποτελέσματα από την εφαρμογή του plug-in σε πραγματικά συλλεγμένα δεδομένα από εκπαιδευτική διαδικασία που λαμβάνει χώρα στον server του Τμήματος κατά τα τρία (3) πλέον πρόσφατα ακαδημαϊκά έτη 2015-16, 2016-17 και 2017-18.
Περίληψη
Various methods have been developed for the visualization of data extracted from databases or knowledge bases. This thesis uses a top-down approach to present an overview of data mining and data visualization methods and tools and of the relevant accumulated knowledge. The first chapter reviews the tools used in e-Learning and offers a brief acquaintance with modern data mining methods. The second and following chapters get into more depth towards the understanding of data mining methods and of their functionalities. The appropriate techniques and tools that yield the sought results are also analyzed. The second part of this thesis presents in detail the development and coding (programming) of the techniques and tools mentioned in the first part, for data extraction and visualization. The central role in this second part is held by the educational (learning) data extracted from databases where they are automatically being stored while learners interact with e-learning platforms, such as moodle.
The selected visualization method is coded as a plug-in for the moodle platform, aimed to offer the instructors automated and meaningful views or aspects of the educational data produced during e-learning sessions. The plug-in is applied to the educational data stored in the database of the moodle platform used by Department of Electrical and Electronics Engineering, University of West Attica. The last part of this thesis presents in graphical form the results from the application of this plug-in to the real-field data stored in the departmental moodle server during the last three academic years (2015-16, 2016-17, 2017-18).