▸講題：從學習軌跡找出行為寶藏
▸講者：周以騏 資策會數位教育分析師
▸時間：10/13、12/1(問題探究與回饋) 9:30~11:00
▸地點：Googlemeet
▸演講大綱：
2018年，因covid-19的肆虐造成全球的經濟模式有了新的發展與轉機，也反轉了教育的教學模式，從實體的教室轉換了線上學習。然而線上學習卻隱藏在老師與學生的擔憂，如何藉由數據魔法讓學習平台加值更多輔助服務？了解什麼是學生線上的學習行為？以及如何從中藉由數據力量挖掘學習行為中的寶藏，找出潛在影響學生完課的重要參數。這堂課教你如何快速地融入數據分析的世界，以及如何操作no-code工具，一起變身為數據魔法師。
撰文／廖冠智 博士 日期／112年10月13日
#清華大學教育大數據微學程
#數據分析工作前奏曲與敲門磚
謝謝資策會的周以騏分析師，為我們教育大數據的數據實習帶來分享主題：「從學習軌跡找出行為寶藏」，目的是探討如何運用數據分析提升線上教學質量。以騏提到2018年疫情促使教學模式線上化，但線上學習也使學生和老師面臨各種挑戰，希望藉由「數據魔法」找出學習行為的規律，進而完善線上學習平台的體驗，並提供更適切的學習服務。
講座採概念講述與實務操作並行方式，除了現場的數據實習生之外，也開放給課外的人士參與。數據分析沒有捷徑，但有快速認識的工具幫助我們學習，以騏為了讓大家快速認識數據分析的基本技能，首先講解資料科學的基本分析流程，建立起數據分析的基本框架，接著分析不同類型學生的特徵，讓我們了解不同群體的個性化需求，十分受用。
講座中，以騏提到從課程學習、影片觀看、測驗和討論作業四個面向，說明分析學習數據和學習軌跡的特徵：
👉如課程面向的課程數據，可以反映學生的學習進度和參與程度，重要數據包括：學生選課情況、課程訪問次數、課程完成進度等，這些數據可以分析出學生的學習軌跡，像學習速度快慢、經常拖延學習的學生等，幫助調整教學策略。
👉影片的互動數據，能反映學生的學習投入情況，例如視頻觀看時長、暫停次數、留言評論等，這些數據能分析出影片內容的難易程度、學生的興趣點等，可作為優化影片教學設計。
👉學習測驗的數據，如答題時間長度、正確率、複題情況等可以判斷學生對知識點的掌握程度，這對分析知識獲取的效果，以及發現需要加強的知識點都很有幫助。
👉討論作業的學習數據，如討論數據如貼文數量、瀏覽量、評論數等可以分析學生的討論參與度，文字探勘技術還可以分析學生的關注點、情感態度等，幫助老師引導討論。
由此可知，數據能讓學習軌跡可視化,是教育決策的重要依據，多面向的學習數據，可以全面反映學生的學習軌跡，幫助教師洞察學生學習動態，制定有針對性的教學策略。
以騏利用開源Orange data mining工具，基於Open University的開放資料集進行了數據挖掘，這資料灌入與串接的過程生動地呈現如何從數據中發現學習行為規律的方法與步驟，稍不留神，可能會錯失了操作步驟，讓我想起roadmap曾指出，踏上AI and Data Scientist 的學習路途，你應該經歷的道路，第一條就是Learn Algebra, Calculus, Mathematical Analysis，果然是真的！
雖然如此，orange具備簡化的視覺處理流程，讓使用者易於操作。以騏仔细講解資料預處理的重要性，分享了格式轉換、遺失值填充等實用經驗，確實為數據資料處理的前奏與深度探索，提供很完整的初學體驗。我能體會當初以騏自學數據資料科學的專長，鑽研多次抽象的數據概念具象化的方法，同時要整合實際問題的情境案例，背後花了許多心力促成。果然，數據科學的學習並非易事，但有了開始，就值得期待😊