Login for students

Login for employees

Publication detail

Learning analytics for higher education: Proposal of big data ingestion architecture
Year: 2021
Type of publication: článek ve sborníku
Name of source: SHS Web of Conferences. Volume 92 (2021)
Publisher name: EDP Sciences - Web of Conferences
Place: Les Ulis
Page from-to: 1-6
Titles:
Language Name Abstract Keywords
cze Learning analytics pro vysoké školy: návrh big data architektury Research background: Vysokoškolské instituce generují více formátů dat z různých zdrojů. Vrstva pro příjem dat je zodpovědná za sběr dat a transformaci pro analýzu. Learning analytics hraje zásadní roli při poskytování podpory rozhodování a výběru vhodného včasného zásahu. Nedostatek přizpůsobených architektur big data pro akademické pracovníky vedl k několika výzvám implementace. Účel článku: Účelem tohoto článku je navrhnout architekturu dat umožňující pro big data learning analytics. Metody: Studie hodnotí stávající literaturu a zkoumá nástroje a rámce big data; a identifikuje problémy s big data. Na vysokých školách dosud nebyl zaveden optimalizovaný rámec pro aplikaci learning analytics ve skutečném světě. V důsledku toho příjem velkých dat čelí výzvám neefektivního a komplexního přístupu k datům, pomalé doby zpracování a bezpečnostním problémům spojeným s přenosem dat do systému. Navrhovaná architektura přijímání dat je založena na přehledu nedávné literatury a přizpůsobuje nejlepší mezinárodní postupy, pokyny a techniky tak, aby vyhovovaly poptávce po současných problémech s přijímáním velkých dat. Zjištění a přidaná hodnota: Tato studie identifikuje současné globální výzvy při implementaci výukových analytických projektů. Revize nedávných technik přijímání velkých dat byla provedena na základě definovaných metrik vyladěných pro účely učení analytických údajů. Navrhovaný rámec pro příjem dat by zvýšil efektivitu sběru, importu, zpracování a ukládání dat z učení. Kromě toho navrhovaná architektura přispívá ke konstrukci plnohodnotného analytického ekosystému pro učení velkých objemů dat vysokých škol.
eng Learning analytics for higher education: Proposal of big data ingestion architecture Research background: Higher education institutions are generating multiple formats of data from diverse sources across the globe. The data ingestion layer is responsible for collecting data and transform for analysis. Learning analytics plays a vital role in providing decision-making support and selection of suitable timely intervention. The lack of tailored big-data ingestion architectures for academics led to several implementation challenges. Purpose of the article: The purpose of this article is to propose data ingestion architecture enabled for big data learning analytics. Methods: The study reviews existing literature to examine big-data ingestion tools and frameworks; and identify big-data ingestion challenges. An optimized framework for the real world learning analytics application was not yet in place at global higher educations. Consequently, the big-data ingestion pipeline is experiencing challenges of inefficient and complex data access, slow processing time, and security issues associated with transferring data to the system. The proposed data ingestion architecture is based on review of recent literature and adapts best international practices, guidelines, and techniques to meet the demand of current big-data ingestion issues. Findings & Value added: This study identifies the current global challenges in implementing learning analytics projects. Review of recent big data ingestion techniques has been done based on defined metrics tuned for learning analytics purposes. The proposed data ingestion framework would increase the effectiveness of collecting, importing, processing and storing of learning data. Besides, the proposed architecture contributes to the construction of full-fledged big-data learning analytics ecosystem of higher educations. Big Data Architecture; Data Ingestion; Learning Analytics, Globalization Higher Education

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0