| Titre : | Integration of artificial intelligence performance prediction and learning analytics to improve student learning in online engineering course : International Journal of Educational Technology in Higher Education |
| Auteurs : | Fan Ouyang ; Mian Wu ; Luyi Zheng ; Liyin Zhang ; Pengcheng Jiao |
| Type de document : | texte imprimé |
| Année de publication : | 2023 |
| Format : | 4 |
| Mots-clés: | Apprentissage collaboratif ; Education ; Intelligence artificielle ; Recherche |
| Résumé : | As a cutting-edge field of artificial intelligence in education (AIEd) that depends on advanced computing technologies, AI performance prediction model is widely used to identify at-risk students that tend to fail, establish student-centered learning pathways, and optimize instructional design and development. A majority of the existing AI prediction models focus on the development and optimization of the accuracy of AI algorithms rather than applying AI models to provide student with in-time and continuous feedback and improve the students’ learning quality. To fill this gap, this research integrated an AI performance prediction model with learning analytics approaches with a goal to improve student learning effects in a collaborative learning context. Quasi-experimental research was conducted in an online engineering course to examine the differences of students’ collaborative learning effect with and without the support of the integrated approach. Results showed that the integrated approach increased student engagement, improved collaborative learning performances, and strengthen student satisfactions about learning. This research made contributions to proposing an integrated approach of AI models and learning analytics (LA) feedback and providing paradigmatic implications for future development of AI-driven learning analytics. |
| En ligne : | https://doi.org/10.1186/s41239-022-00372-4 |
Accueil
Sélection de la langue
Une suggestion ? Une question ? Contactez-nous :
idip-contact@unistra.fr
Tous les ouvrages et revues de ce portail peuvent être consultés à l'Idip.
Les ressources électroniques sont disponibles directement en ligne à partir des liens.
Les modules d'auto-formation peuvent être suivis simplement en vous créant un compte sur AIR.
Accès au site de l'Idip
idip-contact@unistra.fr
Tous les ouvrages et revues de ce portail peuvent être consultés à l'Idip.
Les ressources électroniques sont disponibles directement en ligne à partir des liens.
Les modules d'auto-formation peuvent être suivis simplement en vous créant un compte sur AIR.
Accès au site de l'Idip
Adresse
Portail doc de l'Idip15, rue du Maréchal Lefebvre
67000 Strasbourg
France
contact