Analyse van het gedrag in MOOCs voor verbeteringen in de onderwijspraktijk

Translated title of the contribution: Analysis of behavior in MOOCs to identify points of improvement in MOOCs

Rianne Conijn, Antoine van den Beemt, Pieter Cuijpers

    Research output: Contribution to conferencePaperOther research output

    Abstract

    Het voorspellen van studentsucces is een veelvoorkomend onderwerp in learning analytics. In deze studie voorspellen we studentsucces in een MOOC, wat onderdeel was van een campusvak op masterniveau. Hierbij definiëren we studentsucces als het behalen van persoonlijke leerdoelen. Naast algemene frequenties van activiteiten worden ook de frequenties van activiteiten van specifieke lesmaterialen en de volgorde van activiteiten geanalyseerd. Correlaties, meervoudige lineaire regressie en process mining laten zien dat meer activiteit in de MOOC en het verspreiden van de activiteit in de MOOC over meerdere dagen positief gerelateerd zijn aan studentsucces. Alhoewel de algemene frequenties tot meer generaliseerbare resultaten leiden, blijken de frequenties in specifieke lesmaterialen en de volgorde van activiteiten meer inzichtelijk voor directe verbeteringen in de onderwijspraktijk.
    Original languageDutch
    Publication statusPublished - Jun 2017
    EventOnderwijs Research Dagen 2017 - Antwerp, Belgium
    Duration: 28 Jun 201730 Jun 2017

    Conference

    ConferenceOnderwijs Research Dagen 2017
    CountryBelgium
    CityAntwerp
    Period28/06/1730/06/17

    Fingerprint

    Leiden

    Cite this

    Conijn, R., van den Beemt, A., & Cuijpers, P. (2017). Analyse van het gedrag in MOOCs voor verbeteringen in de onderwijspraktijk. Paper presented at Onderwijs Research Dagen 2017, Antwerp, Belgium.
    Conijn, Rianne ; van den Beemt, Antoine ; Cuijpers, Pieter. / Analyse van het gedrag in MOOCs voor verbeteringen in de onderwijspraktijk. Paper presented at Onderwijs Research Dagen 2017, Antwerp, Belgium.
    @conference{540a1d5e61a248f38add1db061191627,
    title = "Analyse van het gedrag in MOOCs voor verbeteringen in de onderwijspraktijk",
    abstract = "Het voorspellen van studentsucces is een veelvoorkomend onderwerp in learning analytics. In deze studie voorspellen we studentsucces in een MOOC, wat onderdeel was van een campusvak op masterniveau. Hierbij defini{\"e}ren we studentsucces als het behalen van persoonlijke leerdoelen. Naast algemene frequenties van activiteiten worden ook de frequenties van activiteiten van specifieke lesmaterialen en de volgorde van activiteiten geanalyseerd. Correlaties, meervoudige lineaire regressie en process mining laten zien dat meer activiteit in de MOOC en het verspreiden van de activiteit in de MOOC over meerdere dagen positief gerelateerd zijn aan studentsucces. Alhoewel de algemene frequenties tot meer generaliseerbare resultaten leiden, blijken de frequenties in specifieke lesmaterialen en de volgorde van activiteiten meer inzichtelijk voor directe verbeteringen in de onderwijspraktijk.",
    author = "Rianne Conijn and {van den Beemt}, Antoine and Pieter Cuijpers",
    year = "2017",
    month = "6",
    language = "Dutch",
    note = "null ; Conference date: 28-06-2017 Through 30-06-2017",

    }

    Conijn, R, van den Beemt, A & Cuijpers, P 2017, 'Analyse van het gedrag in MOOCs voor verbeteringen in de onderwijspraktijk' Paper presented at Onderwijs Research Dagen 2017, Antwerp, Belgium, 28/06/17 - 30/06/17, .

    Analyse van het gedrag in MOOCs voor verbeteringen in de onderwijspraktijk. / Conijn, Rianne; van den Beemt, Antoine; Cuijpers, Pieter.

    2017. Paper presented at Onderwijs Research Dagen 2017, Antwerp, Belgium.

    Research output: Contribution to conferencePaperOther research output

    TY - CONF

    T1 - Analyse van het gedrag in MOOCs voor verbeteringen in de onderwijspraktijk

    AU - Conijn, Rianne

    AU - van den Beemt, Antoine

    AU - Cuijpers, Pieter

    PY - 2017/6

    Y1 - 2017/6

    N2 - Het voorspellen van studentsucces is een veelvoorkomend onderwerp in learning analytics. In deze studie voorspellen we studentsucces in een MOOC, wat onderdeel was van een campusvak op masterniveau. Hierbij definiëren we studentsucces als het behalen van persoonlijke leerdoelen. Naast algemene frequenties van activiteiten worden ook de frequenties van activiteiten van specifieke lesmaterialen en de volgorde van activiteiten geanalyseerd. Correlaties, meervoudige lineaire regressie en process mining laten zien dat meer activiteit in de MOOC en het verspreiden van de activiteit in de MOOC over meerdere dagen positief gerelateerd zijn aan studentsucces. Alhoewel de algemene frequenties tot meer generaliseerbare resultaten leiden, blijken de frequenties in specifieke lesmaterialen en de volgorde van activiteiten meer inzichtelijk voor directe verbeteringen in de onderwijspraktijk.

    AB - Het voorspellen van studentsucces is een veelvoorkomend onderwerp in learning analytics. In deze studie voorspellen we studentsucces in een MOOC, wat onderdeel was van een campusvak op masterniveau. Hierbij definiëren we studentsucces als het behalen van persoonlijke leerdoelen. Naast algemene frequenties van activiteiten worden ook de frequenties van activiteiten van specifieke lesmaterialen en de volgorde van activiteiten geanalyseerd. Correlaties, meervoudige lineaire regressie en process mining laten zien dat meer activiteit in de MOOC en het verspreiden van de activiteit in de MOOC over meerdere dagen positief gerelateerd zijn aan studentsucces. Alhoewel de algemene frequenties tot meer generaliseerbare resultaten leiden, blijken de frequenties in specifieke lesmaterialen en de volgorde van activiteiten meer inzichtelijk voor directe verbeteringen in de onderwijspraktijk.

    M3 - Paper

    ER -

    Conijn R, van den Beemt A, Cuijpers P. Analyse van het gedrag in MOOCs voor verbeteringen in de onderwijspraktijk. 2017. Paper presented at Onderwijs Research Dagen 2017, Antwerp, Belgium.