Reproducing Predictive Learning Analytics in CS1
Zhidkikh, D., Heilala, V., Van Petegem, C., Dawyndt, P., Järvinen, M., Viitanen, S., De Wever, B., Mesuere, B., Lappalainen, V., Kettunen, L., & Hämäläinen, R. (2024). Reproducing Predictive Learning Analytics in CS1. Journal of Learning Analytics, Early Access. https://doi.org/10.18608/jla.2024.7979
Julkaistu sarjassa
Journal of Learning AnalyticsTekijät
Päivämäärä
2024Oppiaine
TutkintokoulutusTyön ja johtamisen muuttuminen digitaalisessa ajassaResurssiviisausyhteisöTietotekniikkaComputing, Information Technology and MathematicsMonitieteinen oppimisen ja opetuksen tutkimusLaskennallinen tiedeDigitalization in and for learning and interactionComputing Education ResearchKoulutusteknologia ja kognitiotiedeHuman and Machine based Intelligence in LearningDegree EducationEmergent work in the digital eraSchool of Resource WisdomMathematical Information TechnologyComputing, Information Technology and MathematicsMultidisciplinary research on learning and teachingComputational ScienceDigitalization in and for learning and interactionComputing Education ResearchLearning and Cognitive SciencesHuman and Machine based Intelligence in LearningTekijänoikeudet
© 2024 Journal of Learning Analytics
Predictive learning analytics has been widely explored in educational research to improve student retention and academic success in an introductory programming course in computer science (CS1). General-purpose and interpretable dropout predictions still pose a challenge. Our study aims to reproduce and extend the data analysis of a privacy-first student pass–fail prediction approach proposed by Van Petegem and colleagues (2022) in a different CS1 course. Using student submission and self-report data, we investigated the reproducibility of the original approach, the effect of adding self-reports to the model, and the interpretability of the model features. The results showed that the original approach for student dropout prediction could be successfully reproduced in a different course context and that adding self-report data to the prediction model improved accuracy for the first four weeks. We also identified relevant features associated with dropout in the CS1 course, such as timely submission of tasks and iterative problem solving. When analyzing student behaviour, submission data and self-report data were found to complement each other. The results highlight the importance of transparency and generalizability in learning analytics and the need for future research to identify other factors beyond self-reported aptitude measures and student behaviour that can enhance dropout prediction.
...
Julkaisija
University of Technology SydneyISSN Hae Julkaisufoorumista
1929-7750Asiasanat
Julkaisu tutkimustietojärjestelmässä
https://converis.jyu.fi/converis/portal/detail/Publication/202827314
Metadata
Näytä kaikki kuvailutiedotKokoelmat
Rahoittaja(t)
Suomen AkatemiaRahoitusohjelmat(t)
Profilointi, SALisätietoja rahoituksesta
The publication of this article received financial support from the Academy of Finland (grant number 353325) and the ResearchFoundation—Flanders (FWO) for ELIXIR Belgium (I002819N).Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Opintojen sujuminen ja tuen saaminen ammattikorkeakouluopiskelijalla, jolla on ADHD-oireita
Puskala, Hanna-Liisa (2021)Proseminaarityön tarkoituksena oli tutkia yhden ammattikorkeakoulun opiskelijoiden, joilla on ADHD-oireita, opintojen sujumista ja tuen saamista. Tarkoituksena oli selvittää mitkä tekijät ovat vaikeuttaneet opintojen ... -
Ei-akateeminen perhetausta ja yliopisto-opiskelu : ulkopuolisuuden tunne ja opintojen keskeyttämisen syyt
Okker, Sauli (2019)Tämä tutkielma paneutuu ei-akateemisissa perheissä varttuneiden yliopisto-opiskelijoiden kokemuksiin. Ei-akateemisesta perhetaustasta tulevat opiskelijat kokevat muun muassa ulkopuolisuuden, epävarmuuden ja joukkoon ... -
Alkukeitos-kurssi ja opintojen aloitus Jyväskylän yliopiston kemian laitoksella vuonna 2007
Valtonen, Reetta (2008) -
Esteitä opintojen tiellä : opintojen seisahtumisen syyt ja taustat
Kuparinen, Kaisa (2011)Tämän tutkielman tarkoitus on selvittää, mitkä tekijät vaikeuttavat ja hidastavat opintojen sujuvaa etenemistä Jyväskylän yliopistossa. Tutkimuksen ensisijainen tarkoitus on selvittää syitä, jotka johtavat siihen, ettei ... -
Opintojen läpäisyn ennustettavuus ammatillisessa oppilaitoksessa : motivaation yhteys opintomenestykseen
Määttä, Tommi (2014)Määttä, Tommi: OPINTOJEN LÄPÄISYN ENNUSTETTAVUUS AMMATILLISESSA OPPILAITOKSESSA - MOTIVAATION YHTEYS OPINTOMENESTYKSEEN Erityispedagogiikan pro gradu. Jyväskylän yliopiston kasvatustieteen laitos, 2014. 56 sivua. ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.