Logo des Repositoriums
 

Klausurprognose mit Hilfe von E-Assessment-Nutzerdaten

Kurzanzeige
dc.contributor.authorMassing, Till
dc.contributor.authorReckmann, Natalie
dc.contributor.authorOtto, Benjamin
dc.contributor.authorHermann,Kim J.
dc.contributor.authorHanck, Christoph
dc.contributor.authorGoedicke, Michael
dc.contributor.editorKrömker, Detlef
dc.contributor.editorSchroeder, Ulrik
dc.date.accessioned2019-03-28T08:48:33Z
dc.date.available2019-03-28T08:48:33Z
dc.date.issued2018
dc.description.abstractElektronisches Assessment wird heutzutage verbreitet genutzt. Die dabei anfallenden Nutzerdaten geben Einblicke zum Lernverhalten der Studierenden. Wir analysieren die Daten mit Hilfe von Data Mining Methoden dahingehend einen eventuellen Erfolg in der Abschlussklausur vorzeitig vorherzusagen. Es zeigt sich, dass bereits während des Semesters eine hohe Prognosegenauigkeit vorliegt. Die entsprechenden Vorhersagen lassen sich für ein Frühwarnsystem nutzen, um die Studierenden in ihrer Lernbereitschaft zu motivieren.de
dc.identifier.isbn978-3-88579-678-7
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/21035
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofDeLFI 2018 - Die 16. E-Learning Fachtagung Informatik
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-284
dc.subjectE-Assessment
dc.subjectData Mining
dc.subjectKlausurprognose
dc.subjectFrühwarnsystem
dc.titleKlausurprognose mit Hilfe von E-Assessment-Nutzerdatende
dc.typeText/Conference Paper
gi.citation.endPage176
gi.citation.publisherPlaceBonn
gi.citation.startPage171
gi.conference.date10.-12. September 2018
gi.conference.locationFrankfurt am Main
gi.conference.sessiontitleAssessment in der Programmierausbildung

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
proceedings_17.pdf
Größe:
594.65 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P284 - DeLFI 2018 - Die 16. E-Learning Fachtagung Informatik
DeLFI 2018