ABSTRACT This study was conducted w

ABSTRACT
This study was conducted with data mining (DM) techniques to analyze various patterns
of online learning behaviors, and to make predictions on learning outcomes. Statistical
models and machine learning DM techniques were conducted to analyze 17,934 server
logs to investigate 98 undergraduate students’ learning behaviors in an online business
course in Taiwan. The study scientifically identified students’ behavioral patterns and
preferences in the online learning processes, differentiated active and passive learners,
and found important parameters for performance prediction. The results also
demonstrated how data mining techniques might be utilized to help improve online
teaching and learning with suggestions for online instructors, instructional designers and
courseware developers.
Keywords: Educational data mining, online learning, online teaching, online learning
behavioral patterns, online learning activity patterns, online learning predictions,
prediction model, clustering analysis, association analysis, decision tree analysis

ผลลัพธ์ (ไทย) 1:

นามธรรม
การศึกษาครั้งนี้ได้ดำเนินการกับข้อมูลการทำเหมืองแร่ (DM) เทคนิคในการวิเคราะห์รูปแบบต่างๆ
พฤติกรรมการเรียนรู้ออนไลน์และเพื่อให้การคาดการณ์เกี่ยวกับผลการเรียนรู้ สถิติ
รูปแบบและการเรียนรู้เทคนิคเครื่อง DM ได้ดำเนินการในการวิเคราะห์ 17,934 เซิร์ฟเวอร์
บันทึกการตรวจสอบพฤติกรรมการเรียนรู้ 98 นักศึกษาระดับปริญญาตรีในธุรกิจออนไลน์
แน่นอนในไต้หวันการศึกษาทางวิทยาศาสตร์ที่ระบุรูปแบบของนักเรียนพฤติกรรมและการตั้งค่า
ในกระบวนการเรียนรู้ออนไลน์ที่แตกต่างของผู้เรียนที่ใช้งานและ passive,
และพบว่าตัวแปรที่สำคัญในการทำนายผลการปฏิบัติงาน ผลที่ได้ยังแสดงให้เห็นถึงวิธี
เทคนิคการทำเหมืองข้อมูลอาจจะนำมาใช้เพื่อช่วยในการปรับปรุงการเรียนการสอนออนไลน์
และการเรียนรู้ด้วยคำแนะนำสำหรับผู้สอนออนไลน์นักออกแบบการเรียนการสอนและการพัฒนาบทเรียน

คำหลัก: การทำเหมืองข้อมูลการศึกษา, การเรียนรู้ออนไลน์, การเรียนการสอนออนไลน์การเรียนรู้ออนไลน์
พฤติกรรมรูปแบบรูปแบบกิจกรรมการเรียนรู้ออนไลน์การคาดการณ์การเรียนรู้ออนไลน์
ทำนายรูปแบบการวิเคราะห์การจัดกลุ่มการวิเคราะห์ความสัมพันธ์ของการวิเคราะห์ต้นไม้ตัดสินใจ

ผลลัพธ์ (ไทย) 2:

นามธรรม
นี้การวิจัย ด้วยเทคนิคการทำเหมืองแร่ (DM) ข้อมูลเพื่อวิเคราะห์รูปแบบต่าง ๆ
พฤติกรรมการเรียนรู้ออนไลน์ และต้องการคาดคะเนเกี่ยวกับผลการเรียนรู้ สถิติ
รุ่นและเครื่องเรียน DM เทคนิคได้ดำเนินการวิเคราะห์เซิร์ฟเวอร์ 17,934
บันทึกการตรวจสอบพฤติกรรมการเรียนรู้ 98 นศในตัว
สนามในไต้หวัน รูปแบบพฤติกรรมของนักเรียนการศึกษาทางวิทยาศาสตร์ระบุ และ
ลักษณะในกระบวนการเรียนรู้ออนไลน์ แยกแยะผู้เรียนที่ใช้งานอยู่ และแฝง,
และพบพารามิเตอร์สำคัญทำนายประสิทธิภาพการทำงาน ผลลัพธ์ยัง
แสดงว่าอาจใช้เทคนิคเหมืองข้อมูลเพื่อการปรับปรุงออนไลน์
สอน และเรียนรู้กับคำแนะนำสำหรับผู้สอนออนไลน์ ออกแบบการเรียนการสอน และ
พัฒนา courseware
คำสำคัญ: การทำเหมืองข้อมูลเพื่อการศึกษา เรียนออนไลน์ สอนออนไลน์ การเรียนออนไลน์
พฤติกรรมรูปแบบ รูปแบบกิจกรรมการเรียนรู้ออนไลน์ คาดคะเน การเรียนรู้ออนไลน์
ทายรุ่น คลัสเตอร์การวิเคราะห์ การวิเคราะห์ความสัมพันธ์ วิเคราะห์ต้นไม้ตัดสินใจ

ผลลัพธ์ (ไทย) 3:

การศึกษาเป็นนามธรรม
แห่งนี้ได้รับการศึกษาพร้อมด้วยข้อมูล( data mining )(โดมินิกา)ใช้เทคนิคในการวิเคราะห์ที่หลากหลายรูปแบบ
ของลักษณะการทำงานการเรียนรู้ทางออนไลน์และทำให้การทำนายในการเรียนรู้ผลลัพธ์ ข้อมูลทางสถิติ
รุ่นและเทคนิค DM การเรียนรู้ของคอมพิวเตอร์ได้ทำการวิเคราะห์ 17,934 เซิร์ฟเวอร์
บันทึกการตรวจสอบพฤติกรรมการเรียนรู้ของนักเรียน 98 ระดับปริญญาตรีในธุรกิจออนไลน์ที่
หลักสูตรในไต้หวันการศึกษาทางวิทยาศาสตร์ระบุว่ารูปแบบพฤติกรรมของนักเรียนและ
การตั้งค่าในกระบวนการการเรียนรู้ทางออนไลน์ที่แตกต่างกันและเชิงรับผู้เรียน
และพบว่าพารามิเตอร์ที่สำคัญสำหรับการคาดการณ์ ประสิทธิภาพ ผลที่ได้ยัง
แสดงให้เห็นถึงการพัฒนาเทคนิคการทำเหมืองแร่ข้อมูลอาจจะเป็นประโยชน์ในการช่วยปรับปรุงแบบออนไลน์
การสอนและการเรียนรู้ด้วยคำแนะนำสำหรับผู้สอนทางออนไลน์ผู้พัฒนา
หลักสูตรแบบอินเทอร์นักออกแบบและสอน.
คีย์เวิร์ด:การศึกษาข้อมูลการทำเหมืองแร่,ออนไลน์การเรียนรู้ทางออนไลน์การเรียนการสอนออนไลน์การเรียนรู้
พฤติกรรมรูปแบบ,ออนไลน์การเรียนรู้รูปแบบการทำงานของทางออนไลน์การเรียนรู้การทำนาย,
การคาดเดารุ่น,ระบบคลัสเตอร์การวิเคราะห์การเชื่อมโยงการวิเคราะห์การตัดสินใจทรีการวิเคราะห์