| ... | ... | @@ -196,15 +196,16 @@ Sivustojen yleistä aktiivisuutta saatiin mitattua, mutta tarkempaa tietoa kuten |
|
|
|
|
|
|
|
Projektin yleistä aktiivisuutta saatiin seurattua. Tällä datalla opettaja voi seurata mm. paljonko jokin materiaali on käytössä.
|
|
|
|
|
|
|
|
Esimerkki yksittäisen opiskelijan seurannasta mitä olisi haluttu, sinisellä reputtavan opiskelijan aktiivisuus, punaisella keskiarvo läpäisevien opiskelijoiden aktiivisuus:
|
|
|
|
|
|
|
|

|
|
|
|
|
|
|
|
**Toteutus 1:**
|
|
|
|
|
|
|
|
Parhaat tulokset saatiin injectoimalla Matomo, GitLab -palveluun. Palvelusta saatiin paljon erillaista statistiikkaa, mutta kohdennettua seurantaa projekteille ei saatu toteutettua, joka olisi eräittäin tärkeää oppimisanalytiikan kannalta. Yksittäisiä käyttäjiä pystyttiin seuraamaan käyttäjäprofiilista, muttei identifoimaan mitenkään, koska minkäänlaista user-id-trackingiä ei ollut. Käyttäjäprofiili antoi hyvin tietoa sivuista, jossa käyttäjä oli vieraillut ja kuinka pitkään. Sivuston hakukentällä haetut asiat pystyttiin myös kirjaamaan, jota voi hyödyntää kurssien parantamisessa.
|
|
|
|
|
|
|
|
Matomon tarjoamat dashboardit olivat hyvin kattavia, mutta eivät muokattavissa oppimisanalytiikan kannalta tarvittaviin kokonaisuuksiin. Matomon keräämät datat ajettiin databasesta Power BI -palveluun ja koitettiin muokata kokonaisuuksiksi, joita voisi käyttää. Databasessa olevat statistiikat oli kuitenkin rakennettu niin että niistä oli erittäin vaikeaa tai jopa mahdotonta rakentaa analysointiin tarvittavia kokonaisuuksia.
|
|
|
|
|
|
|
|
Esimerkki yksittäisen opiskelijan seurannasta mitä olisi haluttu, sinisellä reputtavan opiskelijan aktiivisuus, punaisella keskiarvo läpäisevien opiskelijoiden aktiivisuus:
|
|
|
|
|
|
|
|

|
|
|
|
|
|
|
|
Käyttäjäprofiili:
|
|
|
|
|
| ... | ... | |
| ... | ... | |