| Kods | LA0982 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | E-izglītības datu pētījumi un analītika | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Brīvās izvēles | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Doktora, Akadēmiskais | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Liepājas akadēmija | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Anita Jansone | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 8.0 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Paātrinoties e-izglītības vadības sistēmu, lietojumprogrammu un iesaistīto mobilo ierīču nemitīgai atjaunināšanai un straujai iekārtu paaudžu nomaiņai šo procesu analīze, novērtēšana un nākotnes prognozēšana kļūst par izaicinājumu procesu optimizācijā, kas saistās ar :. 1. e-studiju biznesu, . 2. e- izglītības pētniecību un . 3. e-studiju satura radīšanu, pārvaldību un piemērošanu jauniem apstākļiem. . Studiju kurss “E-izglītības datu pētījumi un analītika” ir ieskats atbildē uz šo izaicinājumu. . Kursa gaitā paredzēts: . 1. apgūt mācību analītikas jēdzienus un koncepcijas, . 2. apgūt spēju identificēt pētījumu tēmas datu analīzē e-studiju jomā, . 3. praktiski piedalīties e-studiju datu izgūšanā, tīrīšanā un sagatavošanā, . 4. veikt praktisku datu analīzi, . 5. iepazīties ar mūsdienās lietojamiem programmēšanas ietvariem un vadošajām industrijas valodām (piemēram, JAVA, SCALA, KOTLIN, R un PYTHON). Papildus paredzēts . 6. apskatīt datu izgūšanu no mobilajām ierīcēm un novērtēšanu, kā arī . 7. apskatīt datu izguvi e-studiju mākoņos izplatītajās vidēs. . 8. Kursa saturu noslēdzošā tēma ir saistīta ar mākslīgā intelekta un mašīnmācīšanās uzdevumiem un risinājumiem e-studijās. . Studenti kursā apskatāmos jautājumus analizēs savas izvēlētās promocijas pētījuma tēmas kontekstā. Studenti analizēs jaunākās publikācijas mācību analītikas pētījumu jomā. . Studenti piedalīsies klātienes pārrunās, patstāvīgā izstrādē un tiks iedrošināti praksē risināt e-studiju datu izguves, analīzes un vizualizācijas problēmas. . Darba rezultāts par katru apskatīto tēmu tiks vērtēts pēc studenta spējām iesaistīties vienā no četriem aktivitāšu līmeņiem: . 1. ar e-tehnoloģijām realizēta prezentācija par apskatāmo tēmu, . 2. tēmas padziļināts pētījums ar tematiku izejošu ārpus kursa kontaktstundās apskatītā materiāla, . 3. praktiskā datu apstrādē ievirzīts darbs ar ietvertiem programmēšanas elementiem par kursa ietvarā apskatīto tēmu. . Darbs tiek vērtēts pēc līmeņa un lietojamības kvalitātes, pēc integrācijas pakāpes dažādās IT infrastruktūrās, disciplīnās, moduļos un mācību vidēs.. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis: * Pilnveidot zināšanas par teorētiskajiem datu analītikas zinātnes jēdzieniem, prasme identificēt jaunu pētījumu tēmas izglītības datu analīzes jomā; * Pilnveidot zināšanas par datu izgūšanas un sagatavošanas izaicinājumiem e-studiju jomā; * Apgūt prasmes organizēt e-studiju datu izgūšanu, sagatavošanu un uzglabāšanu; Studiju kursa uzdevumi: * Pilnveidot zināšanas praktiski organizēt e-studiju datu analīzi instrukcionālā līmenī; * Apgūt prasmes, rīkojoties ar mūsdienās lietojamiem brīvpieejas un komerciāliem programmēšanas ietvariem, valodām un rīkiem; * Pilnveidot zināšanas par e-studiju datu izgūšanu un novērtēšanu no mobilajām ierīcēm, mākoņpakalpojumiem e-studiju vidēm, mākslīgo intelektu un mašīnmācīšanos. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Pārzina teorētiskos datu analītikas zinātnes jēdzienus. - Kursa gaitā izpildīto testu un uzdevumu vērtēšana 10 ballu skalā
Eksāmens. Pārzina datu izgūšanas un sagatavošanas izaicinājumus e-studiju ietvarā. - Kursa gaitā izpildīto testu un uzdevumu vērtēšana 10 ballu skalā Eksāmens. Prot organizēt e-studiju datu izgūšanu un sagatavošanu. - Kursa gaitā izpildīto testu un uzdevumu vērtēšana 10 ballu skalā Eksāmens. Spēj praktiski organizēt e-studiju datu analīzi organizatoriskā līmenī. - Kursa gaitā izpildīto testu un uzdevumu vērtēšana 10 ballu skalā Eksāmens. Prot, rīkoties ar mūsdienās lietojamiem brīvpieejas un komerciāliem programmēšanas ietvariem, valodām un rīkiem. - Kursa gaitā izpildīto testu un uzdevumu vērtēšana 10 ballu skalā Eksāmens. Orientējas e-studiju datu izgūšanā no mobilajām ierīcēm un ar mākoņpakalpojumiem nodrošinātām e- studiju vidēm un novērtēšanā. - Kursa gaitā izpildīto testu un uzdevumu vērtēšana 10 ballu skalā Eksāmens. Pārzina mākslīgā intelekta un mašīnmācīšanās problēmas, uzdevumiem un lietojumiem saistībā ar e-studijām. - Kursa gaitā izpildīto testu un uzdevumu vērtēšana 10 ballu skalā Eksāmens. Spēj argumentēti izskaidrot un diskutēt par e-studiju tehnoloģiju aspektiem saistībā ar kursa tematiku gan ar speciālistiem, gan citām iesaistītajām pusēm. - Kursa gaitā izpildīto testu un uzdevumu vērtēšana 10 ballu skalā Eksāmens. Spēj patstāvīgi virzīt savu un padoto kompetenču pilnveidi, uzņemties atbildību par savu un padoto darbu, kā arī plānot un ieviest inovācijas e-studiju tehnoloģijās saistībā ar kursa tematiku. - Kursa gaitā izpildīto testu un uzdevumu vērtēšana 10 ballu skalā Eksāmens. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Darbs studiju laikā: testi un uzdevumi - 50%
Eksāmens - 50% |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Datorprasmes, iemaņas darbā ar mākoņa pakalpojumiem un internetu. Programmēšanas pamatprasmes. Kiberdrošības aspektu izpratne un datu apstrādes pamatprasmes. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||