Nuotolinių aplinkų duomenų bazėse kaupiamas didelis kiekis informacijos apie studentus ir jų veiksmus nuotolinėje aplinkoje. Kad būtų paprasčiau analizuoti šiuos duomenis į pagalbą pasitelkiama duomenų gavyba. Darbo tikslas - sudaryti sistemą, skirtą duomenų, gautų iš virtualios nuotolinio mokymo aplinkos Moodle, pirminiam apdorojimui ir duomenų gavybai. Gautus duomenis ištirti pritaikant programinės įrangos paketo StatSoft STATISTICA 7 duomenų gavybos algoritmus besimokančiųjų mokymosi intensyvumo duomenų analizei. Įvertinus gautus rezultatus parengtos rekomendacijos tolimesnei duomenų analizei. Duomenų analizei pritaikyta klasterinė k-vidurkių analizė. / The databases of virtual learning environments store large quantity of information about students and theirs activity. The data mining is usable to easer analysis of these information. The object of work is to make a system for preprocessing and data mining of data, obtained from virtual learning environment Moodle. The historical learning data can be analysed after preprocessing to study learners learning intensity with data mining algorithms by StatSoft STATISTICA 7 software. k-means cluster analysis was applied as example of data mining of learning data. Recommendations to further application of data mining of learning activities are given, too.
| Identifer | oai:union.ndltd.org:LABT_ETD/oai:elaba.lt:LT-eLABa-0001:E.02~2009~D_20090827_104815-10834 |
| Date | 27 August 2009 |
| Creators | Lapukaitė, Daiva |
| Contributors | Sakalauskas, Leonidas, Kulvietis, Genadijus, Turskienė, Sigita, Žilinskas, Kęstutis, Bartkus, Jonas, Šiaučiūnas, Darius, Palaimaitė, Jurgita, Siauliai University |
| Publisher | Lithuanian Academic Libraries Network (LABT), Siauliai University |
| Source Sets | Lithuanian ETD submission system |
| Language | Lithuanian |
| Detected Language | Unknown |
| Type | Master thesis |
| Format | application/pdf |
| Source | http://vddb.library.lt/obj/LT-eLABa-0001:E.02~2009~D_20090827_104815-10834 |
| Rights | Unrestricted |
Page generated in 0.0024 seconds