Инструмент оценки курса в Moodle на основе структуры и стандартных логов

Предмет статьи – практическая задача сопоставления задуманной структуры электронного курса с фактической активностью пользователей, зафиксированной в штатном журнале событий установки Moodle. Цель – описать авторский способ построения сводной оценки и отчета, а также реализацию этого способа в виде локального модуля, пригодного и для точечной работы преподавателя в своем курсе, и для обзорных действий администратора по множеству курсов. Задачи сводятся к формализации входных данных, выбору набора метрик, заданию правил доступа и хранения отчетов, обеспечению воспроизводимости расчета на выбранном календарном интервале. Методология носит инженерный характер: на вход подаются описание элементов курса и отфильтрованные по периоду и ролям записи стандартного журнала, на выходе – числовые показатели по блокам «структура», «типовой состав активностей», «использование контента», «охват студентами», «стабильность активности во времени», взвешенный итог с явной формулой и перечень элементов с низкой относительной вовлеченностью с группировкой по типам модулей и исключением декоративных меток. Результаты – готовое расширение с интерфейсом запуска оценки, просмотра и удаления отчетов, отдельным административным режимом массового запуска. Вывод закрепляет полезность инструмента для самопроверки преподавателем того, насколько разработанные им элементы реально используются, и для институционального мониторинга при явном ограничении: показатели отражают наблюдаемое использование и согласованность структуры с логами, а не эффект обучения. Новизна – в связке указанных метрик, разграничении сценариев доступа и прозрачном представлении итога в отчете.

1. Romero C., Ventura S. Educational data mining and learning analytics: An updated survey // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2020. Vol. 10, no. 3. https://doi.org/10.1002/widm.1355.

2. Тербушева Е. А., Пиотровская К. Р. Аналитический потенциал платформы Moodle для мониторинга качества персонифицированного обучения // Общество. Коммуникация. Образование. 2021. Т. 12, № 4. С. 19–34. https://doi.org/10.18721/JHSS.12402.

3. Шаимов Н. Д., Ломазова И. А., Мицюк А. А. и др. Анализ академической успеваемости студентов с использованием журналов событий электронной образовательной среды // Моделирование и анализ информационных систем. 2022. Т. 29, № 4. С. 286–314. https://doi.org/10.18255/1818-1015-2022-4-286-314.

4. Карманова Е. В., Захарова Я. М., Киселев А. В. Интеллектуальный анализ образовательных результатов студентов университета с использованием LMS Moodle // Информатика и образование. 2024. Т. 39, № 3. С. 16–28. https://doi.org/10.32517/0234-0453-2024-39-3-16-28.

5. Pan Z., Biegley L., Taylor A. et al. A systematic review of learning analytics: Incorporated instructional interventions on learning management systems // Journal of Learning Analytics. 2024. Vol. 11, no. 2. P. 52–72. https://doi.org/10.18608/jla.2023.8093.

6. Aljohani N. R., Daud A., Abbasi R. A. et al. An integrated framework for course adapted student learning analytics dashboard // Computers in Human Behavior. 2019. Vol. 92. P. 679–690. https://doi.org/10.1016/j.chb.2018.03.035.

7. López-Zambrano J., Lara J. A., Romero C. Towards portability of models for predicting students’ final performance in university courses starting from Moodle logs // Applied Sciences. 2020. Vol. 10, no. 1. https://doi.org/10.3390/app10010354.

8. Bodily R., Verbert K. Review of research on student-facing learning analytics dashboards and educational recommender systems // IEEE Transactions on Learning Technologies. 2017. Vol. 10, no. 4. P. 405–418. https://doi.org/10.1109/TLT.2017.2740172.

9. Shannon C. E. A mathematical theory of communication // The Bell System Technical Journal. 1948. Vol. 27, no. 3. P. 379–423.

10. Prinsloo P., Slade S., Khalil M. The answer is (not only) technological: Considering student data privacy in learning analytics // British Journal of Educational Technology. 2022. Vol. 53, no. 4. P. 876–893. https://doi.org/10.1111/bjet.13216.