Dragomir Maria-Alexandra

SLSI31

Data Mining în educație

Conceptul de Data Mining se referă la domeniul descoperirii de informații noi și cu
potențial mare, dintr-o cantitate considerabilă de date. Această idee apare în diverse filiere, pe
care le întâlnim zi de zi, precum medicina sau social media.

Dar de ce există data mining în educație? Acest domeniu atât de cunoscut, dar și de vast,
lasă în urma lui, date ale elevilor și al profesorilor, care au nevoie să fie centralizate pentru o mai
bună desfășurare a sferei de activitate în societate. În literaturile de specialitate, vom găsi
termenul de „EDM” (Educational data mining), care se referă la descoperirea de metode, pentru
extragerea de date care provin din mediul educațional, cu scopul de-a înțelege studenții/ elevii și
mediile în care învață. Extragerea datelor în educație diferă de la o filieră la alta, deoarece se
bazează pe exploatarea explicită a multiplelor niveluri de ierarhie semnificativă în educație.

De exemplu, putem extrage date despre modul din platformele educaționale pe care le
frecventează elevii, mai ales în timpul pandemiei. Începând cu apăsarea tastei, nivelul de
răspuns, folosirea tool-urilor, până la nivelul clasei și al școlii. La final lor, se pot face rapoarte
școlare sau naționale (cum a fost aprobarea studiilor universitare în regim hibrid). Acest domeniu
de studiu a apărut independent în ultimii ani, începând cu 2008, când s-a înființat International
Conference on Education Data Mining (2008) și Journal of Educational Data Mining (2009).

Totodată, putem folosi data mining în universități, pentru a vedea dacă studenții sunt
receptivi la unele materii, pentru a fi actualizate pe parcursul anilor sau chiar a prezențelor pe
care aceștia le fac. Toate aceste informații sunt preluate pentru a se găsi soluții sau strategii în
educație.

Procesul EDM are patru faze:

1. Definirea problemei: o problemă specifică este tradusă într-o problemă de data mining
(mai exact, obiectivele și goals-urile);
 2. Faza de pregătire și colectarea datelor: datele sursă sunt identificate, curățate și formatate
în format prestabilit;
3. Modelarea și Evaluarea: parametrii sunt setați la valori optime, selectate și aplicate în
diverse tehnici de modelare;
4. Faza de implementare: rezultatele extragerii de date sunt organizate și prezentate prin
grafice și rapoarte (proces iterativ- nu are un final stabilit).

Cele mai utilizate tehnici de data mining sunt: rețelele neuronale, arborii de decizie, analiza
regresiei și analiza clusterelor.

a) Rețele neuronale: un set de algoritmi de calcul, inspirați de sistemul nervos central uman,
care sunt proiectați să recunoască modele complexe și probleme de predicție, luând în
considerare materialul de învățare, fără a fi programat;
b) Arborii de decizie: un instrument de sprijinire a deciziilor care utilizează un grafic sau un
model în formă de arbore pentru clasificare;
c) Analiza regresiei: poate fi folosită pentru predicție, pentru a modela relația dintre una sau
mai multe variabile independente și variabile dependente;
d) Analiza clusterelor: este utilizată pentru a segmenta date similare în grupuri care nu au
fost definite anterior.

Beneficii și aplicații în EDM: îmbunătățirea procesului de studiu, îmbunătățirea finalizării

cursurilor, sprijinirea studenților în selecția cursurilor, profilarea studenților, găsirea de probleme
care duc la abandonul școlar, direcționarea studenților, dezvoltarea curriculumului, prezicerea
performanței elevilor și ca sprijin pentru luarea deciziilor la înscrierea studenților.

Bibliografie:

1. Baker, Ryan S.J.D, Data mining for Education, Pittsburgh, accesibil la

https://learninganalytics.upenn.edu/ryanbaker/Encyclopedia%20Chapter%20Draft
%20v10%20-fw.pdf, accesat la data de 09.10.2022.
2. Zoric, Alisa Bilal, Benefits of Educational Data Mining, în „Journal of International
Business Research and Marketing”, vol. 6, nr. 1, 2020, pp. 12-16.