Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://ds.knu.edu.ua/jspui/handle/123456789/9238Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| dc.contributor.author | Семеріков, Сергій Олексійович | - |
| dc.contributor.author | Фадєєва, Лілія Олександрівна | - |
| dc.date.accessioned | 2026-07-10T05:26:01Z | - |
| dc.date.available | 2026-07-10T05:26:01Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.citation | Семеріков С. О. Композитне моделювання структурними рівняннями взаємозв’язку між інструментами Moodle та результатами навчання студентів / С. О. Семеріков, Л. О. Фадєєва // Цифрова трансформація відкритих науково-освітніх середовищ : монографія / Ін-т цифровізації освіти НАПН України ; [колектив авторів ; ред. О. М. Спірін, О. П. Пінчук]. – Київ, 2024. – С. 159–200. – DOI : https://doi.org/10.33407/lib.NAES.id/eprint/744025 | uk_UA |
| dc.identifier.uri | http://ds.knu.edu.ua/jspui/handle/123456789/9238 | - |
| dc.description | 1. Philosophy // Moodle.org. 2006. URL: https://tinyurl.com/yck8br28 2. Regulation on using the distance learning technologies in the educational activity of the Kryvyi Rih State Pedagogical University // Kryvyi Rih State Pedagogical University. 2021. URL: https://tinyurl.com/2p8yc7jr 3. Regulation on the system of assessment of the students' learning outcomes in the Kryvyi Rih State Pedagogical University // Kryvyi Rih State Pedagogical University. 2022. URL: https://tinyurl.com/db9at3ru 4. Abuzinadah N., Umer M., Ishaq A., Hejaili A.A., Alsubai S., Eshmawi A.A., Mohamed A., Ashraf I. Role of convolutional features and machine learning for predicting student academic performance from MOODLE data // PLoS ONE. 2023. Vol. 18. DOI: 10.1371/journal.pone.0293061 5. Cohen J. Statistical Power Analysis for the Behavioral Sciences. 2nd ed. New York: Routledge, 1988. DOI: 10.4324/9780203771587 6. Fadieieva L., Semerikov S. ADANCO output on dataset // GitHub. 2024. URL: https://ssemerikov.github.io/Fadieieva/ 7. Fadieieva L., Semerikov S. KSPU Moodle activities and marks 2020-2022 // Zenodo. 2024. DOI: 10.5281/zenodo.10938019 8. Fadieieva L.O. Adaptive learning: a cluster-based literature review (2011-2022) // Educational Technology Quarterly. 2023. Vol. 3. P. 319-366. DOI: 10.55056/etq.613 9. Fadieieva L.O. Adaptive learning concept selection: a bibliometric review of scholarly literature from 2011 to 2019 // Educational Dimension. 2023. Vol. 9. P. 136-148. DOI: 10.31812/ed.643 10. Fadieieva L.O. Bibliometric Analysis of Adaptive Learning Literature from 2011-2019: Identifying Primary Concepts and Keyword Clusters // Information and Communication Technologies in Education, Research, and Industrial Applications / eds.: Antoniou G. et al. Cham: Springer Nature Switzerland, 2023. P. 215-226. DOI: 10.1007/978-3-031-48325-7_16 11. Henseler J. ADANCO 2.0.1 User Manual. 2017. URL: https://ris.utwente.nl/ws/portalfiles/portal/5135104/ADANCO_2-0-1.pdf 12. Henseler J. Composite-Based Structural Equation Modeling: Analyzing Latent and Emergent Variables. New York: The Guilford Press, 2021. 13. Iyer S.S., Gernal L., Subramanian R., Mehrotra A. Impact of digital disruption influencing business continuity in UAE higher education // Educational Technology Quarterly. 2023. Vol. 1. P. 18-57. DOI: 10.55056/etq.29 14. Jordan C. Comparison of International Baccalaureate (IB) chemistry students' preferred vs actual experience with a constructivist style of learning in a Moodle e-learning environment // International Journal for Lesson and Learning Studies. 2013. Vol. 2(2). P. 155-167. DOI: 10.1108/20468251311323397 15. Kaensar C., Wongnin W. Analysis and Prediction of Student Performance Based on Moodle Log Data using Machine Learning Techniques // International Journal of Emerging Technologies in Learning. 2023. Vol. 18. P. 184-203. DOI: 10.3991/ijet.v18i10.35841 16. Krahn T., Kuo R., Chang M. Personalized Study Guide: A Moodle Plug-in Generating Personal Learning Path for Students // Lecture Notes in Computer Science / eds.: Frasson C. et al. Vol. 13891. Springer, 2023. P. 333-341. DOI: 10.1007/978-3-031-32883-1_30 17. Moreno-Marcos P.M., Barredo J., Muñoz-Merino P.J., Delgado Kloos C. Statoodle: A Learning Analytics Tool to Analyze Moodle Students' Actions and Prevent Cheating // Lecture Notes in Computer Science / eds.: Viberg O. et al. Vol. 14200. Springer, 2023. P. 736-741. DOI: 10.1007/978-3-031-42682-7_70 18. Osadchyi V.V. Adaptive system for individualization and personalization of professional training of future specialists in blended learning: Technical Report. Melitopol: Bogdan Khmelnitsky Melitopol State Pedagogical University, 2023. URL: https://nrat.ukrintei.ua/searchdoc/0223U003360 19. Perez-Suay A., Van Vaerenbergh S., Diago P.D., Pascual-Venteo A.B., Ferri F.J. Data-Driven Modeling Through the Moodle Learning Management System: An Empirical Study Based on a Mathematics Teaching Subject // Revista Iberoamericana de Tecnologias del Aprendizaje. 2023. Vol. 18. P. 19-27. DOI: 10.1109/RITA.2023.3250434 20. Sergeev K.A., Mironenko O.I., Krivich O.Y., Petrov A.A., Kozlov M.V. Using the module "analytics and machine learning" in LMS moodle at training students of specialty "rolling stock" // AIP Conference Proceedings / eds.: Galkin A.G., Bushuev S.V. Vol. 2624. American Institute of Physics Inc., 2023. DOI: 10.1063/5.0133923 21. Vitez A. Course module instances report // Moodle.org. 2022. URL: https://moodle.org/plugins/report_coursemodstats 22. Vásquez-Bermúdez M., Aguirre-Munizaga M., Hidalgo-Larrea J. Analysis of CoI Presence Indicators in a Moodle Forum Using Unsupervised Learning Techniques // Communications in Computer and Information Science / eds.: Valencia-García R. et al. Vol. 1873. Springer, 2023. P. 27-38. DOI: 10.1007/978-3-031-45682-4_3 | uk_UA |
| dc.description.abstract | Це дослідження вивчає взаємопов'язаність ресурсів і активностей Moodle та їх вплив на результати навчання студентів. Концептуальна модель була розроблена з використанням кількісного підходу моделювання структурними рівняннями на основі соціально-конструкціоністської педагогіки, що лежить в основі розробки Moodle, і регламентів Криворізького державного педагогічного університету щодо структури курсу та оцінювання у Moodle. Модель складалася з п'яти конструктів: Інформація, Ресурси, Активності, Комунікація та Оцінювання. Результати моделювання виявили сильний позитивний зв'язок між конструктом Активності (інтерактивні навчальні дії) та конструктом Комунікація, що свідчить про те, що збільшення використання інтерактивних активностей в рамках курсів Moodle пов'язане з вищим рівнем комунікації та залучення. Крім того, було виявлено помірний позитивний зв'язок між конструктами Ресурси та Активності, що вказує на те, що доступність і різноманітність ресурсів в рамках курсу Moodle пов'язані із включенням різноманітних навчальних активностей. Також було виявлено помірний позитивний зв'язок між конструктом Інформація (опис курсу, силабус, вступ) і конструктом Оцінювання (оцінки студентів), що передбачає, що добре розроблені та інформативні матеріали курсу пов'язані з кращою успішністю студентів під час оцінювання. Водночас дослідження не виявило доказів наявності значного прямого зв'язку між Комунікацією або Активностями та конструктом Оцінювання, що свідчить про те, що їх вплив на успішність оцінювання є більш складним і зумовлений іншими факторами. Дослідження показує, що просте використання інструментів Moodle не гарантує реалізацію адаптивного навчання для студентів педагогічних університетів. Щоб дійсно використати потенціал адаптивного навчання, викладачі та розробники курсів повинні застосовувати цілеспрямований і стратегічний підхід, інтегруючи відповідні педагогічні стратегії та використовуючи адаптивні можливості Moodle відповідно до конкретних навчальних цілей і потреб студентів. | uk_UA |
| dc.language.iso | uk | uk_UA |
| dc.subject | Moodle | uk_UA |
| dc.subject | моделювання структурними рівняннями | uk_UA |
| dc.subject | адаптивне навчання | uk_UA |
| dc.subject | педагогічні університети | uk_UA |
| dc.subject | результати навчання студентів | uk_UA |
| dc.subject | взаємопов'язаність інструментів Moodle | uk_UA |
| dc.title | Композитне моделювання структурними рівняннями взаємозв’язку між інструментами Moodle та результатами навчання студентів | uk_UA |
| dc.type | Book chapter | uk_UA |
| dc.identifier.doi | 10.33407/lib.NAES.id/eprint/744025 | - |
| local.submitter.email | semerikov@ccjourn... | uk_UA |
| Розташовується у зібраннях: | Кафедра професійної та соціально-гуманітарної освіти | |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| _2024_final-160-201.pdf | 890.03 kB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
