SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:DiVA.org:su-200479"
 

Sökning: onr:"swepub:oai:DiVA.org:su-200479" > Explainable AI for ...

Explainable AI for Data-Driven Feedback and Intelligent Action Recommendations to Support Students Self-Regulation

Afzaal, Muhammad (författare)
Stockholms universitet,Institutionen för data- och systemvetenskap
Nouri, Jalal (författare)
Stockholms universitet,Institutionen för data- och systemvetenskap
Zia, Aayesha (författare)
Stockholms universitet,Institutionen för data- och systemvetenskap
visa fler...
Papapetrou, Panagiotis (författare)
Stockholms universitet,Institutionen för data- och systemvetenskap
Fors, Uno (författare)
Stockholms universitet,Institutionen för data- och systemvetenskap
Wu, Yongchao (författare)
Stockholms universitet,Institutionen för data- och systemvetenskap
Li, Xiu (författare)
Stockholms universitet,Institutionen för data- och systemvetenskap
Weegar, Rebecka (författare)
Stockholms universitet,Institutionen för data- och systemvetenskap
visa färre...
 (creator_code:org_t)
2021-11-12
2021
Engelska.
Ingår i: Frontiers in Artificial Intelligence. - : Frontiers Media SA. - 2624-8212. ; 4
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • Formative feedback has long been recognised as an effective tool for student learning, and researchers have investigated the subject for decades. However, the actual implementation of formative feedback practices is associated with significant challenges because it is highly time-consuming for teachers to analyse students’ behaviours and to formulate and deliver effective feedback and action recommendations to support students’ regulation of learning. This paper proposes a novel approach that employs learning analytics techniques combined with explainable machine learning to provide automatic and intelligent feedback and action recommendations that support student’s self-regulation in a data-driven manner, aiming to improve their performance in courses. Prior studies within the field of learning analytics have predicted students’ performance and have used the prediction status as feedback without explaining the reasons behind the prediction. Our proposed method, which has been developed based on LMS data from a university course, extends this approach by explaining the root causes of the predictions and by automatically providing data-driven intelligent recommendations for action. Based on the proposed explainable machine learning-based approach, a dashboard that provides data-driven feedback and intelligent course action recommendations to students is developed, tested and evaluated. Based on such an evaluation, we identify and discuss the utility and limitations of the developed dashboard. According to the findings of the conducted evaluation, the dashboard improved students’ learning outcomes, assisted them in self-regulation and had a positive effect on their motivation.

Ämnesord

NATURVETENSKAP  -- Data- och informationsvetenskap -- Datavetenskap (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Sciences -- Computer Sciences (hsv//eng)

Nyckelord

self-regulated learning
recommender system
automatic data-driven feedback
explainable machine learning-based approach
dashboard
learning analytics
AI
data- och systemvetenskap
Computer and Systems Sciences

Publikations- och innehållstyp

ref (ämneskategori)
art (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Sök utanför SwePub

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy