Εγχειρίδιο χρήσης του υποσυστήµατος ΓΝΩΣΙΣ (Α.Σ.ΠΙΣ) Καλωσήρθατε στο υποσύστηµα ΓΝΩΣΙΣ του συστήµατος Α.Σ.ΠΙΣ. Το σύστηµα Α.Σ.ΠΙΣ. παρέχει δεδοµένα (π.χ. στοιχεία των εξεταζόµενων, των κέντρων εκπαίδευσης, για τους διαγωνισµούς κ.λ.π.) που µπορούν να χρησιµοποιηθούν προκειµένου να βρεθούν οι χρήσιµες πληροφορίες, οι οποίες µπορούν να αξιοποιηθούν για να αξιολογήσουν ολόκληρη την εκπαιδευτική διαδικασία και να ελέγξουν προσεκτικά συγκεκριµένα µέρη της. Αξίζει να αναφέρουµε οτι η µονάδα ανάλυσης των αποτελεσµάτων χωρίζεται σε δύο ξεχωριστά τµήµατα : την υποµονάδα εξόρυξης δεδοµένων την υποµονάδα διαχείρησης γνώσης Το παρών υποσύστηµα αναλαµβάνει να διατελέσει τις βασικές λειτουργίες τής υποµονάδας διαχείρισης Γνώσης του Α.Σ.ΠΙΣ. Η ιαχείριση Γνώσης εστιάζει, παραδοσιακά, στην απόκτηση γνώσης από τους ανθρώπους, είτε άµεσα (π.χ. µέσω χειρονακτικής εργασίας, ειδικών συνεντεύξεων, εργαλείων δηµιουργίας, κ.λ.π.) είτε έµµεσα, όπως ένα πρόγραµµα που παρατηρεί ένα άνθρωπο εµπειρογνώµονα και προσπαθεί να µιµηθεί την ανθρώπινη τεχνογνωσία. Οι λειτουργίες που τελούνται στο παρών σύστηµα είναι οι εξής : Ποσοστά επιτυχίας και στοιχεία εξεταζοµένων Εξαγωγή ποσοστών επιτυχίας για συνδυασµό ενοτήτων Ποσοστά επιτυχίας άνω κάποιου βαθµού και εµφάνιση ονοµάτων Εξαγωγή γνώσης σχετικά µε πιστοποίηση ή την απόρριψη των κέντρων
Ποσοστό επιτυχίας και στοιχεία εξεταζόµενων Α. Ενότητες στις οποίες οι εξεταζόµενοι σηµειώνουν υψηλά ποσοστά επιτυχίας Ανάλυση της αναζήτησης αποτελεσµάτων της µηχανής.γ. : Εισάγουµε ως δεδοµένα την επιθυµητή ενότητα και το βαθµό που αξιολογήθηκαν οι χρήστες σε τεστ σχετικά µε την ενότητα. Το υποσύστηµα µε την σειρά του βρίσκει τα τέστ που σχετίζονται µε την επιλεχθείσα ενότητα. Στην συνέχεια αναζητεί και βρίσκει όλες τις ενεργοποιήσεις που έχουν γίνει και ελέγχει τα τεστ των χρηστών που έχουν βαθµολογηθεί άνω του βαθµού που έχουµε εισαγάγει. Αποτελέσµατα : Το υποσύστηµα επιστρέφει τον συνολικό αριθµό τέστ που έχουν βαθµό πρόσβασης πάνω απο τον επιθυµητό. Βήµα 1 : Εισάγουµε δεδοµένα στην φόρµα. Επιλέγουµε από το drop-down menu την ενότητα που επιθυµούµε να αλιεύσουµε δεδοµένα και τον βαθµό που στη περιπτωση µας λειτουργεί ως κάτω όριο. Στο παράδειγµα µας, επιλέγουµε την ΕΝΟΤΗΤΑ 1.5 και ως κατώτατο βαθµό το 97.
Βηµα 2 : Πατάµε το κουµπί ΟΚ και εµφανίζονται τα αποτελέσµατα. Έλεγχος λάθους : Σε περίπτωση που ο χρήστης εισάγει δεδοµένα όπως ένα αλφαριθµητικό ή ένα αριθµό εκτός της βαθµολογούµενης κλίµακας των τεστ (0 100), τότε εµφανίζεται σχετικό µήνυµα λάθους και ζητείται από τον χρήστη να εισάγει σωστά δεδοµένα.
Β. Κέντρα εκµάθησης των οποίων οι µαθητές έχουν µεγαλύτερη επιτυχία Ανάλυση της αναζήτησης αποτελεσµάτων της µηχανής.γ. : Το υποσύστηµα.γ. αναζητεί τα κέντρα εκµάθησης και στη συνέχεια αναζητεί το µέσο όρο κάθε χρήστη (Πρόσθεση όλων των βαθµολογήσεων των τέστ του κάθε χρήστη και διαίρεση µε των αριθµό των διαγωνισµάτων). Με τον ίδιο τρόπο, υπολογίζει τον µέσο όρο όλων των χρηστών που ανήκουν σε µια τάξη και βγάζει τον µέσο όρο της κάθε τάξης, και κατα συνέπεια υπολογίζεται και ο µέσος όρος του κέντρου. που αξιολογήθηκαν οι χρήστες σε τεστ σχετικά µε την ενότητα. Αποτελέσµατα : Το υποσύστηµα επιστρέφει την τάξη και το κέντρο µε τον µεγαλύτερο µέσο ορο, καθώς και ένα πίνακα µε τον µέσο όρο κάθε κέντρου εκµάθησης.
Βαθµός δυσκολίας συνδυασµού ενοτήτων (εµφάνιση ποσοστού επιτυχίας) Ανάλυση της αναζήτησης αποτελεσµάτων της µηχανής.γ. : εδοµένων των ενοτήτων, των χρονικών διαστηµάτων και του χρονικού βήµατος, το υποσύστηµα.γ. αναζητεί τα τεστ που σχετίζονται µε τις επιλεγµένες ενότητες και βρίσκει τον Μ.Ο. τους. Στην συνέχεια βρίσκει τον Μ.Ο. για τον συνδυασµό των ενοτήτων (βρίσκοντας ουσιαστικά τον Μ.Ο. των µέσων όρων που υπολόγισε προηγουµένων). Στη συνέχεια βρίσκει τα διαστήµατα στα οποία, δεδοµένου του χρονικού βήµατος (εβδοµάδα, µήνα, χρόνο), τα ποσοστά επιτυχίας ήταν υψηλά. ~ Λόγω των πολλών υπολογισµών, υπάρχει καθυστέρηση της τάξης των δεκάδων δευτερολέπτων του υπολογισµού των απαντήσεων. Η καθυστέρηση είναι ανάλογη του αριθµού των επιλεγµένων ενοτήτων και αντιστρόφως ανάλογη του µεγέθους του χρονικού βήµατος. Είναι πάρα πολύ σηµαντικό, εάν υπάρξει µεταφορά του συστήµατος σε άλλο διακοµιστή (server), να οριστεί µεγάλη χρονική παράταση (Ping Timeout) έτσι ώστε να υπάρχει δυνατότητα να υπολογιστούν τα αποτελέσµατα. ~ Αποτελέσµατα : Το υποσύστηµα επιστρέφει : τον συνδυασµένο Μ.Ο. των ενοτήτων που επιλέγει ο χρήστης το χρονικό διαστηµα στο οποία ο συνδυασµός των ενοτήτων είχε τα µεγαλύτερα ποσοστά επιτυχίας Στο παραδειγµα µας θα επιλεχθεί ο συνδυασµός ενοτήτων Flash και Foundation, για διάστηµα µιας εβδοµάδας (7 ηµερών) και ενός µήνα (30 ηµερών).
Βηµα 1 : Από τις δεκάδες επιλογές, επιλέγουµε µε αντιστοιχα clicks στα checkboxes Flash και Foundation :
Βήµα 2 : Α) Χρονικό βήµα εβδοµάδας Επιλέγουµε το χρονικό διαστηµα 01 Ιανουάριου 2000-01 Ιανουάριου 2010 και στο χρονικό βήµα επιλέγουµε 1 εβδοµάδα. Πατάµε το κουµπί ΟΚ και εµφανίζονται τα αποτελέσµατα.
Β) Χρονικό βήµα µήνα Επιλέγουµε το χρονικό διαστηµα 01 Ιανουάριου 2000-01 Ιανουάριου 2010 και στο χρονικό βήµα επιλέγουµε 1 µηνα. Πατάµε το κουµπί ΟΚ και εµφανίζονται τα αποτελέσµατα.
Παρατηρήσεις : Το υψηλότερο ποσοστό επιτυχίας αλλάζει κάθε φορά που αλλάζουµε το χρονικό βήµα αναζήτησης, σε αντίθεση µε το συνδυασµένο βαθµό δυσκολίας που παραµένει σταθερός. Έλεγχος λάθους : Σε περίπτωση που ο χρήστης εισάγει λάθος της ηµεροµηνίες, δηλαδή βάλει την ηµεροµηνία έναρξης της αναζήτησης µετά την ηµεροµηνία λήξης, τότε το συστηµα εµφανίζει σχετικό µήνυµα λάθους και ο χρήστης είναι αναγκασµένος να εισάγει σωστά τα δεδοµένα.
ιαβάθµιση δυσκολίας ανά ενότητα Ανάλυση της αναζήτησης αποτελεσµάτων της µηχανής.γ. : Τα τεστ των ενοτήτων αποτελούνται από 3 ειδών ερωτήσεις : τις ερωτήσεις τύπου multiple (πολλαπλής επιλογής), equivalent (ισοδυναµίας) και blank (κενές). Αυτές, στην συνέχεια υποκεινται σε διαβάθµιση δυσκολίας βαθµού 1, 2 και 3. Το υποσύστηµα.γ. βρίσκει όλα τα τέστ που σχετίζονται µε τη επιλεγµένη ενότητα και βρίσκει την δυσκολία της ενότητας. Αποτελέσµατα : Το υποσύστηµα επιστρέφει τον αριθµό των ερωτήσεων και την δυσκολία τους µέσο όρο κάθε κέντρου εκµάθησης. Βηµα 1 : Επιλέγουµε την επιθυµητη ενότητα, στην οποία επιθυµούµε να κάνουµε την αναζήτηση. Στην περίπτωση µας διαλέξαµε την ΕΝΟΤΗΤΑ 2.3
Βηµα 2 : Πατάµε το κουµπί ΟΚ και εµφανίζονται τα αποτελέσµατα µας.
Προφίλ Εξεταζόµενων που επιτυγχάνουν υψηλά ποσοστά επιτυχίας Ανάλυση της αναζήτησης αποτελεσµάτων της µηχανής.γ. : Το υποσύστηµα.γ. αναζητεί τα τέστ των χρηστών και υπολογίζει τους Μ.Ο. τους. Ο διαχειριστής του υποσυστήµατος.γ. µπορεί να εισάγει µια τιµή που θα ενεργήσει σαν υψηλοπερατό φίλτρο, εµφανίζοντας µονο τους χρήστες που έχουν βαθµό ίσο ή µεγαλύτερο απο την τιµή του διαχειριστή. Αποτελέσµατα : Το υποσύστηµα επιστρέφει τα στοιχεία των χρηστών που έχουν Μ.Ο. µεγαλύτερο απο την τιµή που θέσαµε. Βηµα 1 : Εισάγουµε στο textbox τον Μέσο Όρο που επιθυµούµε, στην περιπτωση µας 95.
Βηµα 2 : Πατάµε το πλήκτρο ΟΚ και παρατηρούµε τα αποτελέσµατα.