Apa peran utama pemanfaatan Educational Data Mining (EDM) dalam mengevaluasi Computational Thinking (CT) siswa?, Memprediksi jadwal ujian yang paling tepat untuk siswa., Mengekstraksi pola dari data log (jejak digital) interaksi siswa untuk memahami proses dan strategi berpikir mereka., Menggantikan peran guru sepenuhnya dalam memberikan nilai akhir., Membuat simulasi visual 3D dari kode yang ditulis siswa., Analisis data log menunjukkan seorang siswa menyelesaikan proyek pemrograman besar dengan cara membuat fungsi-fungsi kecil terlebih dahulu, lalu mengujinya satu per satu sebelum digabungkan. Aspek CT manakah yang paling tergambar dari perilaku data ini?, Pengenalan Pola (Pattern Recognition), Abstraksi (Abstraction), Dekomposisi (Decomposition), Desain Antarmuka (Interface Design), Sebuah penelitian menggunakan teknik Sequential Pattern Mining untuk menganalisis urutan tindakan siswa di platform coding. Apa manfaat utama teknik ini bagi pengembangan CT?, Menemukan alur/strategi penyelesaian masalah yang paling sering berujung pada keberhasilan atau kegagalan., Menghitung total durasi siswa menatap layar monitor., Mengelompokkan siswa berdasarkan nilai ujian semester., Memprediksi jam berapa siswa akan login untuk mengerjakan tugas., Jika seorang guru menggunakan algoritma Clustering pada data aktivitas pemecahan masalah siswa, hasil apa yang paling diharapkan untuk memahami CT mereka?, Menemukan satu solusi tunggal yang paling benar., Mengidentifikasi profil atau tipe pemecah masalah (misalnya: kelompok yang merencanakan dulu vs kelompok yang langsung trial-and-error)., Mengurutkan siswa dari yang paling pintar hingga yang paling kurang., Mengubah instruksi berbasis teks menjadi grafik secara otomatis., Model prediktif menggunakan Classification (seperti Decision Tree) dibangun dari data historis kelas pemrograman. Bagi seorang pendidik, model ini paling berguna untuk..., Menentukan struktur file dalam komputer siswa., Memprediksi sejak dini siswa mana yang berisiko gagal memahami konsep CT tertentu (seperti looping) agar bisa diberi intervensi., Menghapus data log kesalahan siswa agar tidak mempengaruhi database., Memisahkan siswa laki-laki dan perempuan berdasarkan gaya belajar., Guru meminta siswa menjelaskan cara kerja kode program mereka di forum diskusi kelas. Guru kemudian menggunakan Text Mining (NLP) untuk menganalisis jawaban tersebut. Aspek CT apa yang sedang dievaluasi dari narasi siswa tersebut?, Dekomposisi (membagi masalah)., Berpikir Algoritmik (menulis langkah matematis yang kaku)., Abstraksi (kemampuan menyembunyikan detail teknis dan menjelaskan konsep intinya saja)., D. Pengumpulan Data (Data Collection)., Data timestamp menunjukkan seorang siswa menghabiskan waktu sangat lama dengan melakukan puluhan perubahan kecil secara acak setelah programnya mengalami error, tanpa membaca pesan error tersebut. Dalam konteks evaluasi CT, Data Mining membaca perilaku ini sebagai..., Strategi debugging tingkat lanjut yang sistematis., Trial-and-error tanpa arah yang menunjukkan kurangnya pemahaman algoritmik., Keberhasilan dalam melakukan pengenalan pola (pattern recognition)., Tanda bahwa siswa memiliki kemampuan CT yang sangat tinggi., Pemanfaatan Data Mining memungkinkan *Automated Assessment (penilaian otomatis) pada tugas CT yang bersifat open-ended (banyak kemungkinan solusi). Bagaimana sistem biasanya melakukan ini?, Hanya dengan melihat apakah output program menghasilkan teks "Benar" atau "Salah"., Dengan membandingkan struktur logika kode siswa dengan pola dari ribuan solusi sebelumnya untuk menilai efisiensi dan kebenaran algoritmanya., Dengan menghitung jumlah baris kode, di mana kode yang paling panjang pasti mendapat nilai tertinggi., Dengan memberikan nilai acak jika kode berhasil dijalankan tanpa batas waktu., Jika sistem Data Mining menemukan aturan (rule): "Jika siswa kesulitan menyusun variabel, maka mereka kemungkinan besar akan gagal dalam materi array", teknik apakah yang digunakan untuk menemukan pola ini?*, K-Means Clustering, Association Rule Learning, Outlier Detection, Regression, Apa tantangan validitas terbesar saat menggunakan Data Mining (misalnya menghitung frekuensi compile atau jumlah baris kode) untuk mengevaluasi CT siswa?, Siswa biasanya tidak menggunakan keyboard saat belajar CT., Sulitnya mencari software data mining di internet., Aktivitas kuantitatif tingkat rendah (seperti jumlah klik atau compile) tidak selalu mencerminkan niat atau kualitas pemahaman kognitif siswa secara akurat., Data mining selalu membutuhkan superkomputer yang tidak dimiliki sekolah.

Data Mining dalam Computational Thinking

Estil visual

Mostrar-ho tot

Configuració de l'activitat

Tauler de classificació

Canvia de fonament

Restaurar desada automàtica: ?