Open edX IronWood.1rc1 LMS演示

Open edX Hawthorn.2 LMS演示 CMS演示
测试账号 honor@example.com 密码edx

Open edX官方文档及讨论区
edX Docs / atlassian / openedx-announce / openedx-ops / openedx-analytics / edx-code / slack / Meetup
申请Open edX Ficus.3教育版
教育版是我们本地化定制的Open edX版本,达到了高度可用性,仅面向非盈利机构(学校、公益组织)开放。
本地镜像下载 Eucalyptus OVA
申请Open edX Ficus公有云镜像
目前我们提供阿里云(华北1)的Ficus镜像。
开源教育技术QQ群347307364

仅供院校教师内部交流,请在此申请加入

Open edX中国用户组QQ群106781163

自由加入,交流Open edX部署、开发、运维。

开源教育技术讨论区

讨论区现已开放注册,我们将在讨论区分享更多开源教育技术经验。

Penn Center for Learning Analytics

http://www.upenn.edu/learninganalytics/

任务
宾夕法尼亚大学学习分析中心使用大规模和小规模研究方法,从分析和数据挖掘到人种学和野外观察方法,以及学习和参与。我们对最先进的在线学习环境和传统课堂教学进行研究,研究哪些方法和方法可以最好地提高学生的长期成果。

改变学习环境
传统教室和在线课程之间的二分法越来越模糊,越来越多的学生在混合学习环境中工作。这些学生可能正在使用智能辅导系统(ITS),模拟,游戏或微观世界。即使在大规模在线开放课程(MOOC)等完全在线体验中,学生之间的互动也与他们与课程材料的互动一样重要。在PCLA,我们的目标是通过研究新的学习环境如何为全方位的学生提供服务来增强所有学习者的教育体验。我们研究环境和使用它们的学习者,与学术界和工业界的团体合作。在PCLA,我们不会创造新的学习环境;我们研究如何让它们变得更好。

创新
PCLA的研究人员开发了许多工具和模型,以便更好地理解大规模学习,通常是在在线学习系统的背景下。其中包括用于分析系统日志文件的新技术和用于现场观察的新协议。

我们开创了新的方法,用于在线模拟学生参与,推断复杂的学习和探究技能,学习逐步发生的学习,以及将学习者现在的经历与他们的职业和生活结果联系起来。 。我们还开创了将技术与人类判断相结合的新方法,以充分利用每种方法的优势。例如,BROMP方法是为了研究学生与教育软件的互动而开发的,它允许我们在没有侵入式传感器或视频设备的情况下研究学生的情感和行为体验。同样,我们使用文本回放(一种从教育软件中分析日志文件的方法)有助于提高我们对学生在游戏系统时所做工作的理解,而不是参与教育材料。

使(在线)学习系统更加人性化
与具有较大学生/教师比例的传统教室相比,在线学习系统可提供优势。通过自动检测错误和误解,这些系统可以提供及时的支持,以防止学生完成任务或不得不忘记了解不足的材料。无论学生是在一个充满同龄人的教室中,还是通过基于网络的应用程序独立工作,他们都应该享有教育经验,并将其视为个人。

我们的目标是通过让教师专注于他们最擅长教学的方式,使用这些方法为学生提供更好的教育体验。在拥有大量学生的班级中,自动化脚手架允许学生按照自己的进度工作。它还允许教师在更加个性化的层面上关注学生 – 帮助那些有更深层次误解而不是轻微表面错误的学生,或者与遇到与学习材料无关的问题的学生建立有意义的联系。

我们相信软件可以做的不仅仅是提供提示和自动更正,我们正在努力向人们展示如何。通过将学生的情绪和行为的课堂观察与学生日志文件相匹配,我们可以训练软件识别学生何时感到厌倦或困惑或沮丧。反过来,这可以用来使学生的学习体验更具吸引力和积极性 – 要么通过改变难度,要么提醒教育者注意可能会错过的挣扎。

Open edX中的AI应用

  • Harvard University and Microsoft.
  • ALOSI (Adaptive Learning Open Source Initiative) is based on creating an open source adaptive engine powering individualized learning and assessment pathways.
  • Collaborative-based Personalization 
  • Zachary A. Pardos, Assistant Professor UC Berkeley
  • Data-Driven Syllabus Adaptation
  • Data & AI as a translation between expert/novice learner models
  • RNNs langue models adapted to course navigation sequences. Intended to pick up on patterns among successful learners.
  • Course Recommendation Systems with Open edX Data
  • Chinmay Nivargi, Stanford University 
  • Content-based Recommenders
  • How similar is Course A to Course B?
    Represent each course’s bag-of-words as a vector
    TF-IDF (Term Frequency – Inverse Document Frequency) was used as the weighting for every word
  • Courses previously completed by user, Courses rated by user (if available), Any other course – user relationship data (e.g. topics, region, etc.)

AI Grading

https://edx-ora-2.readthedocs.io/en/latest/architecture/ai_grading.html

Training a classifier using a supervised machine learning algorithm.
Grading student essays using a trained classifier.
Both training and grading require more time than is acceptable within the request-response cycle of a web application. Therefore, both training and grading must occur asynchronously.

The architecture should not constrain the ML algorithm (or algorithms) used by a particular implementation. It should be possible to replace the ML algorithm with any supervised learning algorithm that produces a text classifier.

We also avoid constraining the particular task queue implementation. In principle, any task queue that provides basic reliability guarantees and a retry mechanism will work (see Entities).

Open edX2019摘要:透明的AI

在UCSD的年会上Walter Blender做了题为“Beyond the black box:How transparent AI can transform learning”的演讲,以叙事的方式讲述了他对AI如何被应用到教育的想法。

Walter早年在MIT媒体实验室,和Marvin Minsky 及Seymour Papert 一起工作,之后发起了OLPC项目,并创造了Sugar学习平台。对于教育和技术有着深刻的理解。

他讲了三个观点:

  • The role of transparency in learning
  • The role of AI in learning
  • The role of transparency in AI

一般认为AI在教育中的应用就好像是一个盒子里的老师,当你需要的时候,盒子里的老师会回答你的问题。然而人并不等于AI。AlphaGo有着最高的棋艺,但人却无法从中学习下棋,因为人看不到每一步决策背后的思考,AlphaGo无法论述自己的思维过程。作为人的学习是能表达、能社交、能作为教师和学生。因此AI不只是能给出答案,还需要和人进行交流,提示相关的概念,学习路径。

Walter现在所在的Sorcero公司对此提出了解决方案:

  • 首先提出一个问题
  • 提供课件和其他知识源中的即时答案
  • 会话界面鼓励用户通过简单的反馈,评论和共享功能来回答答案
  • 可以实时监控问题流程,验证响应,响应查询,并通过简单的编辑功能改善答案
  • 动态地策划了一个即时知识库,随着它的使用越来越智能

最后,Sorcero和Appsemble合作把这个问答功能放到了Open edX中。

使用Zabbix,Grafana,Icinga,SmokePing来进行网络管理监控

这几个软件是网络监控中常用的开源软件。haishanzheng老师发布了一个项目https://github.com/haishanzheng/CampusMonitor,可以简化部署。这里仅介绍这几个软件。

Zabbix

https://www.zabbix.com/  Zabbix是最终的企业级软件,专为实时监控从数万台服务器,虚拟机和网络设备收集的数百万个指标而设计。

Grafana

https://grafana.com/ Grafana允许您查询,可视化,提醒和理解您的指标,无论它们存储在何处。 与您的团队一起创建,探索和共享仪表板,并培养数据驱动的文化。

Icinga

https://icinga.com/  Icinga可监控可用性和性能,使您可以轻松访问相关数据并发出警报以使您保持循环。

SmokePing

https://oss.oetiker.ch/smokeping/ 

SmokePing会跟踪您的网络延迟:
最佳的延迟可视化。
交互式图形浏览器。
广泛的延迟测量插件。
用于分布式测量的主/从系统。
高度可配置的警报系统。
实时延迟图表包含最“有趣”的图表。
由Perl编写的免费和OpenSource软件,由MRTG和RRDtool的创建者Tobi Oetiker编写