Analytics for Learn
Analytics for Learn 是一项可选服务，允许您为课程运行不同的报告，以跟踪学生的表现。Analytics for Learn 从 Blackboard Learn 中提取数据，对其进行转换，并将其引入分析框架，在该框架中将其与机构的学生信息系统中的数据相结合。
重要
要访问这些报告，您的机构必须已获得许可、安装和激活 Analytics for Learn。
Analytics for Learn 报告
Analytics for Learn 提供以下报表：
课程概览：与您所在部门的类似课程相比，课程中的互动、提交和时间。
作业和成绩散点图：课程作业和课程成绩的散点图。
活动矩阵：此报告将每个学生的提交数量与该课程中所有学生的平均值进行比较。该报告包括整个学期的提交趋势、提交数量、课程中的平均提交数量、学生上次提交后的天数以及上次提交类型的图表。
课程提交摘要：每个学生的提交信息，包括作业、测试、调查和评分讨论、博客、日记和 Wiki。
访问 Analytics for Learn 报告
在导航栏上选择分析。在课程分析页面上，选择报告。报告页面显示您可以运行的报告列表以及报告说明和上次运行的时间。选择运行报告以生成分析报告。Analytics for Learn 报表在单独的选项卡中打开。
如果您有 Predict and Analytics for Learn，您将在课程分析页面上看到报告和学生风险报告选项。选择报表以查看 Analytics for Learn 选项。
您可以从报告系统导出学生列表，并将该列表导入 Microsoft® Excel® 等应用程序以进行进一步分析。
问题分析选项卡
问题分析可提供关于综合表现、评估质量以及各个问题的统计数据。该数据能帮助您找出学生成绩对比结果较差的问题。问题分析适用于有问题的评估。如果要检查问题的质量并做出更改，您可以在进行所有提交之前运行报告。
使用日志和用户访问数据判定学术诚信
Anthology 建议不要使用访问和活动日志作为判定学生学术诚信的唯一方法。通过分析个人或较小的数据样本来做出高利害关系的决策（如确定作弊）在技术上是可行的，但是这些类型的分析通常受常见数据偏差（特别是确认偏误和等同于因果性的相关性）的影响。以下是数据分析偏差可能导致不当结论的两个示例：
某个学生在测试开始时更改 IP 可能表示其通过让其他人代为参加测试来进行作弊；这也可能表示该学生需要重新启动路由器，或者在从公共网络进行访问时，表示其正在使用 VPN 以更好地保护计算机。
多个学生同时开始测试可能表示他们通过协同参加测试的形式来作弊；这也可能表示这些学生只是具有相似的工作和个人安排，导致他们在非常接近的时间完成课程作业。
出于这些原因，建议不要将测试中的访问日志等功能或其他访问和活动日志时间点分析作为判定学术诚信的唯一方法，尽管这些功能或分析可能有助于在对不当行为的调查中获得其他结果。访问和活动日志主要用于汇总分析以及排查系统和用户问题。某些报告通过系统日志文件构建，而不是通过事务数据库表构建；但是在很少的情况下，这些报告类型可能更容易偶尔出现数据丢失或重复的问题，致使使用很小的样本（例如某个时间点的个人数据）时可能会出现数据不准确的情况。
如果您对作弊或学术诚信有顾虑，我们建议您先咨询负责处理此类不当行为事件的机构。这可能是负责处理学术事务或学术技术等方面的办公室。他们通常具有相关政策和批准的程序来调查相关活动是否是在线发生的。单独使用单个日志或小型活动数据集来识别不当行为容易受到多种数据偏差类型的影响，因此 Anthology 不建议单独使用此类数据来得出不当行为的结论。