分析
每个学生都可以获得成功。
在课程中监视学生表现时，您可以确保所有学生都有机会取得成功。
在传统课堂上，您可以通过非语言线索、面部表情、参与和举手来确定学生是否掌握了资料。在您的在线课程中，您可以使用一系列 Blackboard 工具来评估学生的表现。
尽早开始。使用这些工具可建立学生表现的基线。此基线非常重要，用于与学生在整个课程中的表现进行比较。您将了解各种模式，知道什么时候应帮助有学习困难的学生获得成功并避免表现优异的学生变得怠倦。
通过学生表现还可深入了解课程的整体设计和课程效果。
观看关于分析的视频
以下解说视频以视觉和听觉的方式介绍了本页中包含的部分信息。有关视频内容的详细描述，请在 Vimeo 上打开视频。
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。