OKTATÁSI ADATBÁNYÁSZAT

Slides:



Advertisements
Hasonló előadás
Az agrár- és élelmiszeripar az Internet kapujában Előadó: Varga István avagy: az Internet a kapuk előtt.
Advertisements

EREDMÉNYEK ÉS TERVEK A PÉCSI TUDOMÁNYEGYETEMEN AZ OKTATÁSIGAZGATÁS TERÜLETÉN Lengvárszky Attila oktatási igazgató Pécsi Tudományegyetem.
Hotel Eger Park Konferenciaközpont október
VisiScanner TM Beltéri látogatóelemző szoftver A vállalatról…  2005-ben alapították magyar szakemberek.
Majó Zoltán, egyetemi adjunktus SZTE GTK Távoktatási és Informatikai Bizottság elnöke Működő távoktatási keretrendszer: ETR CooSpace.ETR konferencia 2007.
D ISSZEMINÁCIÓS K ONFERENCIA „KEZEK” TÁMOP C-12/1/KONV Miskolci Egyetem Eszterházy Károly Főiskola Károly Róbert Főiskola VII. alprogram: Közös tananyagfejlesztések.
1 Internet. 2 WWW  World Wide Web  Hivatkozásokkal összekötött hipermédia dokumentumok rendszere  Dokumentumok -> Weboldalak  A weboldalak hipertext.
A november 18-i workshop napirendje
Lábnyomok a világhálón Arató Bence szakmai igazgató Webtárházak Kulcs a látogatók megismeréséhez.
Data Explorer Kft. Tóth Nándor Ügyvezető.
Szűcs Imre CRM elemző GE Consumer Finance Budapest Bank Rt.
Szolgáltatásfejlesztés, adatbázisépítés együttműködéssel Networkshop 2005 Szeged Burmeister Erzsébet Miskolci Egyetem, Könyvtár, Levéltár, Múzeum
Hotel Eger Park Konferenciaközpont október
Mitől sikeres egy intézményi szakkönyvtár? Dr. Palotai Mária - ESKI Országos Egészségpolitikai Szakkönyvtár június 18. „Vállalati könyvtárak tegnap.
Optimális szervezet Kiegyensúlyozott stratégiai mutatószám rendszerrel
Brüsszel milyen messze van
Adatbányászat a kontrollingban
Disszeminációs Konferencia „KEZEK” TÁMOP C-12/1/KONV
EMLA Környezeti Mangement és Jog Egyesület, BME Management Szakkollégium Támogatók: Phare Access 2003 micro alap Környezetvédelmi és Vízügyi Minisztérium.
SAS Enterprise Miner 2. gyakorlat
[ Internet marketing Logfile elemzés Készítették: Fejős András
Klaszterező algoritmusok smart city alkalmazásokhoz Gonda László Témavezető: Dr. Ispány Márton.
Korszerű eszközök a vállalati információ- és tudásmenedzsmentben
Korszerű eszközök a vállalati információ- és tudásmenedzsmentben
Korszerű eszközök a vállalati információ- és tudásmenedzsmentben
Mentortanárképzés eLearning támogatása
Hipermédia tanulási források az interneten
Kommunikáció az egyetemen c. konferencia ápr. 28.
Kommunikáció az egyetemen Készítette: Ébner Mária
Mérnöki objektumok leírása és elemzése virtuális terekben c. tantárgy Budapesti Műszaki Főiskola Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek.
HELYI PARTNERSÉGEK, MINT A VIDÉKI KORMÁNYZÁS INNOVATÍV ESZKÖZEI 1 A Magyar Regionális Tudományi Társaság IX. vándorgyűlése Révkomárom, november 25.
Webbányászat (web mining) Mártonffy A: Kutakodom, tehát vagyok cikke nyomán.
Az SPSS technológiával háromszorosára nőtt az online eladásokból származó bevétel.
A HR vezető, mint a Vezérigazgató legfontosabb partnere
Copyright © 2005 | update software AG | update software Magyarország Kft. Radics Sándor principal IV.
Kaplan – Norton: Balanced Scorecard
Adattár alapú Vezetői Információs Rendszer (AVIR)
Gazdaság- és Társadalomtudományi Kar Regionális Gazdaságtani és Vidékfejlesztési Intézet A LEADER PROGRAM MINT HELYI PARTNERSÉG KÉRDÉSEI MAGYARORSZÁGON.
IV. ETR konferencia fejlesztés – bevezetés - támogatás Rós László Budapest, január
A szelektív gyűjtés helyzete, eredményei Kommunikációs kihívások
Szolgáltatásfejlesztés Az értékesítési és marketing osztály feladata Új szolgáltatások kifejlesztése a hagyományos és a versenypiaci tevékenységhez.
Controlling a gyakorlatban
Tanulási és tanítási stílusok elektronikus környezetben
Csoportosítás (klaszterezés) A csoportosítás feladata a vizsgált objektumok jól elkülönülő csoportba történő besorolása. A klaszterezés sok szempontból.
Munkaerő mobilitás Magyarországon
2010-ben AZ ÉV KÖNYVTÁRA Egyházi Könyvtárak Egyesülése szakmai továbbképzése Veszprém, június 26.
Az EEM helye a menedzsmentben
Eszterházy Károly Főiskola Élelmiszerbiztonsági nyomkövető rendszer 1 Az EGERFOOD élelmiszerbiztonsági tudásközpont projekt információs rendszerének kialakítása.
Adatbányászat és üzleti intelligencia SPSS – MicroStrategy integráció
Körmendi György SPSS Hungary 2007 november 6. Magyar nyelvű szöveganalitika.
Dr. Makra Zsolt projektvezető
A Microsoft Üzleti Intelligencia megoldása és platformja
Algoritmikus gondolkodás és fejlesztésének lehetőségei
Telekommunikációs vállalat 100 százalékkal növelte a válaszarányokat az SPSS Clementine® segítségével.
Adatbányászati módszerek a weblogfájlok elemzésében
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Adattár alapú Vezetői Információs Rendszer fejlesztése a Miskolci Egyetemen Bordás Katalin Miskolci Egyetem Számítóközpont.
A Calderoni projekt az OFI szakmai tevékenységében Calderoni Taneszköz-információs és Oktatástechnológiai Központ Kőrösné Mikis Márta Budapest, április.
Hogyan válasszunk iskolát, tudnivalók iskolaválasztás előtt! 8. évfolyamra járó tanulók szüleinek tartandó értekezletre 8. évfolyamra járó tanulók szüleinek.
Központi és az intézményi vezetői információs rendszerek kapcsolata Csulyák Gábor Informatikai Igazgató Educatio Kht január 21. TÁMOP – Felsőoktatási.
2004. január 27. Hallgatói szolgáltatások szerepe a felsőoktatásban Szabó Imre Diákközpont igazgató.
Adattár alapú Vezetői Információs Rendszer (AVIR) Fejérvári Bence március 26.
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
Bányászati kommunikáció Koritár Henriett Koordinációs munkatárs - NFM Országos Bányászati Konferencia Március Egerszalók.
Bevezetés az SPSS használatába
„ PÁRBESZÉD - A köz- és felsőoktatás kapcsolata a pedagógusképzésben” című konferencia AZ ELŐADÁS CÍME Név Eger, ESZTERHÁZY KÁROLY FŐISKOLA.
Integrált ügyfél-kommunikáció a weben
Önkormányzati Fejlesztések Figyelemmel kísérése II.
Üzleti intelligencia megoldások, avagy vezetői döntéstámogatás (XXI.)
Networkshop 2019 Győr, április 26.
Előadás másolata:

OKTATÁSI ADATBÁNYÁSZAT Bóta László Ph.D. hallgató (BME GTK) Eszterházy Károly Főiskola, Eger botal@ektf.hu

A stratégiai tervezési folyamat modellje az oktatásban adatbányászat a marketingkutatásnál 1. Környezet elemzés 4. Intézményi stratégia kialakítása 5. Rendszer tervezés 6. Szervezet tervezés 3. Célok rögzítése 2. Erőforrás elemzés Forrás: Kotler-Fox (1995).Strategic Marketing for Educational Institutions. PRENTICE-HALL, Englewood Cliffs, New Jersey. 96. oldal

Üzleti intelligencia (Business Intelligence - BI) egy szervezet adatgyűjtő-, tároló-, elemző eljárásainak és alkalmazásainak együttese ide tartoznak: az információs rendszerek, döntéstámogató rendszerek, vezetői információs rendszerek, adatbányászat, adatmegjelenítés, geográfiai információs rendszerek stb.

intelligens műveletsor cél: adatminták kiemelése tudásfeltárás Adatbányászat 1990 után intelligens műveletsor cél: adatminták kiemelése tudásfeltárás alapja: jelentős adatmennyiség Forrás: Han-Kamber (2004). Adatbányászat. Koncepciók és technikák. Panem, Bp. 29. oldal 1.5 ábra

A feldolgozás iteratív folyamata előfeldolgozás, módszerei: adattisztítás tömörítés transzformálás elemzés, módszerei: statisztikai mutatók tanuló algoritmusok (döntési fa, klaszteranalízis stb. ) az adatok prezentálása táblázat, diagram Forrás: CRISP-DM Consortium (letöltve 2011. június 23.) URL: ftp://ftp.software.ibm.com/software/analytics/spss/support/Modeler/Documentation/14/UserManual/CRISP-DM.pdf

Az adatbányászat a gazdaságban fogyasztók célzott marketing szempontú osztályozása és klaszterezése reklámhadjáratok hatékonyságvizsgálata vevőmegtartás: lojalitás-vizsgálat hiteltörlesztési hajlandóság előrejelzése és hitelbírálati irányelvek elemzése pénzügyi bűncselekmények felderítése

IBM SPSS Modeler - felhasználói felület

Az adatbányászati feladatok két osztálya leíró: az adatok általános jellemzőinek feltárása előrejelző: meglévő adatokból következtet, prognosztizál

Adatbányászattal megoldható feladatok az Eszterházy Károly Főiskolán kutatási példa

Webbányászat webtartalom-bányászat (web content mining), piackutatás árképzési elvek kialakítása az elosztási csatornák kiválasztása kommunikációs stratégia kidolgozása webstruktúra-bányászat (web structure mining) webhasználat-bányászat (web usage mining) a fogyasztók szokásainak, magatartásmintáinak tanulmányozása

Webhasználat-bányászat webnapló bányászat webnapló-bejegyzés mezői: a kérés kiindulási helyének IP címe a kérés pontos ideje a kért URL cím még néhány adat 89.133.22.59 - - [11/Mar/2007:07:07:53 +0100] "GET /index.php HTTP/1.1" 200 70 89.133.22.59 - - [11/Mar/2007:07:07:53 +0100] "GET /stilus.css HTTP/1.1" 200 4160 89.133.22.59 - - [11/Mar/2007:07:07:53 +0100] "GET /index_ektf.php HTTP/1.1" 200 26021 89.133.22.59 - - [11/Mar/2007:07:07:53 +0100] "GET /images/logo_tel.gif HTTP/1.1" 200 12959 89.133.22.59 - - [11/Mar/2007:07:07:53 +0100] "GET /images/neptun.gif HTTP/1.1" 200 1335 89.133.22.59 - - [11/Mar/2007:07:07:53 +0100] "GET /hir/zongora.jpg HTTP/1.1" 200 10581 89.133.22.59 - - [11/Mar/2007:07:07:53 +0100] "GET /kultura/szinhaz.jpg HTTP/1.1" 200 7042 89.133.22.59 - - [11/Mar/2007:07:07:53 +0100] "GET /hir/otdk.gif HTTP/1.1" 200 4779

Az online kommunikáció és a webbányászat a felhasználó elvárása: egyszerű weboldal a perszonalizáció lehető legmagasabb fokán vizsgálatok a teljes populáción a fogyasztók individualizált, online kiszolgálásának tökéletesítése

Az online kommunikáció hatásmodellje Forrás: Eszes-Bányai (2002). Online m@rketing. Műszaki, Budapest. 55. oldal

A vizsgált honlap Az egri Eszterházy Károly Főiskola (EKF) előző honlapja URL címe: http://www.ektf.hu A honlap arculatváltásainak dátumai: 1996, 1998, 2002, 2007

Az EKF előző honlapja

Látogatási statisztika 2007. január 7. - március 18. látogatók száma (user): 67 837 fő belső látogatók száma: 88 fő látogatások száma (visit): 183 283 db leggyakrabban választott menüpontok: 1. Felvételizőknek (919. 744 választás) 2. Szervezeti egységek (103 .882 választás) 3. Oktatás (28. 854 választás).

A klaszterező modell eredménye - 1. kl. (12,8%): webkamerát kedvelő látogatók, - 2. kl. (25,1%): általános információt keresők, - 3. kl. (23,8%): a főiskola egységeit látogatók, - 4. kl. (15,9%): tanulmányi osztályt vagy adminisztrációs információkat keresők, - 5. kl. (11,9%): NEPTUN-t keresők, - 6. kl. (10,5%): felvételi előtt álló látogatók.

A kritikus klaszterekhez tartozó menüpontok a főiskola egységeit látogatók (23,8 %) 3. klaszter 4. klaszter 6. klaszter 5. klaszter

A kritikus klaszterekhez tartozó menüpontok tanulmányi osztályt, információt keresők (15,9%) 3. klaszter 4. klaszter 6. klaszter 5. klaszter

A kritikus klaszterekhez tartozó menüpontok NEPTUN-t keresők (11,9%)

A kritikus klaszterekhez tartozó menüpontok felvételi előtt álló látogatók (10,5%):

Köszönet a megtisztelő figyelmükért! Bóta László Ph.D. hallgató (BME GTK) Eszterházy Károly Főiskola, Eger botal@ektf.hu