Secure Education and Learning Research at Scale with OpenStax Kinetic
Secure Education and Learning Research at Scale with OpenStax Kinetic
复制标题
利用 OpenStax Kinetic 保障大规模教育和学习研究的安全
DOI：
10.1145/3573051.3596187
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Baraniuk, Richard
中科院分区：
文献类型：
--
作者：
Basu Mallick, Debshila;Bradford, Brittany C.;Baraniuk, Richard
OpenStAX Kinetic是一个创新的研究基础设施，旨在改变数字时代的教育和学习研究。凭借其获得的大样本、真实的学习环境、实验控制、可扩展性、安全性和隐私保护，Kinetic为研究人员提供了一个无与伦比的机会来研究数字学习环境中不同因素之间的复杂互动。这一多功能平台利用Qualtrics，可以支持各种研究设计，包括相关性、纵向和干预性研究。Kinetic通过安全飞地的独特隐私设计实施确保研究人员可以在不损害数据安全和隐私的情况下分析完全识别的数据，并提供更好的分析重复性。Kinetic的发现可以为教育干预和战略提供参考，以提高学生在数字学习环境中的成功。Kinetic通过改进教育和学习科学的教学、实践和政策，有可能显著推动教育和学习研究。在Kinetic的这一演示中，研究人员将能够在线与Kinetic系统的测试实例交互，并查看学习者的体验。所有研究人员都将能够参与创建一项研究、发布一项研究以及与我们实施的用于数据分析的安全飞地进行交互的体验。
OpenStax Kinetic is an innovative research infrastructure that aims to transform education and learning research in the digital age. With its access to large sample sizes, authentic learning environments, experimental control, scalability, security and privacy protection, Kinetic provides an unparalleled opportunity for researchers to study the complex interactions between different factors in digital learning environments. This versatile platform utilizes Qualtrics and can support various research designs, including correlational, longitudinal, and interventional studies. Kinetic's unique privacy-by-design implementation via secure enclaves ensures that researchers can analyze fully-identified data without compromising data security and privacy as well as affords greater analytical reproducibility. The findings from Kinetic can inform educational interventions and strategies to enhance student success in digital learning environments. Kinetic has the potential to significantly advance education and learning research by improving pedagogies, practices, and policies in education and learning sciences. In this demo of Kinetic, researchers will be able to interact with the test instance of the Kinetic system online and view the learner experience. All researchers will be able to engage in the experience of creating a study, releasing a study, and interacting with our implementation of secure enclaves for data analysis.
登录
查看更多内容
DOI：
10.1073/pnas.1921417117
发表时间：
2020-06-30
影响因子：
11.1
作者：
Kizilcec, Rene F.;Reich, Justin;Tingley, Dustin
通讯作者：
Tingley, Dustin
影响因子：
3.7
作者：
Beier, ME;Ackerman, PL
通讯作者：
Ackerman, PL
通过有效的学习技巧改善学生的学习
影响因子：
25.4
作者：
J. Dunlosky;Katherine A. Rawson;Elizabeth J. Marsh;Mitchell J. Nathan;Daniel T. Willingham
通讯作者：
Daniel T. Willingham
MORF：使用隐私受限的 MOOC 数据进行大规模预测建模和复制的框架
DOI：
10.1109/bigdata.2018.8621874
发表时间：
2018
期刊：
2018 IEEE International Conference on Big Data (Big Data)
影响因子：
--
作者：
Josh Gardner;Christopher A. Brooks;J. M. Andres;R. Baker
通讯作者：
R. Baker
将学习科学应用于教育的进展：历史视角
DOI：
10.1016/j.jarmac.2012.10.001
发表时间：
2012
影响因子：
4.2
作者：
R. Mayer
通讯作者：
R. Mayer