Reseña

Análisis inteligente de datos para e-Learning: mejora de la seguridad y la confiabilidad en los sistemas de aprendizaje en línea aborda la seguridad de la información dentro del e-Learning basándose en la evaluación y predicción de la confiabilidad. Durante la última década, han aparecido muchos sistemas de gestión del aprendizaje en el mercado educativo. La seguridad en estos sistemas es esencial para proteger contra conductas injustas y deshonestas, sobre todo trampas; sin embargo, los servicios de e-Learning a menudo se diseñan e implementan sin considerar los requisitos de seguridad.

Este libro proporciona enfoques funcionales de análisis, modelado, evaluación y predicción de confiabilidad para una mayor seguridad y soporte en el aprendizaje en línea, destacando las deficiencias de seguridad encontradas en la mayoría de los sistemas de aprendizaje colaborativo en línea. El libro explora metodologías de confiabilidad basadas en inteligencia colectiva que pueden superar estas deficiencias. Examina el análisis de confiabilidad que utiliza las grandes cantidades de datos que generan las actividades de aprendizaje. Además, como procesar estos datos es costoso, el libro ofrece un paradigma de procesamiento paralelo que puede respaldar actividades de aprendizaje en tiempo real.

El libro analiza métodos de visualización de datos para gestionar el e-Learning y proporciona las herramientas necesarias para analizar los datos recopilados. Utilizando un enfoque basado en casos, el libro concluye con modelos y metodologías para evaluar y validar la seguridad en sistemas de e-Learning.

Proporciona pautas para la detección de anomalías, análisis de seguridad y confiabilidad del procesamiento de datos.

Incorpora investigaciones multidisciplinarias de última generación sobre aprendizaje colaborativo en línea, redes sociales, seguridad de la información, sistemas de gestión del aprendizaje y predicción de confiabilidad.

Propone un enfoque de procesamiento paralelo que reduce el costo del costoso procesamiento de datos.

Ofrece estrategias para protegerse contra evaluaciones injustas y deshonestas.

Demuestra soluciones utilizando un contexto de aprendizaje electrónico de la vida real.