Master of Science in Learning Analytics (MSLA)

Überblick

Der Master of Science in Learning Analytics (MSLA) richtet sich an Personen, die eine Karriere in Bereichen anstreben, die von der Digitalisierung von Lern-, Sensemaking- und Wissensprozessen in komplexen sozio-technischen Umgebungen geprägt sind. Dieses Programm ist ideal für alle, die lernen möchten, wie man Daten nutzt, um Einblicke in die Wissensproduktion von Menschen und Systemen zu gewinnen.

Über das Programm

Die MSLA bereitet Studenten mit unterschiedlichem Hintergrund darauf vor, die wachsende Nachfrage nach Learning Analytics-Experten in einer Vielzahl von Branchen zu decken, darunter Bildung, gemeinnützige Organisationen, Behörden und Unternehmen. Die Absolventen erwerben entscheidende Fähigkeiten für die Arbeit in einer immer komplexer werdenden globalen Wissensökonomie und sind gut positioniert, um Führungspositionen in ihren Organisationen zu übernehmen und sie auf die Zukunft des Lernens vorzubereiten.

Das zweijährige Online-Programm besteht aus sechs Kernfächern, vier Wahlfächern mit einer Vielzahl von Themen und einem kollaborativen Schlusssteinprojekt (36 Kreditstunden).

Studienplan

Für den Master of Science in Learning Analytics sind 36 (36) Semesterwochenstunden erforderlich. Erforderliche Kurse sind die folgenden:

• Kernkurse (18 Stunden): LAPS 5310, 5320, 5330, 5340, 5350, 5360
• Vier Wahlfächer (12 Stunden) aus: LAPS 5370, 5375, 5376, 5377, 5378, 5380, 5388, 5390, 5391, 5392, 5393, 5394, 5395
• Schlussstein (6 Stunden): LAPS 5610

Wenn ein Studieninteressierter nicht über ausreichende statistische Erfahrung in früheren Studienleistungen verfügt, kann von ihm verlangt werden, dass er am Ende seiner Kernstudienarbeit LAPS 5370 – Einführung in die statistische Analyse als Einstufungskurs belegt. Dieser Kurs würde als einer von vier Wahlpflichtfächern zählen.

Nach Abschluss von 30 Stunden Kursarbeit (18 Stunden Kern, 12 Stunden Wahlfach) und Erhalt der Genehmigung durch den Programmkoordinator können sich die Studenten für den LAPS 5610 Capstone-Kurs einschreiben. Die Studenten werden in verschiedenen Gruppen von 5 bis 6 Studenten zusammen mit einem Mentor der Fakultät arbeiten, und die kleinen Gruppen werden so gestaltet, dass sie Studenten mit unterschiedlichen Fähigkeiten kombinieren und den Schwerpunkt auf Gemeinschaft und Zusammenarbeit legen. Die Studierenden wenden die in früheren Kursen erworbenen Programmkenntnisse und -fähigkeiten an, um ein kleines, integratives Projekt abzuschließen, das die Analyse eines realen Bildungsdatensatzes beinhaltet. Studierende haben die Möglichkeit, sich für wettbewerbsfähige Praktika zu bewerben, die kleine Stipendien vergeben. Sobald sich der Student für diesen Kurs einschreibt, muss er sich kontinuierlich einschreiben, bis er seinen Schlussstein erfolgreich abgeschlossen hat, jedoch nicht mehr als 4 Mal.

**Hinweis: Derzeit können Studierende des Learning Analytics-Programms keinen Master in Passing erwerben, um eine Promotion abzuschließen.

Hier ein Beispielstudiengang:

Jahr 1 (Herbst)

• LAPS 5310 Learning Analytics-Grundlagen
• LAPS 5360 Einführung in die Datenanalyse und R

Jahr 1 (Frühling)

• LAPS 5320 Experimentelles Design und Methodik
• LAPS 5330 Lernpsychologie und Lernwissenschaften

Jahr 1 (Sommer)

• LAPS 5340 Big-Data-Methoden
• LAPS 5350 Datenschutz und Ethik in der Lernanalyse

Jahr 2 (Herbst)

• Zwei (2) Wahlfächer

Jahr 2 (Frühling)

• Zwei (2) Wahlfächer

Jahr 2 (Sommer)

• LAPS 5610 Schlussstein

Zu den aktuellen Wahlfächern gehören:

• LAPS 5370 Einführung in die statistische Analyse (Nivellierungskurs)
• LAPS 5375 Wahrscheinlichkeit und statistische Inferenz
• LAPS 5376 Angewandte Regressionsanalyse
• LAPS 5377 Lineare Modelle und experimentelles Design
• LAPS 5378 Multidimensionale Skalierung und Clustering
• LAPS 5380 Kausalschluss für die Programmbewertung
• LAPS 5388 Advanced Methods in Educational Data Management and Learning Analytics
• LAPS 5390 Learning Design Analytics
• LAPS 5391 Unabhängige Studie
• LAPS 5392 Kognition, Computer und Metakognition
• LAPS 5393 Natural Language Processing für die Bildungsforschung
• LAPS 5394 Analyse sozialer Netzwerke
• LAPS 5395 Menschliche und künstliche Kognition

Berufschancen

• Datenwissenschaftler
• Bildungsadministrator
• Lerndesigner
• Research/Datenanalyst
• Auswertung

Warum Uns Wählen?

• Online-Programm mit kohortenbasierter Zulassung zur Unterstützung von Berufstätigen auf der ganzen Welt.
• Kurse von führenden Learning Analytics-Experten.
• Zusammenarbeit mit Dozenten, Studenten und externen Partnern, um reale, komplexe, sozio-technische Herausforderungen anzugehen.
• Kompetenzentwicklung für aktuelle und innovative Methoden und Werkzeuge.

Zulassungsvoraussetzungen

Die Fakultät und das Personal werden alle Bewerber für die Zulassung zum Programm bewerten und Bewerbern, die die folgenden Kriterien erfüllen, wird der Vorrang eingeräumt:

1. Gesamtnote des Bachelor-GPA von 3,2

2. Ein Bewerber, dessen Muttersprache nicht Englisch ist, muss ausreichende Kenntnisse der englischen Sprache nachweisen, um ein erfolgreiches Studium zu gewährleisten. Diese Anforderung entfällt für Nicht-Muttersprachler der englischen Sprache, die einen Bachelor-Abschluss einer akkreditierten US-amerikanischen Institution besitzen. Von den Bewerbern wird erwartet, dass sie eine Punktzahl von mindestens 550 im papierbasierten TOEFL, eine Punktzahl von mindestens 213 im computerbasierten TOEFL, eine Mindestpunktzahl von 40 im TSE, eine Mindestpunktzahl von 6,5 im IELTS einreichen, oder eine minimale TOEFL IBT-Gesamtpunktzahl von 79. Darüber hinaus werden bei der Teilnahme am TOEFL IBT Teilnoten von mindestens 22 im Bereich Schreiben, 21 im Sprechbereich, 20 im Lesebereich und 16 im Hörbereich bevorzugt. Die Zulassung zu jedem Graduiertenprogramm ist jedoch begrenzt und wettbewerbsfähig. Die Erfüllung der Mindestzulassungsvoraussetzungen garantiert keine Zulassung und Programme können Studenten mit höheren Punktzahlen den Vorzug geben. Nur Ergebnisse, die direkt von ETS oder IELTS an UT Arlington übermittelt werden, sind akzeptabel.

Derzeit ist die GRE für die Zulassung zu diesem Programm nicht erforderlich.

Studierende, die diese Kriterien nicht erfüllen, können dennoch berücksichtigt werden, wenn sie alle allgemeinen Zulassungsvoraussetzungen der Graduate School erfüllen. Die Zulassung ist kompetitiv und die Erfüllung der Zulassungsvoraussetzungen sichert keine Aufnahme in das Programm.

Studieninteressierte internationale Studierende, die außerhalb der USA wohnen und keine Pläne haben, den Status eines F-1- oder J-1-Studenten zu erlangen, sind für die Zulassung zum Programm berechtigt. Studieninteressierte mit:

• Der F-1- oder J-1-Visumstatus und der Wohnsitz in den USA sind nicht für die Programmzulassung berechtigt.
• Der F-2-Visumstatus berechtigt zur Programmzulassung, kann jedoch nicht mehr als drei (3) Semesterwochenstunden in Anspruch nehmen.
• Angesichts des Kohortenmodells des Programms (sechs (6) Stunden pro Semester mit einem spezifischen Zeitplan für das Kursangebot) würde dies einen schnellen Fortschritt und einen schnellen Abschluss bedeuten.
  • Angesichts des Kohortenmodells des Programms (sechs (6) Stunden pro Semester mit einem spezifischen Zeitplan für das Kursangebot) würde dies einen schnellen Fortschritt und einen schnellen Abschluss bedeuten.
• Der J-2-Visumstatus berechtigt zur Programmzulassung.
• B-1- oder B-2-Visumstatus sind nicht für die Zulassung zu diesem Programm berechtigt.

Studieninteressierte können sich jederzeit bewerben, Bewerbungsschluss für das Herbstsemester 2021 ist jedoch der 30. Juli 2021. Eine Zulassung nach diesem Datum ist zwar möglich, kann jedoch nicht garantiert werden. Bitte beachten Sie, dass diese Frist von der allgemeinen Bewerbungsfrist der Hochschule abweicht. Für die fristgerechte Bearbeitung und Prüfung der Bewerbung sind die Studierenden selbst verantwortlich.