Η χρήση δεδομένων και αναλυτικών στοιχείων στην εκπαίδευση γίνεται ολοένα και πιο σημαντική καθώς παρέχει πολύτιμες γνώσεις για τη συμπεριφορά και την απόδοση των μαθητών. Η πλατφόρμα που περιγράφεται σε αυτό το έγγραφο προσφέρει μια νέα προσέγγιση στη συλλογή και ανάλυση δεδομένων των μαθητών συνδυάζοντας την ανάλυση σήματος και τις τεχνικές μηχανικής μάθησης. Αυτή η πλατφόρμα έχει τη δυνατότητα να βελτιώσει τα εκπαιδευτικά αποτελέσματα παρέχοντας μια πιο ολοκληρωμένη κατανόηση των αναγκών και των δυνατοτήτων των μαθητών, καθώς και εντοπίζοντας τομείς προς βελτίωση. Επιπλέον, η χρήση δεδομένων και αναλυτικών στοιχείων στην εκπαίδευση μπορεί να υποστηρίξει τη λήψη τεκμηριωμένων αποφάσεων, οδηγώντας σε πιο αποτελεσματική και αποδοτική κατανομή των πόρων και βελτιώσεις στη μαθησιακή εμπειρία για τους μαθητές. Συνολικά, η σημασία τέτοιων πλατφορμών έγκειται στην ικανότητά τους να χρησιμοποιούν δεδομένα και αναλύσεις για να βελτιώσουν την εκπαιδευτική εμπειρία και να βελτιώσουν τα αποτελέσματα των μαθητών. Σε αυτό το πείραμα συλλέχθηκαν δεδομένα ηλεκτροεγκεφαλογράμματος (ΗΕΓ) από φοιτητές και φοιτήτριες του Τμήματος Πληροφορικής του Ιονίου Πανεπιστημίου με τη χρήση φορητού ηλεκτροεγκεφαλογράφου (Muse 2) καθώς οι φοιτητές ασχολούνταν με εκπαιδευτικές δραστηριότητες χρησιμοποιώντας το σύστημα Moodle. Οι δραστηριότητες ήταν ένα τεστ ανατροφοδότησης σχετικά με το επίπεδο γνώσεών τους, ένα βίντεο για τη μέθοδο των ελαχίστων τετραγώνων, μια εργασία στο Geogebra, όπου δίνονται ορισμένα σημεία σε ένα γραφικό περιβάλλον και πρέπει να σχεδιάσουν μια γραμμή ελαχίστων τετραγώνων, ένα κουίζ για τη μέθοδο και τι αναλύθηκε στο βίντεο και ένα τεστ αυτοαξιολόγησης. Όλες οι δραστηριότητες έγιναν σε περιβάλλον Moodle διαδοχικά η μία μετά την άλλη. Συνολικά, συλλέχθηκαν δεδομένα από 21 μαθητές. Στη συνέχεια, τα δεδομένα που συλλέγονται επεξεργάζονται χρησιμοποιώντας αλγόριθμους ανάλυσης σήματος και μηχανικής μάθησης για την παροχή πληροφοριών σχετικά με τη συμπεριφορά και την απόδοση των μαθητών. Τα αποτελέσματα της ανάλυσης μπορούν να χρησιμοποιηθούν για τη βελτίωση των αποτελεσμάτων των μαθητών και την υποστήριξη της λήψης αποφάσεων στα εκπαιδευτικά ιδρύματα.

The use of data and analytics in education is becoming increasingly important as it provides valuable insights into student behavior and performance. The platform described in this paper offers a new approach to collecting and analyzing student data by combining signal analysis and machine learning techniques. This platform has the potential to improve educational outcomes by providing a more comprehensive understanding of student needs and strengths, as well as identifying areas for improvement. Furthermore, the use of data and analytics in education can support informed decision-making, leading to more effective and efficient allocation of resources and improvements in the learning experience for students. Overall, the importance of such platforms lies in their ability to use data and analytics to enhance the educational experience and improve student outcomes. In this experiment, electroencephalogram (EEG) data were collected from male and female students of the Department of Informatics at the Ionian University using a portable electroencephalograph (Muse 2) as the students engaged in educational activities using the Moodle system. The activities were a feedback test about their knowledge level, a video about the least squares method, a job in Geogebra, where some points are given in a graphical environment and they have to draw a least squares line, a quiz about the method and what was analyzed in the video and a self-assessment test. All activities were done in a Moodle environment consecutively one after the other. In total, data was collected from 21 students. The collected data is then processed using signal analysis and machine learning algorithms to provide insights into student behavior and performance. The results of the analysis can be used to improve student outcomes and support decision-making in educational institutions.