Podklady pro hodnocení kateder na základě článků v impaktovaných časopisech ohodnocených podle pozice časopisu v oborovém žebříčku dle JCR a konferenčních příspěvků ohodnocených dle interních pravidel. Jde o výsledky vykázané za FI nebo s deklarovaným podílem FI (konkrétní výše podílu není nijak zohledněna).
Hodnoty výsledků dělím rovným dílem mezi domácí autory s vazbou k jedné z kateder. Základem pro rozřazení autorů ke katedrám je seznam zaměstnanců kateder. Doktorandi jsou řazeni na katedru svého školitele, ze zbylých domácích autorů jsou ti, kteří mají spoluautory pouze z jedné katedry, zařazeni na tuto katedru, z ostatních jsou ti s významnějším přínosem zařazeni ručně (např. magisterští studenti dle vedoucího DP), podíl těch s marginálním přínosem je rozdělen mezi jejich spoluautory.
doc. Mgr. Radek Pelánek, Ph.D. (IS), katedra: KSUZD, zdroj vazby: seznam
Články v impaktovaných časopisech dle IS MU 2017–2021 (celkem 4.543)Hodnota se počítá jako (Nmax - N + 1) / N, kde Nmax je počet časopisů v kategorii a N pořadí časopisu dle IF. Při zařazení časopisu do více kategorií nebo shodě IF se bere průměr. Najetím myší na hodnotu se zobrazí pořadí v oborových žebříčcích daného ročníku JCR (pro 2021 JCR2020; JCR2021 ještě nevyšlo), odkaz vede na stránku časopisu v JCR (oborové žebříčky tam jsou pod odkazem Rank), funguje ale jen z IP adres MU a je potřeba kliknout alespoň dvakrát, první přístup pouze inicializuje session.
rank | rok | title | započítaní | ostatní | nakladatel | sborník |
---|---|---|---|---|---|---|
A LAK | 2021 | Validity and Reliability of Student Models for Problem-Solving Activities (DOI) | Effenberger, Pelánek | ACM | Proceedings of the 11th International Conference on Learning Analytics and Knowledge | |
A AIED | 2021 | Better Model, Worse Predictions: The Dangers in Student Model Comparisons (DOI) | Čechák, Pelánek | Springer | International Conference on Artificial Intelligence in Education | |
A AIED | 2021 | Interpretable Clustering of Students’ Solutions in Introductory Programming (DOI) | Effenberger, Pelánek | Springer | Artificial Intelligence in Education. AIED 2021. Lecture Notes in Computer Science, vol 12748 | |
A LAK | 2020 | Exploration of the Robustness and Generalizability of the Additive Factors Model (DOI) | Effenberger, Pelánek, Čechák | ACM | Proceedings of the 10th International Conference on Learning Analytics and Knowledge | |
A AIED | 2020 | Impact of Methodological Choices on the Evaluation of Student Models (DOI) | Effenberger, Pelánek | Springer | Artificial Intelligence in Education. AIED 2020. Lecture Notes in Computer Science, vol 12163. | |
A LAK | 2020 | Learning analytics challenges: trade-offs, methodology, scalability (DOI) | Pelánek | ACM | Proceedings of the Tenth International Conference on Learning Analytics & Knowledge | |
A AIED | 2019 | Item Ordering Biases in Educational Data (DOI) | Čechák, Pelánek | Springer | International Conference on Artificial Intelligence in Education | |
A AIED | 2018 | Conceptual Issues in Mastery Criteria: Differentiating Uncertainty and Degrees of Knowledge (DOI) | Pelánek | Springer | Artificial Intelligence in Education | |
B EDM | 2021 | Experimental Evaluation of Similarity Measures for Educational Items (URL) | Čechák, Pelánek | Proceedings of the 14th International Conference on Educational Data Mining | ||
B UMAP | 2017 | Experimental Analysis of Mastery Learning Criteria (DOI) | Pelánek, Řihák | ACM | Proceedings of the 25th Conference on User Modeling, Adaptation and Personalization | |
C L@S | 2019 | Measuring Difficulty of Introductory Programming Tasks (DOI) | Effenberger, Čechák, Pelánek | ACM | Proceedings of the Sixth (2019) ACM Conference on Learning @ Scale (L@S '19) | |
C L@S | 2019 | Measuring Students’ Performance on Programming Tasks (DOI) | Effenberger, Pelánek | ACM | Proceedings of the Sixth (2019) ACM Conference on Learning @ Scale (L@S '19) | |
C L@S | 2018 | Exploring the Utility of Response Times and Wrong Answers for Adaptive Learning (DOI) | Pelánek | ACM | Learning @ Scale | |
C L@S | 2018 | Measuring Item Similarity in Introductory Programming (DOI) | Pelánek, Effenberger, Vaněk, Sassmann, Gmiterko | ACM | Proceedings of the Fifth Annual ACM Conference on Learning at Scale | |
C L@S | 2018 | Towards making block-based programming activities adaptive (DOI) | Effenberger, Pelánek | ACM | Learning @ Scale | |
C UMAP | 2017 | Evaluation of Learners' Adjustment of Question Difficulty in Adaptive Practice of Facts (DOI) | Papoušek, Pelánek | ACM | Proceedings of the 25th Conference on User Modeling, Adaptation and Personalization | |
C UMAP | 2017 | Should We Give Learners Control Over Item Difficulty? (DOI) | Papoušek, Pelánek | ACM | Personalization Approaches in Learning Environments, Adjunct Publication of the 25th Conference on User Modeling, Adaptation and Personalization | |
C UMAP | 2017 | Measuring predictive performance of user models: The details matter (DOI) | Pelánek | ACM | Adjunct Publication of the 25th Conference on User Modeling, Adaptation and Personalization |