{"id":4702,"date":"2012-05-15T13:26:26","date_gmt":"2012-05-15T11:26:26","guid":{"rendered":"http:\/\/elearning.hwr-berlin.de\/blog\/?p=4702"},"modified":"2018-10-29T17:49:29","modified_gmt":"2018-10-29T16:49:29","slug":"call-for-papers-auf-den-digitalen-spuren-des-lernens","status":"publish","type":"post","link":"https:\/\/blog.hwr-berlin.de\/elerner\/call-for-papers-auf-den-digitalen-spuren-des-lernens\/","title":{"rendered":"Call for Papers: Auf den digitalen Spuren des Lernens"},"content":{"rendered":"

Wenn Google, Facebook & Co seit Jahren Daten sammeln und wirtschaftlichen Gewinn machen, dann m\u00fcssen wir etwas Sinnvolles \u00fcber das Lernen herausfinden…\u201c<\/strong><\/p>\n

von Margarita Elkina<\/em><\/span><\/span><\/p>\n

Tagungsteilnehmer auf der GML 2012<\/em><\/span><\/span><\/p>\n

Sie existieren seitdem der erste Lernende seinen digitalen Fu\u00df in eine virtuelle Umgebung setzte; sie sind f\u00fcr Learning Analysten das, was eine unauff\u00e4llige F\u00e4hrte einem erfahrenen Scout bedeutet: Daten, die durch die Aktivit\u00e4t von Lernenden im digitalen Raum entstehen. Genau wie ein F\u00e4hrtenleser Aussagen \u00fcber Zukunft und Eigenschaften des verursachenden Gesch\u00f6pfes machen kann, k\u00f6nnen Learning Analysten u.a. mit Data-Mining Methoden aus Nutzungsdaten Lernstile, Erfolgsprognosen und vieles mehr ablesen.<\/p>\n

\"\"<\/a>
\n<\/span>
\nIm Rahmen des Projektes LeMo<\/strong><\/span> (<\/span> Lernprozessmonitoring<\/em><\/span> auf<\/em><\/span> personalisierenden<\/em><\/span> und<\/em><\/span> nicht<\/em><\/span> personalisierenden<\/em><\/span> Lernplattformen<\/em><\/span>) stellen wir uns als Ziel, ein Analysewerkzeug\u00a0 zu entwickeln, mit welchem Dozenten, Bildungsanbieter und Wissenschaftler wertvolle Erkenntnisse \u00fcber das Lernen f\u00fcr Ihre Arbeit gewinnen k\u00f6nnen. <\/span><\/p>\n

Als<\/span> Grundlage f\u00fcr die Forschung dient ein Katalog von \u00fcber 80 <\/span>Fragestellungen<\/span> zum<\/span> Lernverhalten<\/span> und <\/span>zur<\/span> Mediennutzung<\/span> der Anwender.<\/span> Die<\/span> Anfragen, die verschiedene Nutzergruppen stellen, <\/span>k\u00f6nnen<\/span> in <\/span>f\u00fcnf<\/span> Hauptkategorien<\/span> eingeteilt<\/span> werden: <\/span>Benutzung<\/span> des<\/span> Lernangebotes,<\/span> Performance der Lernenden, <\/span>Verhalten<\/span> und Entdeckung von Nutzer-Gruppen<\/span>,<\/span> Lernpfade<\/span> und<\/span> Nutzung<\/span> der<\/span> Kommunikationsangebote<\/span>.<\/span> Die<\/span> Analyse wird mit Methoden des Educational<\/span> Data<\/span> Mining gef\u00fchrt. Das Ziel von <\/span>Educational<\/span> Data Mining ist<\/span>,<\/span> Daten aus Lernsystemen<\/span> zu<\/span> untersuchen, um Lernende und <\/span>deren<\/span> Lernumgebungen besser zu verstehen<\/span>.<\/span><\/p>\n

 <\/p>\n

Die<\/span> entwicke<\/span>lte<\/span> Anwendung wird mit geringen <\/span>Anpassungen<\/span> auch<\/span> bei unterschiedlichen <\/span> eLearning-Plat<\/span>tformen<\/span> – personalisierend (ein <\/span>Login<\/span> ist erforderlich) oder nicht personalisierend<\/span> (Zugriff<\/span> ohne Login) \u2013 eingesetzt <\/span>werden<\/span> k\u00f6nn<\/span>en.<\/span> Eine Besonderheit ist, dass hier <\/span>Datenanalysen<\/span> unabh\u00e4ngig<\/span> von den betreffenden <\/span>Plattformen<\/span> und<\/span> damit <\/span>plattform\u00fcbergreifend<\/span> und<\/span> \u2013vergleichend erfolgen<\/span> k\u00f6nnen.<\/span> Die<\/span> verschiedenen <\/span>Lernplattformen<\/span> sind sehr unterschiedlich <\/span>aufgebaut<\/span> und speichern Daten \u00fcber<\/span> das<\/span> Lernverhalten <\/span>ihrer<\/span> Nutzer in verschiedensten <\/span>Formaten.<\/span> Pers<\/span>onalisierende<\/span> Systeme nutzen in <\/span>der<\/span> Regel Date<\/span>nbanken<\/span> zur Protokollierung des <\/span>Nutzerverhaltens.<\/span> Bei nicht personalisierenden <\/span>Plattformen<\/span> hingegen k\u00f6nnen Akti<\/span>onen<\/span> der Nutzer <\/span>auch<\/span> in Log-<\/span>Dateien<\/span> gespeichert werden. <\/span>Um<\/span> auf diese versc<\/span>hiedenen<\/span> Datenquellen zugreifen <\/span>zu<\/span> k\u00f6nnen, be<\/span>sitzt<\/span> das Monitoring-System f\u00fcr <\/span>jeden<\/span> Plattform-Typ eine <\/span>separate<\/span> Schnittstelle,<\/span> \u00fcber die relevante<\/span> Daten<\/span> importiert<\/span> werden.<\/span> Der Zugriff auf die <\/span>Daten<\/span> kann <\/span>somit<\/span> erfolgen,<\/span> ohne dass die Lernplattformen <\/span>hierf\u00fcr<\/span> ver\u00e4ndert werden m\u00fcssen.<\/span><\/p>\n

\"\"<\/a><\/span><\/p>\n

Zu Beginn standen vor allem die technologischen <\/span>Herausforderung<\/span>en<\/span> im Mittelpunkt, z.B. mehrere personalisierende Lernplattformen (Clix, Moodle, etc.) unterst\u00fctzen zu k\u00f6nnen und auch Daten Nicht-personalisierender Lernangebote (Plattformen ohne Loginzwang z.B. Chemgapedia) zu ber\u00fccksichtigen sowie geeignete M\u00f6glichkeiten f\u00fcr die Aggregation und Visualisierung von Lernpfaden zu finden. <\/span>Doch im Rahmen erster Projektpr\u00e4sentationen wurden wir viel mehr mit ethischen Fragen konfrontiert.<\/span><\/p>\n

Zum einen stie\u00df die Methodik auf Kritik. Sicher gelten f\u00fcr die Nutzungs-Analysen die Vor- und Nachteile, die generell bei nichtreaktiven Verfahren angenommen werden, doch wirken hier im Lehr-\/Lernumfeld neben sachlichen Argumenten auch Vorbehalte bez\u00fcglich des Untersuchungsgegenstands selbst, n\u00e4mlich aus Daten Schl\u00fcsse \u00fcber das Lernen – auf die geistigen Aktivit\u00e4ten der Nutzer – zu ziehen. <\/span><\/p>\n

Was erhalten wir durch die Datenanalyse? Statistiken und Bewegungsgraphen werden nach wiederkehrenden Mustern durchsucht, Muster, die interpretiert werden m\u00fcssen, wobei interpretieren k\u00f6nnen wir nur dass, was wir wiedererkennen und in Beziehung setzen. Die Interpretation muss auf sinnvollen Modellen fu\u00dfen und ggf. mit weiteren nicht digital verf\u00fcgbaren Daten unterlegt werden um die Validit\u00e4t der Ergebnisse nicht zu gef\u00e4hrden. <\/span><\/p>\n

Zum anderen wurde deutlich, dass Datenschutz nicht nur dem Projekt, sondern auch f\u00fcr die Nutzer <\/span>ein wichtiges Anliegen ist<\/span>. Die Gesetzgebung fordert, dass Daten nur ohne R\u00fcckschluss auf eine bestimmte Person ausgewertet werden d\u00fcrfen. Jedoch steht nach kurzer Besch\u00e4ftigung fest: <\/span>Vollst\u00e4ndige Anonymisierung ist nur schwer zu erreichen. Als Daumenregel gilt, je st\u00e4rker der Grad der Anonymisierung, desto mehr Daten gehen f\u00fcr die sp\u00e4tere Analyse verloren<\/span>. Dass<\/span> alle Bez\u00fcge zu Klarnamen aus den Analysedaten entfernt werden, versteht sich hierbei von selbst, f\u00fcr Geburtstage gilt das Gleiche. Doch wie sieht es z.B. mit der Geschlechtszugeh\u00f6rigkeit aus? <\/span>An sich<\/span> lie\u00dfe sich<\/span> aus der reinen Zuordnung nach m\u00e4nnlich und w<\/span>eiblich noch kein R\u00fcckschluss auf eine konkrete Person ziehen. Doch wie sieht es aus, wenn die Information zum Geschlecht mit weiteren Informationen kombiniert wird. Etwa einem konkreten eLearning Kurs in dem z.B. nur zwei weibliche Studierende eingetragen sind? Welche Analysen kann das System also zulassen, welche Daten m\u00fcssen ggf. adaptiv bei der Ausgabe anonymisiert werden? Auf diese und weitere Fragen sollen in den kommenden Monaten L\u00f6sungen sowohl technischer Art als auch in Zusammenarbeit mit den zust\u00e4ndigen Datenschutzbeauftragten gefunden werden.<\/span><\/p>\n

Die zuk\u00fcnftige Entwicklung wird zeigen, in welche Richtungen sich die Analyse von Daten zum Zwecke der Lernforschung entwickelt: <\/span><\/p>\n

Wird es den Gl\u00e4sernen Nutzer geben, der bereitwillig mehr und mehr Informationen seiner<\/span> selbst preisgibt, oder wird der Bedarf nach Anonymisierung obsiegen. Gut denkbar bleibt ein datenschutztechnischer Mittelweg bei dem \u2013 wenn man so will – ein semitransparenter Nutzer \u00fcber die Verwendung seiner Daten in Abw\u00e4gung zum f\u00fcr ihn subjektiv empfundenen Nutzen selbst entscheiden kann. <\/span><\/p>\n

Entscheidend f\u00fcr die Frage der Auswertungsm\u00f6glichkeiten wird auch sein, wie sich Lehrkonzepte in der Zukunft entwickeln werden. Welche Aktivit\u00e4ten werden als Lernaktivit\u00e4ten in Frage kommen? Welche Daten werden dadurch verursacht? Vorstellbar w\u00e4re z.B. die st\u00e4rkere Einbindung sozialer Netzwerke wie Facebook oder Google+. Wie adaptiv k\u00f6nnen Lernmedien in Zukunft sein? <\/span>Warum sollten eLearning Plattformen z.B. nicht auch Empfehlungen f\u00fcr weitere passende Lernangebote (vgl. Amazon Buchempfehlungen) anbieten oder auf Wissensl\u00fccken f\u00fcr die anstehende Pr\u00fcfung hinweisen?<\/span><\/p>\n

Verbesserte Lernangebote helfen den Lehrenden und damit in erster Linie den Lernern selbst. So gesehen k\u00f6nnte aus einem Kompromiss, bei dem beide Seiten Abstriche machen vielleicht sogar eine Situation entstehen, bei der sowohl Lernende wie Analysten gewinnen.<\/span><\/p>\n

Im Horizon Report 2012 wird Learning Analytics als eine von 6 Schl\u00fcsseltechnologien vorgestellt, die in den n\u00e4chsten Jahren weltweit an Bedeutung gewinnen werden.<\/strong><\/span><\/p>\n

 <\/p>\n

Von:<\/p>\n

Margarita Elkina, Andreas Pursian<\/span><\/span> HWR Berlin
\nLiane Beuster, Albrecht Fortenbacher, Leonard Kappe, Boris Wenzlaff<\/span><\/span> -HTW Berlin<\/p>\n

Agathe Merceron, Sebastian Schwarzrock – Beuth Hochschule Berlin<\/span><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Wenn Google, Facebook & Co seit Jahren Daten sammeln und wirtschaftlichen Gewinn machen, dann m\u00fcssen wir etwas Sinnvolles \u00fcber das Lernen herausfinden…\u201c von Margarita Elkina Tagungsteilnehmer auf der GML 2012 Sie existieren seitdem der erste Lernende seinen digitalen Fu\u00df in eine virtuelle Umgebung setzte; sie sind f\u00fcr Learning Analysten das, was eine unauff\u00e4llige F\u00e4hrte einem […]<\/p>\n","protected":false},"author":77,"featured_media":4703,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","inline_featured_image":false,"footnotes":""},"categories":[1292],"tags":[],"class_list":["post-4702","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-nicht-kategorisiert-de"],"_links":{"self":[{"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/posts\/4702","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/users\/77"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/comments?post=4702"}],"version-history":[{"count":33,"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/posts\/4702\/revisions"}],"predecessor-version":[{"id":16698,"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/posts\/4702\/revisions\/16698"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/media\/4703"}],"wp:attachment":[{"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/media?parent=4702"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/categories?post=4702"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.hwr-berlin.de\/elerner\/wp-json\/wp\/v2\/tags?post=4702"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}