SHRIMP Analytics

Die dritte Projektphase von SHRIMP widmet sich dem Thema "Learning Analytics," also der Frage, wie sich die bei der Nutzung der Plattform anfallenden reichhaltigen Metadaten (wie bspw. Logdaten zu typischen Nutzungszeitpunkten, zu inhaltlichen Interessen, zu Interaktionsformen, etc.) zur Verbesserung der Lernsituation nutzen lassen.

Wir erwarten, dass das viele neue Möglichkeiten bietet:

  1. Für Lernende,

    1. indem das System den Lernenden detaillierte, reichhaltige und konstruktive Auskunft über ihren eigenen Lernprozess gibt. Ein solches Zurückspiegeln des eigenen Lese- und Arbeitsverhaltens erlaubt es den Studierenden, ihre Lernerfahrung selbst in die Hand zu nehmen und führt so zu einer höheren Motivation und zu einem Empowerment, auf inhaltlicher Ebene und in Bezug auf das eigene Lernen.

    2. indem sich die Lernumgebung automatisch an die Lernprozesse und -bedürfnisse der Studierenden anpasst, zum Beispiel durch Gamification und Challenges. Die Lernumgebung verändert sich so vom reinen passiven, One-Size-Fits-All-Anbieter von Inhalten zu einem Lern-Coach, der den Lernprozess aktiv und individuell unterstützt.

    3. indem die Analyse von Lern-Daten eine besser auf Interessen und Schwierigkeiten zugeschnittene Seminarsituation ermöglicht.

  2. für Lehrende,

    1. indem die Lernplattform anonymisiert Informationen über den Lernprozess und den Lernfortschritt (und z.B. in anonymisierter Form über self-assessment) aggregiert und visuell aufbereitet. So kann sie den Lehrenden wichtige Fingerzeige zur inhaltlichen und didaktischen Anpassung des Seminars im Sinne eines constructive alignment geben, bis hin zu mögliche Flipped-Classroom-Szenarien.

    2. indem die Lese- und Lernprozesse durch die Datenanalyse transparenter werden und so die Lehrveranstaltung inhaltlich und didaktisch auf diese Lernprozesse angepasst werden kann.

Diese Potenziale von Learning Analytics wurden in der Fachliteratur (teilweise auch unter der Bezeichnung ‘Educational Data Mining’) vor allem in der Theorie benannt. Mit der dritten Projektphase von SHRIMP wird nun ein Pilotversuch unternommen, die oben genannten Ziele praktisch weiter zu erforschen und möglichst weitgehend umzusetzen. Wir werden dazu unter dem Tag #analytics bloggen.

Access Attributes: