Den Begriff „Learning Analytics“ haben wir hier schon des Öfteren erwähnt, schließlich ist er ein elementarer Bestandteil in PRiME. Doch was hat es eigentlich damit auf sich? Wir geben zu: So richtig erklärt haben wir das auf unserer Website noch nicht. Doch das werden wir heute nachholen.
Warum überhaupt Learning Analytics?
Beginnen wir mit einem kleinen Versuch: Stellen Sie sich vor, Sie nutzen Ihr Smartphone/Tablet/Notebook für die Lösung einer Arbeitsaufgabe. Gehen Sie in Gedanken doch einmal durch, wo überall Daten entstehen könnten. Wie Sie sich sicher denken können, sind das oftmals eine ganze Menge (Stichwort: Big Data; aber das nur am Rande).
Auch in PRiME ist es nicht ungewöhnlich, dass große Datenmengen aus verschiedenen Quellen entstehen, wenn die unterschiedlichen Anwendungen genutzt werden. Jeder Nutzer hinterlässt dabei Datenspuren, wenn Inhalte bearbeitet werden – sei es durch das Kommentieren eines Beitrages, die Erstellung einer Notiz oder die Benachrichtigung zu einer Änderung an einem abonnierten Dokument.
Für uns stellt sich daher die Frage, wie die vom Lernenden hinterlassenen Daten innerhalb der Apps handhabbar gemacht werden können, sodass das persönliche Lern- und Lehrergebnis bestmöglich unterstützt werden kann. Dazu liefern Learning Analytics-Methoden eine Lösung. Hierbei werden die Daten des Lernenden gespeichert, aufbereitet und schließlich ausgewertet bzw. interpretiert.
Für wen sind sie nützlich?
Mithilfe der Datenanalyse profitieren zunächst einmal die Lernenden selbst. Die Learning Analytics-Elemente liefern ihnen in den unterschiedlichen Anwenderrollen eine pseudonymisierte Analyse ihres individuellen Lernprozesses. Beispielsweise helfen die Auswertungen dabei, die Lernaktivitäten besser zu beobachten und verstärkt zur (Selbst-)Reflexion anzuregen. Hierdurch wird den Lernenden ein Einblick in die persönlichen Lernfortschritte gewährt. Entsprechend der spezifischen Lernbedürfnisse steht das Ziel im Vordergrund, einen nachhaltigen Lerneffekt zu erzielen. Auch Stellen, an denen noch Lernschwierigkeiten auftauchen, sind auf diese Weise besser identifizierbar. Ein wichtiger Punkt hierbei ist, dass wir uns bei jeglichen Umsetzungen in diesem Bereich an die für das Projekt geltenden Datenschutzregeln halten.
Für Autoren von Trainingsunterlagen wiederum, das heißt für die Lehrenden im weiteren Sinne, sind Learning Analytics insofern nützlich, dass die von ihnen bereitgestellten Lernmaterialien den Lernprozess unterstützen. In diesem Kontext ist es für die Autoren auch wichtig zu wissen, wie die erstellten Unterlagen von den Lernenden angenommen werden, das heißt, ob sie hilfreich für die angestrebten Lernziele sind. Daher stellen Learning Analytics-Methoden zusätzlich ein Mittel dar, um eine Qualitätssicherung des Lernmaterials vorzunehmen und einzelne Lerninhalte je nach Bedarf anzupassen. Sinn und Zweck der Datenerhebung und -auswertung ist es also vor allem, die Lernumgebung in PRiME kontinuierlich zu optimieren.
Wie erfolgt die Umsetzung?
Um das zu erreichen, werden folgende Maßnahmen im PRiME umgesetzt:
- kontextbasierte Suche, z.B. nach den Interessen des Lernenden
- kontextrelevante Rückmeldungen und Empfehlungen, z.B. durch Erfahrungsberichte oder Annotationen
- Dashboards zur Ansicht von individuellen Lernaktivitäten und -zielen
- Visualisierungen, z.B. Auswertungen in Form von Diagrammen und Statistiken
Das Ganze gestaltet sich so, dass im mobilen Backend-Bereich die Anwendung Analyzer zum Einsatz kommt. Diese hat den Zweck, die zusammengefassten Nutzungsinformationen für den Lernenden darzustellen. So wird beispielsweise visualisiert, wie lange und in welchem Rhythmus (z.B. täglich oder wöchentlich) der Lernende im System aktiv war, wie viele Annotationen erstellt oder welche Apps genau geöffnet wurden. Diese Elemente sind einfache Statistiken zur Selbstreflexion, ohne dass sie durch das System bewertet werden. Das folgende Bild zeigt die App-Nutzung eines Users in einem bestimmten Zeitraum:
Ansicht im Analyzer: Learning Analytics geben u.a. Aufschluss über die App-Nutzung
Umfangreicher wird es dann bei anderen Funktionalitäten, wie bei der Suche, für welche die sozialen Strukturen der einzelnen Nutzer (z.B. Mitgliedschaft in Gruppen) mit einfließen. Auf Basis der eigenen Suchbegriffe und abonnierten Dokumente der Kollegen werden die Ergebnisse des Suchvorgangs unterschiedlich gewichtet. Dokumente, die den Suchbegriff beinhalten und auch von engen Kollegen abonniert sind, erscheinen weiter oben als dem persönlichen sozialen Netzwerk komplett unbekannte Dokumente. Das gleiche Verfahren ist auch für Empfehlungen denkbar und soll noch ergänzt werden.
Insgesamt liefern die aufbereiteten Daten also wichtige Erklärungen – sowohl aus Sicht der Lernenden (z.B. Wagenmeister) als auch aus Sicht der Lehrenden (z.B. Trainingsentwickler). Die Learning Analytics in PRiME helfen letztlich dabei, einen tieferen und zugleich strukturierteren Einblick in diese komplexe Zusammenhänge, in diesem Fall des Lernverhaltens zu bekommen.
Und das war er auch schon, unser Überblick zu den Learning Analytics. Haben Sie Fragen? Dann lassen Sie es uns gern wissen, z.B. in den Kommentaren!
Wir wünschen Ihnen einen guten Start ins Wochenende!
Ihr PRiME-Team
