Learning Analytics Infrastruktur
Personalisierte Lernunterstützung durch datengestützte Analyse und Feedbacksysteme
Arbeitspaket 3: Aufbau und Entwicklung der Learning Analytics und KI-Infrastruktur
Inhaltsverzeichnis
Ziel des Arbeitspakets
Das Ziel von AP3 ist der Aufbau und die kontinuierliche Weiterentwicklung der Learning Analytics und KI-Infrastruktur im Rahmen des KNIGHT-Projekts. Diese Infrastruktur soll eine datengestützte Lernprozessanalyse und die Bereitstellung von personalisiertem Feedback ermöglichen, um die Lernprozesse von Studierenden zu unterstützen und zu optimieren.
Technische Grundlage
Die technische Basis der Infrastruktur bildet das Excalibur-Plugin, das an die Moodle-Umgebung angepasst wurde. Dies ermöglicht eine nahtlose Integration von Dashboards für Studierende und Lehrende und bietet eine benutzerfreundliche Oberfläche, die den Zugriff auf Lernanalysen erleichtert.
Befragungen zur Studierendenakzeptanz
Zu Beginn und Ende des Semesters wurden Studierende zu ihrer Akzeptanz der Learning Analytics Infrastruktur befragt. Diese Umfragen lieferten wertvolle Erkenntnisse, die in die Weiterentwicklung der Infrastruktur einfließen.
Weiterentwicklung der Infrastruktur
Die Infrastruktur wurde kontinuierlich weiterentwickelt, insbesondere mit der Integration von VR-Datenquellen und der Anbindung an eine NoSQL-Datenbank (MongoDB), um interaktive Lernumgebungen zu unterstützen.
Evaluierung der Infrastruktur
Die Infrastruktur wurde in mehreren Pilotkursen evaluiert, wobei technische Funktionalität, Akzeptanz und Lernerfolg im Fokus standen. Erste Ergebnisse wurden bereits auf internationalen Konferenzen präsentiert.
Dashboards und Feedbacksysteme
Die Dashboards bieten eine detaillierte Visualisierung der Aktivitäten von Studierenden und Lehrenden. So können Fortschritte verfolgt und verschiedene Feedbackarten bereitgestellt werden, um die Lernprozesse zu unterstützen.
VR-gestützte Interaktionsanalyse
In der ersten Phase der Entwicklung werden VR-Technologien eingesetzt, um Interaktionen in virtuellen Lernumgebungen zu analysieren, einschließlich Augenbewegungen, Gestik und Sprachinteraktionen.
Digital Educational Cockpits für Lehrende
Lehrende können über das Digital Educational Cockpit die Aktivitäten der Studierenden überwachen und auswerten. Dies umfasst die Nutzung von Online-Modulen und die Teilnahme an Trainingsmaßnahmen.
Ergebnisse und Ausblick
Das Projekt hat bereits vier GPU-Workstations und einen GPU-Server installiert. Diese werden für Forschung und Studienprojekte verwendet und sollen die Infrastruktur weiter optimieren.