AP 3: Technische Infrastruktur für Learning Analytics und KI-gestütztes Feedback

LA-Infrastruktur

Im Rahmen der LA-Infrastruktur werden:

• lernbezogene Daten aus verschiedenen Quellen wie Moodle und VR erfasst, zentral gespeichert und ganzheitlich analysiert,
• auf Basis von gesammelten Daten Rückmeldungen an die Lernenden gegeben,
• die Wirksamkeit dieser Feedbacks auf Lernprozesse, Engagement und Motivation empirisch untersucht.

Abbildung: Datenfluss und Feedback-Mechanismus der LA-Infrastruktur

Digital Educational Mirror

Realisierung durch das Moodle-Plugin Excalibur. Eingesetzt in Mathematik- und Logistik-Kursen.

Der Mirror bietet datengestütztes Feedback für Studierende zu ihrem Lernverhalten (z. B. Videoaufrufe, Aktivität, Fortschritt) und ermöglicht gezielte Selbstregulation.

Die Wirksamkeit wird kontinuierlich evaluiert (siehe Publikationen unten).

Abbildung: Excalibur – Studierendenansicht (Video Analytics, WiSe 2024/25)

Digital Educational Lecture Cockpit

Für Lehrende steht das Lecture Cockpit zur Verfügung, das in Excalibur integriert ist.

Lehrende erhalten Einblick in aggregierte Aktivitätsdaten der Studierenden (z. B. Videoabrufe, Aufgabenbearbeitung) und können ihre Lehre datenbasiert anpassen.

Abbildung: Excalibur – Lehrendenansicht (Lecture Cockpit, WiSe 2024/25)

Digitaler Assistent zur Interaktionsanalyse

In VR-basierten Lernszenarien werden Interaktionen erfasst und analysiert, z. B.:

• Augenbewegungen (Eye-Tracking),
• Gestik und Mimik,
• räumliche Nähe zwischen Avataren,
• Sprachverhalten und Sprechanteile.

Ziel ist eine adaptive Unterstützung individueller Lernprozesse und sozialer Gruppeninteraktionen.

Zum Einsatz kommen sogenannte VIPAs (Virtuelle Intelligente Pädagogische Agenten), die situativ eingreifen und unterstützen.

Abbildung: VIPA-Simulation in einer kollaborativen VR-Umgebung

Publikationen (Auswahl)

• Hirsch, S. & Uckelmann, D. (2024). Effective Feedback Systems in Learning Analytics: Didactic and Psychological Foundations, Implementations, and Perspectives. In: 21st International Conference on Information Technology Based Higher Education and Training (ITHET), 1–10.
  DOI: 10.1109/ITHET61869.2024.10837632
• Hirsch, S., Uckelmann, D. & Podgayetskaya, T. (in process). Understanding the Acceptance of Learning Analytics: The Role of Motivational and Self-Regulatory Factors. Journal of Technical Education (JOTED).
• Hirsch, S., Traboulsi, S., & Uckelmann, D. (2025). Theory-based design of AI-driven virtual training systems. Artificial Intelligence in Education and Training (AIET), Springer Nature. (in press)
• Hirsch, S., & Uckelmann, D. (in process). Conditions for the Successful Implementation of Learning Analytics in Higher Education. In: Auer, M. & May, D. (Eds.), 2025 Yearbook Emerging Technologies in Learning, Springer.