Learning Analytics – Konzeption und Umsetzung

AP 3 zielt auf den Aufbau und die iterative Weiterentwicklung einer technischen Infrastruktur für Learning Analytics und Künstliche Intelligenz, die eine evidenzbasierte Unterstützung für Studierende, Lehrende und Studienverantwortliche ermöglicht. Die untenstehende Abbildung veranschaulicht die zugrunde liegende Datenarchitektur im KNIGHT-Projekt: Durch die Integration unterschiedlicher Quellsysteme wie Moodle, Zoom oder VR-Plattformen, eine zentrale Datenspeicherung und den Einsatz von Visualisierungstools wie Grafana wird ein kontinuierlicher Feedbackprozess realisiert.

Schematische Darstellung der technischen Learning-Analytics-Infrastruktur im KNIGHT

Gesamtstruktur AP 3 – Learning Analytics & KI-Infrastruktur im KNIGHT-Projekt

Verantwortlich für AP 3:
  • Prof. Dr. Dieter Uckelmann
  • Dr. Sunita Hirsch
  • Dr. Tatyana Podgayetskaya
  • Dr. Salam Traboulsi
  • Dr. Muddsair Sharif

LA-Infrastruktur (AP 3.1)

  • Parallele Infrastrukturen: produktiv & forschungsorientiert
  • Integration: Moodle, LSF, Zoom, VR – zentrale Speicherung in MongoDB
  • Visualisierung: Grafana 11.5, Learning Locker 6.0.0
  • Befragungen zu Studierendenakzeptanz via Unipark
  • Externe Veröffentlichung: IEEE Access, LAK 2025, JOTED
LA Infrastruktur – Datenquellen

Abbildung 1: Datenfluss und Feedback-Mechanismus der LA-Infrastruktur

Digital Educational Mirror (AP 3.2)

Einsatz des Excalibur-Plugins in Lehrveranstaltungen der Mathematik und Logistik. Bietet datengestütztes Feedback für Studierende zu ihrem Lernverhalten.

Alternative Umsetzung auf Basis von Grafana zur Überwindung technischer Limitierungen (z. B. Update-Intervalle, Visualisierungsoptionen).

Excalibur Studierenden-Dashboard

Abbildung 2: Excalibur – Studierendenansicht (Video Analytics, WiSe 2024/25)

Digital Educational Lecture Cockpit (AP 3.4)

Für Lehrende bietet das Lecture Cockpit aggregierte Nutzungsdaten und Visualisierungen zur datenbasierten Steuerung der Lehre.

Umgesetzt in Excalibur, mit geplanter Weiterentwicklung über Grafana-Dashboards.

Excalibur Lehrenden-Dashboard

Abbildung 3: Excalibur – Lehrendenansicht (Lecture Cockpit, WiSe 2024/25)

>

Digitaler Assistent zur Interaktionsanalyse (AP 3.3)

Analyse von VR-Interaktionen zur Unterstützung personalisierter Lernprozesse:

  • Eye-Tracking, Gestik/Mimik
  • Sprachverhalten & Interaktionsmuster
  • VIPAs (Virtuelle Intelligente Pädagogische Agenten) als Feedbackinstanz
Virtuelle pädagogische Agenten (VIPAs)

Abbildung 4: VIPA-Simulation in einer kollaborativen VR-Umgebung

Study Dean Cockpit (AP 3.5–3.7)

Ein zentrales Ziel von AP 3.5–3.7 ist die Entwicklung des Study Dean Cockpit (SDC) – eines datenbasierten Dashboards, das Studienverantwortliche bei der curricularen Steuerung, der Frühidentifikation von Studienabbruchsrisiken und der Optimierung von Lehrangeboten unterstützt.

  • Datenmigration aus Altsystemen inkl. Datenbereinigung und Validierung
  • Funktionsumsetzung für die Informatik abgeschlossen (AP 3.6)
  • Technische Monitoring-Architektur mit Grafana, Prometheus, Loki und ArgoCD
  • Skalierung & Roll-out für weitere Studiengänge in Vorbereitung (AP 3.7)
Study Dean Cockpit – Dashboard-Ansicht

Abbildung 5: Übersicht des Study Dean Cockpit für Studienverantwortliche

  • Hirsch, S. & Uckelmann, D. (2024). Effective Feedback Systems in Learning Analytics. In: ITHET, IEEE. DOI: 10.1109/ITHET61869.2024.10837632
  • Hirsch, S., Uckelmann, D. & Podgayetskaya, T. (in process). Acceptance of LA. JOTED
  • Hirsch, S., Traboulsi, S., & Uckelmann, D. (2025). AI-driven Virtual Training. AIET, Springer
  • Hirsch, S., & Uckelmann, D. (in process). Conditions for Implementation of LA. In: Auer & May (Eds.), 2025 Yearbook, Springer
  • Hirsch, S., Uckelmann, D., & Sharif, M. (2025). Monitoring of Higher Education Dashboards. In: Springer Volume „Advanced Technology and the University of the Future“