Learning Analytics Infrastruktur

Das Ziel dieses Teilprojekts ist es, unterstützende Lernumgebungen zu schaffen, die die Lernprozesse der Studierenden durch den Einsatz von Learning Analytics optimieren. Verschiedene Datenquellen werden genutzt, um den Lernenden personalisiertes Feedback in Echtzeit zu geben und ihre Motivation sowie ihr Engagement zu steigern.

Die Kombination von Learning Analytics und modernen Technologien wie Künstlicher Intelligenz (KI) ermöglicht es, Erfolge oder Schwierigkeiten frühzeitig vorherzusagen und gezielte Empfehlungen zu generieren. Eine umfassende Learning Analytics-Infrastruktur sammelt, speichert, analysiert und visualisiert Daten aus verschiedenen Quellen wie Moodle, Unipark und VR-Anwendungen. Diese Daten werden in Learning Locker gespeichert und mit Visualisierungstools wie Grafana und Excalibur aufbereitet.

Die aktuelle Forschung fokussiert sich auf die Verknüpfung von Learning Analytics mit psychologischen und didaktischen Modellen, um das Lernverhalten besser zu verstehen. Ein integratives Modell zur Gestaltung von lernzentrierten Feedbacksystemen wird verwendet, das kognitive, motivationale und selbstbezogene Faktoren berücksichtigt.

Ziel ist es, eine Learning Analytics-Infrastruktur zu entwickeln, die personalisiertes Feedback bereitstellt. Diese wird zunächst in den Kursen „Mathematik“ und „IT in Unternehmensnetzwerken“ eingesetzt und evaluiert.

Modell zur Gestaltung von lernzentrierten Feedbacksystemen

Modell zur Gestaltung von lernzentrierten Feedbacksystemen

Details zum Feedbackmodell

Das Modell unterscheidet vier Feedbacktypen, die durch verschiedene Faktoren beeinflusst werden und in drei Schichten organisiert sind:

Dieses integrative Modell basiert auf theoretischen Grundlagen und aktuellen Forschungsergebnissen und ist auf Akzeptanz und Benutzerfreundlichkeit ausgerichtet.