Skip to content
GitLab
Commit 0e5aadb1 authored by Traboulsi's avatar Traboulsi
Browse files

Update public/learning-analytics.html

parent 47120d63
master
No related merge requests found
Pipeline #10172 passed with stage
in 7 seconds
Hide whitespace changes
Inline Side-by-side
Showing
with 88 additions and 59 deletions
+88 -59
public/learning-analytics.html
+ 88
- 59
View file @ 0e5aadb1
......@@ -16,6 +16,27 @@
<link href="assets/vendor/swiper/swiper-bundle.min.css" rel="stylesheet">
<link href="assets/vendor/glightbox/css/glightbox.min.css" rel="stylesheet">
<link href="assets/css/main.css" rel="stylesheet">
<style>
.tabs {
margin-top: 20px;
}
.tab-content {
padding: 15px;
border: 1px solid #ddd;
border-radius: 4px;
}
.tab-content img {
max-width: 100%;
height: auto;
}
.feedback-types ul {
list-style-type: none;
padding: 0;
}
.feedback-types li {
margin-bottom: 10px;
}
</style>
</head>
<body>
<header id="header" class="header d-flex align-items-center fixed-top">
......@@ -47,82 +68,90 @@
<p>
Zur Umsetzung wird eine umfassende Learning Analytics-Infrastruktur eingesetzt, die Daten aus verschiedenen Quellen sammelt, speichert, analysiert und visualisiert. Lernplattformen und Evaluationswerkzeuge wie Moodle, Unipark und VR-Anwendungen dienen als Basis für die Datenerfassung. Dabei werden Daten zu Anwesenheit, Lernzeit, Quiz-Ergebnissen, Kommunikationsmustern und Interaktionen erfasst. Die gesammelten Daten werden als xAPI Statements zentral im Learning Locker gespeichert und aufbereitet. Anschließend werden diese Daten mithilfe von Visualisierungstools wie Grafana und Excalibur dargestellt und für personalisiertes Feedback genutzt.
</p>
<p>Die folgende Abbildung zeigt den gesamten Prozess der LA-Infrastruktur:</p>
<!-- Image of the Learning Analytics Infrastructure Process -->
<p>Die folgende Abbildung zeigt den gesamten Prozess der LA-Infrastruktur:</p>
<div class="text-center mb-5" data-aos="zoom-in">
<img src="assets/img/LA-prozess.png" alt="Prozess der Learning Analytics Infrastruktur" class="img-fluid" style="width: 100%; max-width: 600px;">
<img src="assets/img/LA-prozess.png" alt="Prozess der Learning Analytics Infrastruktur" class="img-fluid">
</div>
<p>
Die aktuelle Forschung im KNIGHT-Projekt konzentriert sich auf die Verknüpfung von Learning Analytics mit psychologischen und didaktischen Modellen, um das Lernverhalten besser zu verstehen und zu fördern. Dafür wird ein integratives Modell zur Gestaltung von lernzentrierten Feedbacksystemen eingesetzt (siehe Abbildung unten).
</p>
<!-- Image of the Feedback Model -->
<div class="text-center mb-5" data-aos="zoom-in">
<img src="assets/img/modell.png" alt="Integratives Modell zur Gestaltung von lernzentrierten Feedbacksystemen" class="img-fluid" style="width: 100%; max-width: 600px;">
<img src="assets/img/modell.png" alt="Integratives Modell zur Gestaltung von lernzentrierten Feedbacksystemen" class="img-fluid">
</div>
<h2 class="mt-4">Kognitive Faktoren</h2>
<p>
Kognitive Faktoren beziehen sich auf mentale Prozesse, die das Lernen beeinflussen, wie beispielsweise Vorwissen, Denkprozesse und angewandte Lernstrategien. Eine grundlegende Theorie ist hierbei die <strong>Cognitive Load Theory</strong>, die erklärt, dass Lernende nur eine begrenzte Menge an Informationen gleichzeitig verarbeiten können.
<br><br>
Ein gut gestaltetes Feedbacksystem muss daher die kognitive Belastung minimieren, indem es Informationen so strukturiert, dass sie leicht aufgenommen und verarbeitet werden können, ohne Überforderung zu verursachen.
</p>
<h2 class="mt-4">Motivationale Faktoren</h2>
<p>
Motivationale Faktoren betreffen die inneren Antriebe, die das Lernverhalten beeinflussen, wie z.B. Interesse, Engagement und Zielorientierung der Lernenden. Eine zentrale Theorie in diesem Zusammenhang ist die <strong>Self-Determination Theory</strong>, die besagt, dass Motivation durch die Erfüllung der Grundbedürfnisse nach Autonomie, Kompetenz und sozialer Eingebundenheit gefördert wird.
<br><br>
Ein gut gestaltetes Feedbacksystem muss diese Bedürfnisse berücksichtigen, indem es Lernenden die Möglichkeit gibt, ihre Lernprozesse selbst zu steuern und Fortschritte zu erkennen.
</p>
<h2 class="mt-4">Selbstbezogene Faktoren</h2>
<p>
Selbstbezogene Faktoren umfassen das Selbstbild und die Fähigkeit der Lernenden, ihre eigenen Lernprozesse zu steuern. Ein zentrales Konzept ist hierbei das <strong>Selbstgesteuerte Lernen (Self-Regulated Learning)</strong>, das beschreibt, wie Lernende aktiv ihre Ziele setzen, Lernstrategien wählen und ihre Fortschritte überwachen.
<br><br>
Ein wirksames Feedbacksystem muss diese Selbstregulationsfähigkeiten unterstützen, indem es den Lernenden hilft, ihren Lernprozess besser zu reflektieren und zu steuern.
</p>
<h2 class="mt-4">Usability und Akzeptanz</h2>
<h3>Usability</h3>
<p>
Usability bezieht sich auf die Benutzerfreundlichkeit eines Systems, insbesondere darauf, wie einfach und effektiv ein Feedbacksystem von Lernenden genutzt werden kann. In einem Learning Analytics-System bedeutet das, dass die bereitgestellten Daten und Feedbackmechanismen leicht zugänglich und verständlich sind.
</p>
<h3>Akzeptanz</h3>
<p>
Akzeptanz bezieht sich darauf, inwieweit ein System oder ein Feedbackmechanismus von den Nutzenden angenommen und positiv bewertet wird. Das <strong>Technology Acceptance Model (TAM)</strong> besagt, dass die Akzeptanz vor allem durch zwei Faktoren bestimmt wird:
<ul>
<li><strong>Wahrgenommene Nützlichkeit:</strong> Wie sehr die Nutzenden glauben, dass das System ihre Leistung verbessert.</li>
<li><strong>Wahrgenommene Benutzerfreundlichkeit:</strong> Wie einfach das System zu bedienen ist, ohne dass es zu einer übermäßigen Belastung wird.</li>
</ul>
</p>
<h2 class="mt-4">Feedbacktypen</h2>
<p>
In einem Learning Analytics-System können vier verschiedene Feedbackarten genutzt werden:
<ul>
<li><strong>Deskriptives Feedback:</strong> Gibt eine detaillierte Beschreibung der aktuellen Leistung der Lernenden.</li>
<li><strong>Diagnostisches Feedback:</strong> Geht tiefer und analysiert die Ursachen hinter der Leistung.</li>
<li><strong>Präskriptives Feedback:</strong> Gibt konkrete Empfehlungen zur Verbesserung der Leistung.</li>
<li><strong>Prädiktives Feedback:</strong> Nutzt Daten, um zukünftige Entwicklungen vorherzusagen.</li>
<div class="tabs">
<ul class="nav nav-tabs" id="myTab" role="tablist">
<li class="nav-item" role="presentation">
<a class="nav-link active" id="cognitive-tab" data-bs-toggle="tab" href="#cognitive" role="tab" aria-controls="cognitive" aria-selected="true">Kognitive Faktoren</a>
</li>
<li class="nav-item" role="presentation">
<a class="nav-link" id="motivational-tab" data-bs-toggle="tab" href="#motivational" role="tab" aria-controls="motivational" aria-selected="false">Motivationale Faktoren</a>
</li>
<li class="nav-item" role="presentation">
<a class="nav-link" id="self-related-tab" data-bs-toggle="tab" href="#self-related" role="tab" aria-controls="self-related" aria-selected="false">Selbstbezogene Faktoren</a>
</li>
<li class="nav-item" role="presentation">
<a class="nav-link" id="usability-tab" data-bs-toggle="tab" href="#usability" role="tab" aria-controls="usability" aria-selected="false">Usability</a>
</li>
<li class="nav-item" role="presentation">
<a class="nav-link" id="acceptance-tab" data-bs-toggle="tab" href="#acceptance" role="tab" aria-controls="acceptance" aria-selected="false">Akzeptanz</a>
</li>
<li class="nav-item" role="presentation">
<a class="nav-link" id="feedback-types-tab" data-bs-toggle="tab" href="#feedback-types" role="tab" aria-controls="feedback-types" aria-selected="false">Feedbacktypen</a>
</li>
</ul>
</p>
<p>
Ziel dieses Teilprojekts ist es, eine Learning Analytics-Infrastruktur zu entwickeln, die lernendenzentriertes und personalisiertes Feedback bereitstellt. Diese Infrastruktur wird zunächst in den beiden Kursen „Mathematik“ und „IT in der Bauwirtschaft“ erprobt und kontinuierlich verbessert.
</p>
<div class="tab-content" id="myTabContent">
<div class="tab-pane fade show active" id="cognitive" role="tabpanel" aria-labelledby="cognitive-tab">
<p>
Kognitive Faktoren beziehen sich auf mentale Prozesse, die das Lernen beeinflussen, wie beispielsweise Vorwissen, Denkprozesse und angewandte Lernstrategien. Eine grundlegende Theorie ist hierbei die <strong>Cognitive Load Theory</strong>, die erklärt, dass Lernende nur eine begrenzte Menge an Informationen gleichzeitig verarbeiten können. Ein gut gestaltetes Feedbacksystem muss daher die kognitive Belastung minimieren, indem es Informationen so strukturiert, dass sie leicht aufgenommen und verarbeitet werden können, ohne Überforderung zu verursachen. In Kombination mit motivationalen und selbstbezogenen Faktoren trägt dies zur Entwicklung von personalisiertem und effektivem Feedback bei.
</p>
</div>
<div class="tab-pane fade" id="motivational" role="tabpanel" aria-labelledby="motivational-tab">
<p>
Motivationale Faktoren betreffen die inneren Antriebe, die das Lernverhalten beeinflussen, wie z.B. Interesse, Engagement und Zielorientierung der Lernenden. Eine zentrale Theorie in diesem Zusammenhang ist die <strong>Self-Determination Theory</strong>, die besagt, dass Motivation durch die Erfüllung der Grundbedürfnisse nach Autonomie, Kompetenz und sozialer Eingebundenheit gefördert wird. Ein gut gestaltetes Feedbacksystem muss diese Bedürfnisse berücksichtigen, indem es Lernenden die Möglichkeit gibt, ihre Lernprozesse selbst zu steuern und Fortschritte zu erkennen. Zusammen mit kognitiven und selbstbezogenen Faktoren hilft dies, personalisiertes Feedback zu gestalten, das die Motivation stärkt und das Lernen unterstützt.
</p>
</div>
<div class="tab-pane fade" id="self-related" role="tabpanel" aria-labelledby="self-related-tab">
<p>
Selbstbezogene Faktoren umfassen das Selbstbild und die Fähigkeit der Lernenden, ihre eigenen Lernprozesse zu steuern. Ein zentrales Konzept ist hierbei das <strong>Selbstgesteuerte Lernen (Self-Regulated Learning)</strong>, das beschreibt, wie Lernende aktiv ihre Ziele setzen, Lernstrategien wählen und ihre Fortschritte überwachen. Ein wirksames Feedbacksystem muss diese Selbstregulationsfähigkeiten unterstützen, indem es den Lernenden hilft, ihren Lernprozess besser zu reflektieren und zu steuern. In Kombination mit kognitiven und motivationalen Faktoren trägt dies dazu bei, personalisiertes Feedback zu gestalten, das die Eigenverantwortung und den Lernerfolg fördert.
</p>
</div>
<div class="tab-pane fade" id="usability" role="tabpanel" aria-labelledby="usability-tab">
<p>
<strong>Usability</strong> bezieht sich auf die Benutzerfreundlichkeit eines Systems, insbesondere darauf, wie einfach und effektiv ein Feedbacksystem von Lernenden genutzt werden kann. Ein benutzerfreundliches System zeichnet sich durch eine intuitive Bedienung, klare Struktur und verständliche Visualisierungen aus. In einem Learning Analytics-System bedeutet das, dass die bereitgestellten Daten und Feedbackmechanismen leicht zugänglich und verständlich sind, sodass Lernende die Informationen ohne großen Aufwand nutzen können, um ihre Lernprozesse zu verbessern.
</p>
</div>
<div class="tab-pane fade" id="acceptance" role="tabpanel" aria-labelledby="acceptance-tab">
<p>
<strong>Akzeptanz</strong> bezieht sich darauf, inwieweit ein System oder ein Feedbackmechanismus von den Nutzenden angenommen und positiv bewertet wird. Dabei lässt sich das <strong>Technology Acceptance Model (TAM)</strong> von Davis heranziehen, um zu erklären, warum Nutzende ein technisches System annehmen oder ablehnen. Davis' Modell besagt, dass die Akzeptanz vor allem durch zwei Faktoren bestimmt wird:
<ul>
<li><strong>Wahrgenommene Nützlichkeit (Perceived Usefulness):</strong> Wie sehr die Nutzenden glauben, dass das System ihre Leistung verbessert.</li>
<li><strong>Wahrgenommene Benutzerfreundlichkeit (Perceived Ease of Use):</strong> Wie einfach das System zu bedienen ist, ohne dass es zu einer übermäßigen Belastung wird.</li>
</ul>
Je positiver die beiden Faktoren bewertet werden, desto höher ist die Wahrscheinlichkeit, dass die Lernenden das System nutzen und akzeptieren. Diese beiden Dimensionen beeinflussen stark, ob ein Learning Analytics-System erfolgreich in den Lernprozess integriert wird und wie bereitwillig es von den Lernenden angenommen wird.
</p>
</div>
<div class="tab-pane fade" id="feedback-types" role="tabpanel" aria-labelledby="feedback-types-tab">
<p>
In einem Learning Analytics-System können vier verschiedene Feedbackarten genutzt werden:
<ul>
<li><strong>Deskriptives Feedback:</strong> Gibt eine detaillierte Beschreibung der aktuellen Leistung der Lernenden, z.B. durch die Darstellung von Fortschritten oder erreichten Ergebnissen. Es zeigt, was gut funktioniert und wo Verbesserungen notwendig sind.</li>
<li><strong>Diagnostisches Feedback:</strong> Geht tiefer und analysiert die Ursachen hinter der Leistung. Es hilft Lernenden zu verstehen, warum bestimmte Ergebnisse erzielt wurden und wo ihre Stärken und Schwächen liegen.</li>
<li><strong>Präskriptives Feedback:</strong> Gibt konkrete Empfehlungen, was die Lernenden tun können, um ihre Leistung zu verbessern. Es bietet klare Handlungsanweisungen basierend auf der aktuellen Leistung.</li>
<li><strong>Prädiktives Feedback:</strong> Nutzt Daten, um zukünftige Entwicklungen vorherzusagen. Es gibt Hinweise darauf, welche Herausforderungen oder Erfolge die Lernenden in Zukunft erwarten können und wie sie sich darauf vorbereiten sollten.</li>
</ul>
</p>
</div>
</div>
</div>
</section>
</main>
<footer id="footer" class="footer">
<!-- Footer content here -->
<div class="container">
<p>Zurück zur <a href="index.html">Startseite</a></p>
<p>&copy; 2024 KNIGHT Project. All rights reserved.</p>
</div>
</footer>
<script src="assets/vendor/bootstrap/js/bootstrap.bundle.min.js"></script>
......
Supports Markdown
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment

Dies ist die Gitlab-Instanz des Transferportals der Hochschule für Technik Stuttgart. Hier geht es zurück zum Portal