Dieses Arbeitspaket 3 (AP3) hat das Ziel, unterstützende Lernumgebungen zu schaffen, die die Lernprozesse der Studierenden durch den Einsatz von Learning Analytics optimieren. Dabei werden verschiedene Datenquellen genutzt, um den Lernenden personalisiertes Feedback in Echtzeit zu geben und ihre Motivation sowie ihr Engagement zu steigern.
<pclass="lead">Personalisierte Lernunterstützung durch datengestützte Analyse und Feedbacksysteme</p>
<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 dargestellt und für personalisiertes Feedback genutzt.
</p>
<divclass="text-center">
<imgsrc="assets/img/LA-prozess-ST.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>
<divclass="text-center">
<imgsrc="assets/img/modell.png"alt="Integratives Modell zur Gestaltung von lernzentrierten Feedbacksystemen"class="img-fluid">
</div>
<h2>Interaktive Elemente in der Abbildung</h2>
<p>
Die folgenden interaktiven Elemente beziehen sich auf die Schichten des Modells und bieten detaillierte Informationen zu den verschiedenen Faktoren, die in das Feedbacksystem einfließen. Klicken Sie auf die einzelnen Abschnitte, um mehr über kognitive, motivationale und selbstbezogene Faktoren sowie über Usability und Akzeptanz zu erfahren.
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. In Kombination mit motivationalen und selbstbezogenen Faktoren trägt dies zur Entwicklung von personalisiertem und effektivem Feedback bei.
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. Zusammen mit kognitiven und selbstbezogenen Faktoren hilft dies, personalisiertes Feedback zu gestalten, das die Motivation stärkt und das Lernen unterstützt.
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. 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>
</section>
<divclass="interactive-element">Usability</div>
<sectionclass="section">
<divclass="interactive-content">
<divclass="container">
<p>
<h2>AP 3: Technische Infrastruktur für Learning Analytics und KI-gestütztes Feedback</h2>
Usability 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.
<br><br>
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>
<divclass="interactive-element">Akzeptanz</div>
<h3>LA-Infrastruktur</h3>
<divclass="interactive-content">
<p>Im Rahmen der LA-Infrastruktur werden:</p>
<p>
Akzeptanz 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.
<br><br>
Davis' Modell besagt, dass die Akzeptanz vor allem durch zwei Faktoren bestimmt wird:
<ul>
<ul>
<li><strong>Wahrgenommene Nützlichkeit:</strong> Wie sehr die Nutzenden glauben, dass das System ihre Leistung verbessert.</li>
<li>lernbezogene Daten aus verschiedenen Quellen wie Moodle und VR erfasst, zentral gespeichert und ganzheitlich analysiert,</li>
<li><strong>Wahrgenommene Benutzerfreundlichkeit:</strong> Wie einfach das System zu bedienen ist, ohne dass es zu einer übermäßigen Belastung wird.</li>
<li>auf Basis von gesammelten Daten Rückmeldungen an die Lernenden gegeben,</li>
<li>die Wirksamkeit dieser Feedbacks auf Lernprozesse, Engagement und Motivation empirisch untersucht.</li>
</ul>
</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.
<pclass="fst-italic">Abbildung: Datenfluss und Feedback-Mechanismus der LA-Infrastruktur</p>
</div>
<h2>Modell zur Gestaltung von Feedbacksystemen</h2>
<h3>Digital Educational Mirror</h3>
<pclass="feedback-model-description">
<p>Realisierung durch das <strong>Moodle-Plugin Excalibur</strong>. Eingesetzt in Mathematik- und Logistik-Kursen.</p>
Dieses Modell basiert auf theoretischen Grundlagen und aktuellen Forschungsergebnissen und umfasst mehrere Schichten, die verschiedene Aspekte des Feedbackprozesses abdecken. Es verbindet kognitive, motivationale und selbstbezogene Faktoren durch unterschiedliche Feedbacktypen, die in einem theoretischen Rahmen eingebettet sind, der auf Akzeptanz und Benutzerfreundlichkeit fokussiert ist.
<p>Der Mirror bietet datengestütztes Feedback für Studierende zu ihrem Lernverhalten (z. B. Videoaufrufe, Aktivität, Fortschritt) und ermöglicht gezielte Selbstregulation.</p>
<br><br>
<p>Die Wirksamkeit wird kontinuierlich evaluiert (siehe Publikationen unten).</p>
Das Modell unterscheidet vier Feedbacktypen, die durch verschiedene Faktoren beeinflusst werden und in drei Schichten organisiert sind. In der inneren Schicht, dem sogenannten
<strong>Bereitstellungslayer</strong>, werden Dashboards, Signalsysteme und pädagogische Agenten verwendet, um Feedback auf ansprechende und benutzerfreundliche Weise bereitzustellen. Die nächste Schicht, das <strong>Designlayer</strong>, stellt sicher, dass das Feedback verständlich und benutzerfreundlich gestaltet ist, wobei hier vor allem Fragen zur Usability im Mittelpunkt stehen. Die äußere Schicht fokussiert sich auf den <strong>Lernenden</strong>, indem sie kognitive Fähigkeiten, Motivation und Selbstkonzept berücksichtigt, um personalisiertes Feedback zu ermöglichen.
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 Unternehmensnetzwerken“ eingesetzt und evaluiert.
<h3>Digital Educational Lecture Cockpit</h3>
</p>
<p>Für Lehrende steht das Lecture Cockpit zur Verfügung, das in Excalibur integriert ist.</p>
<p>Lehrende erhalten Einblick in aggregierte Aktivitätsdaten der Studierenden (z. B. Videoabrufe, Aufgabenbearbeitung) und können ihre Lehre datenbasiert anpassen.</p>
<h3>Digitaler Assistent zur Interaktionsanalyse</h3>
<p>In VR-basierten Lernszenarien werden Interaktionen erfasst und analysiert, z. B.:</p>
<ul>
<ul>
<li><iclass="bi bi-bar-chart-line"></i><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>Augenbewegungen (Eye-Tracking),</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>Gestik und Mimik,</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>räumliche Nähe zwischen Avataren,</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>
<li>Sprachverhalten und Sprechanteile.</li>
</ul>
</ul>
</div>
<p>Ziel ist eine adaptive Unterstützung individueller Lernprozesse und sozialer Gruppeninteraktionen.</p>
<p>Zum Einsatz kommen sogenannte <strong>VIPAs (Virtuelle Intelligente Pädagogische Agenten)</strong>, die situativ eingreifen und unterstützen.</p>
<pclass="fst-italic">Abbildung: VIPA-Simulation in einer kollaborativen VR-Umgebung</p>
<h2>Ziel des Teilprojekts</h2>
<h3>Publikationen (Auswahl)</h3>
<divclass="feedback-model-description">
<ul>
<p>
<li>
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 Unternehmensnetzwerken“ eingesetzt und evaluiert.
Hirsch, S. & Uckelmann, D. (2024). <strong>Effective Feedback Systems in Learning Analytics</strong>: Didactic and Psychological Foundations, Implementations, and Perspectives. In: <em>21st International Conference on Information Technology Based Higher Education and Training (ITHET)</em>, 1–10. <br>
Hirsch, S., Uckelmann, D. & Podgayetskaya, T. (in process). <strong>Understanding the Acceptance of Learning Analytics</strong>: The Role of Motivational and Self-Regulatory Factors. <em>Journal of Technical Education (JOTED)</em>.
Hirsch, S., Traboulsi, S., & Uckelmann, D. (2025). <strong>Theory-based design of AI-driven virtual training systems</strong>. <em>Artificial Intelligence in Education and Training (AIET)</em>, Springer Nature. (in press)
</li>
<li>
Hirsch, S., & Uckelmann, D. (in process). <strong>Conditions for the Successful Implementation of Learning Analytics in Higher Education</strong>. In: Auer, M. & May, D. (Eds.), <em>2025 Yearbook Emerging Technologies in Learning</em>, Springer.
</li>
</ul>
</div>
</div>
</section>
</section>
</main>
</main>
<footerid="footer"class="footer">
<footer>
<divclass="container">
<divclass="container">
<p>Zurück zur <ahref="index.html">Startseite</a></p>
<p>Um zur Startseite zurückzukehren, klicken Sie bitte auf den folgenden Link:</p>
