<divclass="interactive-element">Klicke für mehr Informationen</div>
<divclass="interactive-content">Hier erscheinen weitere Informationen zum Element …</div>
<h2id="feedbacktypen">Feedbacktypen</h2>
<divclass="feedback-types">
<ul>
<li>Leistungsbezogenes Feedback</li>
<li>Prozessbezogenes Feedback</li>
<li>Selbstregulierendes Feedback</li>
</ul>
</div>
<h2id="einsatz">Einsatz & Evaluation</h2>
<p>Die Evaluation erfolgt in realen Lernsettings, unter anderem in …</p>
</section>
</section>
<sectionclass="container content-section">
<h2id="ziel">Ziel des Arbeitspakets</h2>
<p>
Das Ziel dieses Arbeitspakets ist die Entwicklung und Erprobung einer modularen Infrastruktur für Learning Analytics (LA), die in Lernplattformen
integriert werden kann. Sie soll es ermöglichen, Lernprozesse datenbasiert zu analysieren und darauf aufbauend personalisiertes Feedback für Lernende
bereitzustellen. Die Infrastruktur dient damit sowohl der individuellen Lernunterstützung als auch der Evaluation von Lernpfaden und Bildungsmaßnahmen.
</p>
<h2id="datenfluss">Datenfluss und Systemarchitektur</h2>
<p>
Die Infrastruktur basiert auf einer Microservice-Architektur, die zentrale Komponenten wie Datenaggregation, Analysemodule und Feedback-Engines
integriert. Lernaktivitäten (z. B. Testbearbeitung, Interaktionen, Logins) werden in Echtzeit erfasst und in einer zentralen Datenspeicherung
verarbeitet. Analytische Services berechnen daraus individuelle Lernfortschritte, die über standardisierte Schnittstellen an Feedbacksysteme übergeben
werden.
</p>
<h2id="modell">Feedbackmodell</h2>
<pclass="feedback-model-description p-3">
Das zugrunde liegende Feedbackmodell orientiert sich an bestehenden didaktischen Prinzipien wie der Förderung von Selbstregulation, adaptivem
Feedback und motivationaler Unterstützung. Die Rückmeldungen sind differenziert nach Leistungsstand, Lernverhalten und Zielsetzung. Durch diese
Differenzierung werden unterschiedliche Feedbackarten (z. B. korrektiv, prozessbezogen, metakognitiv) ermöglicht.
