Arbeitspaket 3: Learning Analytics – Konzeption und Umsetzung

AP 3 zielt auf den Aufbau und die iterative Entwicklung technischer Learning-Analytics- und KI-Infrastrukturen zur evidenzbasierten Unterstützung von Studierenden, Lehrenden und Studienverantwortlichen.

Verantwortlich für AP 3:

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“