Learning Analytics Infrastruktur
Personalisierte Lernunterstützung durch datengestützte Analyse und Feedbacksysteme
Learning Analytics Infrastruktur
Inhaltsverzeichnis
Ziel des Arbeitspakets
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.
Datenfluss und Systemarchitektur
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.
Feedbackmodell
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.
Interaktive Elemente
Feedbacktypen
- Leistungsbezogenes Feedback: Rückmeldung zum Ergebnis, z. B. richtig/falsch, Punktzahl.
- Prozessbezogenes Feedback: Hinweise zur gewählten Lösungsmethode oder Strategie.
- Selbstregulierendes Feedback: Unterstützung zur Selbstreflexion und Planung des weiteren Lernens.
Einsatz & Evaluation
Die Infrastruktur wird prototypisch in mehreren Pilotkursen an Hochschulen eingesetzt. Dabei erfolgt eine begleitende Evaluation hinsichtlich technischer Funktionalität, Akzeptanz durch Lehrende und Lernende sowie Auswirkungen auf den Lernerfolg. Die Erkenntnisse fließen in die Weiterentwicklung der Feedbackmechanismen und die Optimierung der Lernpfade ein.