Daten zu nutzen, um Entscheidungen in Bildung und Ausbildung  zu beeinflussen, ist nichts Neues. Jedoch haben das Ausmaß und die Fülle an möglichen Auswirkungen auf das Lehren und Lernen in den letzten Jahren zugenommen. Wir sind jetzt auf dem Stand, dass wir Daten automatisch "ernten" können, was in einer solch vielfältigen Form bislang nicht vorstellbar war. Die Analyse dieser Daten  birgt das Potenzial, evidenzbasierte Einblicke in die Fähigkeiten der Lernenden und in Verhaltensmuster zu erlangen, was wiederum wichtige Erkenntnisse liefern kann, um Curricula und Lehre zu planen, die Ergebnisse für alle Lernenden zu verbessern und so zur wirtschaftlichen und gesellschaftlichen Entwicklung auf nationaler und europäischer Ebene beizutragen. 

Learning Analytics in der Praxis

Learning Analytics steckt zwar noch in den Kinderschuhen, jedoch sind die Erwartungen an diese Technik und ihr Potential groß. Lehrende können Learning Analytics nutzen, um: den Lernprozess zu begleiten, die Daten der Lernenden auszuwerten, Probleme zu identifizieren, Muster aufzudecken, frühzeitig Erfolgsindikatoren, schlechte Noten oder Abbruchsfälle festzustellen, die Nützlichkeit der Lernmaterialien zu bewerten, bewusstes Lernen, Reflexion und Selbstreflexion zu fördern, das Verständnis für Lernumgebungen zu erhöhen, um einzuschreiten, zu betreuen und zu beraten sowie um die Lehre, die Ressourcen und die Lernumgebung zu verbessern.

Lernende können Learning Analytics wiederum dazu nutzen, um ihre eigenen Handlungen, Interaktionen und Lernprozesse im Auge zu behalten, ihre eigenen Aktivitäten mit anderen zu  vergleichen, bewusstes Lernen, Reflexion und Selbstreflexion zu erhöhen, ihre Teilnahme an Diskussionen sowie ihr Lernverhalten und ihre Leistung zu verbessern und somit zu effektiveren Lernenden zu werden.

Der Zeitfaktor ist bei der Entwicklung von Analysen ein wichtiges Element. Die meisten aktuellen Analysen beziehen sich auf Daten, die Aufschluss über Vergangenes geben. Andere Analysen verbinden die aktuelle Situation mit einer Zukunftsvoraussage, wobei sie Prognosen und Modellbildung nutzen, um Erfolgsindikatoren, Scheitern oder Lernabbrüche zu identifizieren. Ein bevorzugter Ansatz, der Learning Analytics und Learning Design verbindet, wird die Nutzung von Analysen sein, die Lehrende und Lernende dabei unterstützen, die gewünschten zukünftigen Ergebnisse zu erzielen.

In der Diskussion um das große Potenzial von Learning Analytics sollten aber einige Aspekte nicht in Vergessenheit geraten. Dazu zählen die Interoperabilität und die Standardisierung von verschiedenen digitalen Lernumgebungen und verschiedenen Anbietern von Lerninhalten. Wenn die verschiedenen technischen Systeme nicht "miteinander sprechen" und Daten austauschen können, bleiben die Informationen in den unterschiedlichen Systemen eingeschlossen, und das Potenzial von Learning Analytics kann sich nicht entfalten.

Ein weiterer wichtiger Punkt ist die Visualisierung von Daten. Wenn die große Menge an Daten, die in den Systemen gesammelt wird, nicht visualisiert werden kann, so dass die Daten auch ohne fortgeschrittene Statistikkenntnisse verständlich sind, werden die Daten für die meisten Menschen von geringem Nutzen sein. Die Ergebnisse müssen so visualisiert werden, dass individuelle Lernende sowie Lehrende sie verwenden können.

Datenschutz ist wichtig

Der wichtigste Aspekt ist aber die Privatsphäre, beziehungsweise das Recht, kontrollieren zu können, was andere über einen wissen. Larry Johnson, CEO des New Media Consortiums (NMC), das bekannt für seine Horizon Trend Reports zu den neuesten Trends im weltweiten Bildungstechnologiesektor  ist, sagt: "Jeder redet über Big Data und Learning Analytics, aber wenn der Datenschutz nicht rechtzeitig geklärt wird, ist das Projekt gestorben, bevor es überhaupt angelaufen ist." Der beste Umgang mit Privatsphärenangelegenheiten ist es, den Lernenden die volle Kontrolle über ihre eigenen Daten zu überlassen. Die niederländische Organisation Kennisnet hat versucht, die verschiedenen Möglichkeiten für den Zugang von Lernenden zu ihren eigenen Daten zu visualisieren. Anstatt das Thema Datenschutz angstbesetzt anzugehen und die möglichen Risiken hervorzuheben, hat Kennisnet die Simulation "Privicy by Design" erstellt, die ungezwungen Fragen zum aktuellen Umgang mit Daten im Bildungsbereich aufwirft. Ein Online-Dashboard zeigt transparent, welche Daten im Laufe des Lernprozesses gesammelt werden, zu welchem Zweck und wo und wann dies geschieht. Die Lernenden können selbst entscheiden, wer wie lang Zugang zu welchen Daten hat.

Wohin steuert Learning Analytics?

Die aktuelle Entwicklung in Learning Analytics konzentriert sich auf drei Bereiche: Den Umfang und die Anwendungsmöglichkeiten von Learning Analytics, die Einbindung von Analysen in bereits bestehende Kurse sowie die Ausweitung von Learning Analytics auf neue Bereiche, besonders auf MOOCs. Es ist inzwischen relativ unkompliziert, datenbasierte Learning Analytics zu entwickeln, die auf leicht quantifizierbaren und zählbaren Aktivitäten basieren, wie beispielsweise die Punktevergabe für einzelne Onlinetests. Die Herausforderung besteht darin, Analysen zu entwickeln, die von Fragen und nicht von Daten ausgehen. Welche Probleme könnten solche Analysen helfen zu lösen? Was sind die Vorteile für Lernende und Lehrende? Wie können Analysen zu einem positiven Wandel beitragen? Dies sind grundlegende Fragen, die nicht aus den Daten hervorgehen. Sie stammen hingegen aus Lern- und Lehrmodellen, aus Wissenskonzepten, wie Lernen vonstatten geht und was als Erfolg gewertet werden kann.

Die zukünftige Entwicklung von Learning Analytics sollte nicht nur Wissenschaftlern und kommerziellen Anbietern überlassen werden. Sie muss auch Lehrende und schließlich auch Lernende mit einbeziehen. Wie können wir ein Bewusstsein dafür schaffen, dass Learning Analytics wichtig sind, und wie können wir Treffpunkte ins Leben rufen, wo Lernende und Lehrende mitreden und die Form neuer Analysetools sowie die Entwicklung von Learning Analytics beeinflussen können?