Learning Analytics in informellen Szenarien
Hannover, November 2016 - Lernen findet zunehmend in informellen Kontexten statt und ist zentraler Bestandteil alltäglicher Online-Aktivitäten. Beispielsweise der Austausch und die Interaktion in Sozialen Netzwerken oder auch die Benutzung von Suchmaschinen lassen oft einen impliziten Lernprozess erkennen. So entstehen täglich große Datenmengen, deren Interpretation in Bezug auf lernrelevante Aspekte, wie die Kompetenz oder das Lernverhalten eines Nutzers, die effiziente Auswertung großer Datenmengen erfordert. Dr. Stefan Dietze von der Leibniz Universität Hannover geht bei seinem Vortrag auf der LEARNTEC hierzu ins Detail.
Ihr LEARNTEC-Vortrag ist mit "Analytics for Everyday Learning" überschrieben. Inwieweit unterscheiden sich Analytics im täglichen Lernprozess von jenen, die für spezielle, definierte Lernmaßnahmen angewendet werden?
Dr. Stefan Dietze: Heutiges Lernen kann etwa ein Teil unserer Interaktionen auf Facebook, Wikipedia, Slideshare oder auch ein implizites Element einer Websuche sein, bei der sich Lernprozesse erkennen lassen. Dies steht im krassen Gegensatz zu den eng gesteckten Grenzen formaler Lernszenarien und -umgebungen, in denen i.d.R. definierte Lernziele mit dezidierten Lernressourcen unterstützt werden. Das stellt neue Herausforderungen auch an den Bereich Analytics.
Essentielle Fragen sind zum Beispiel: Wie lassen sich in informellen Szenarien Lernaktivitäten erkennen? Wie lassen sich Lernerfolg oder lernrelevante Konzepte wie Kompetenz aus großen, heterogenen Aktivitätsdatenmengen erkennen? Zentrales Problem ist unter anderem die Abwesenheit von Assessment-Daten, die Aufschluss über den Lernerfolg geben. Learning Analytics muss daher heterogene und umfangreiche Daten, z.B. aus Activity Streams, Navigationsdaten, oder sogenannte "Behavioral Traces" wie Mausbewegungen berücksichtigen, um aussagekräftige Rückschlüsse ziehen zu können.
Wie beeinflusst und verändert der Einsatz von Learning Analytics den Lernvorgang?
Dr. Stefan Dietze: Ein Ansatz wäre beispielsweise die gewonnenen Rückschlüsse über Lernverhalten im Social Web zu nutzen, um Lernen durch entsprechende Hilfestellungen und Empfehlungen besser zu unterstützen oder frühzeitig negatives Verhalten zu erkennen und adäquat reagieren zu können. Im Rahmen des AFEL Projekts werden hier aktuell erste Erkenntnisse im Rahmen der sozialen Umgebung Didactalia angewendet, später sollen andere Plattformen hinzukommen.
Welchen zusätzlichen – technischen und anderen – Aufwand erfordert der Einsatz von Learning Analytics für Bildungsanbieter?
Dr. Stefan Dietze: Gerade in informellen Umgebungen sind ausgeprägtere Kenntnisse in Technologien zur Analyse heterogener Datenmengen notwendig. Von der Analyse-Seite her sind Verfahren des maschinellen Lernens von großer Bedeutung, bzw. allgemeine Data Science Methoden. Zudem sind aufgrund der Komplexität und des Umfangs der zu betrachtenden (historischen) Daten i.d.R. auch Technologien zur effizient verteilten Verarbeitung hilfreich, also die allgemein unter "Big Data"-Technologien zusammengefassten Methoden. Dies ist aber prinzipiell auch nicht spezifisch für Learning Analytics, sondern trifft auf alle datengetriebenen Szenarien zu. Learning Analytics ist hier einer von vielen Anwendungsbereichen, bei denen es um ein besseres Verständnis von Nutzeraktivitäten geht.
Welchen Nutzen haben die Anbieter, welchen die Anwender?
Dr. Stefan Dietze: Beide Seiten, Anbieter und Nutzer, profitieren vor allem von einem besseren Verständnis der Nutzer, wodurch Nutzer und ihre Anliegen und Informationsbedürfnisse adäquater unterstützt werden können.
Wann wird der Einsatz von Learning Analytics Ihres Erachtens ein Standard werden?
Dr. Stefan Dietze: Je nach Definition ist Learning Analytics schon als Standard zu betrachten. Speziell in informellen Szenarien gemäß des AFEL-Ansatzes, z.B. im Social Web, werden Nutzeraktivitäten bereits umfassend analysiert und untersucht. In formaleren Lernszenarien entwickelt sich Data Mining und Learning Analytics bereits seit längerem zu einem impliziten und omnipräsenten Bestandteil.
"Analytics for Everyday Learning - Mining & Analysis of Learning Activities on the Web", Konferenzraum 8/9, 24.1.2017, 11:45-12:15 Uhr
