Kurzpräsentation - Auswertung von drei meta-Analyse zu Learning Analytics zur Bestimmung von digital auditierbaren Lernendendaten

1. 1
LERNRELEVANTE MERKMALE
Sammlung und Strukturierung von Lernendendaten
für Learning Analytics (LA)
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

2. 2
Inhalt
• Ausgangslage
• Einflussfaktoren auf den Lernerfolg (Helmke)
• Lehrangebote an Lernende ausrichten
• Datengestützte Beschreibung der/des Lernenden
• Fazit
• Quellen
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

3. 3
Ausgangslage
• Identifikation lernrelvanter Merkmale anhand des Angebots-Nutzungs-Modells
von Helmke (2015)
• Auswertung von drei Meta-Analysen zu Learning Analytics (LA)
• Sammlung und Strukturierung digital auditierbarer Lernendendaten
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

4. 4
Wahr-
nehmung/
Inter-
pretation
Lehrperson
Unterricht
(Angebot)
Unterrichtszeit
Familie
Lernpotenzial
Lern-
aktivität
(Nutzung)
Kontextfaktoren
Wirkungen
(Ertrag)
nach Helmke 2015, S. 71, eigene vereinfachte Darstellung
Angebot Nutzen Effekt
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

5. 5
Wahr-
nehmung /
Inter-
pretation
Familie
Lernpotenzial
Lern-
aktivität
(Nutzung)
Lernende (1/4)
Sozio-demografischer Hintergrund (Familie)
• Geschlecht, Alter
• Staatsangehörigkeit, Migrationshintergrund
• Familienstand
• Einkommen
• Bildungshintergrund der Eltern
• PLZ
• Behinderung*
*Die Frage nach einer Behinderung ist für Nutzungsmöglichkeiten des Lernangebots relevant.
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

6. 6
Wahr-
nehmung /
Inter-
pretation
Familie
Lernpotenzial
Lern-
aktivität
(Nutzung)
Lernende (2/4)
Lernpotenzial (1/2)
Kognitive Voraussetzungen (Vorwissen, Intelligenz)
• Hochschulzugangsberechtigung, Abschlussnote
• Studienfach bzw. absolvierte Studienfächer
• Semester, Einschreibungen
• Erfolgreich abgeschlossene Lehrveranstaltungen
• Lernergebnisse (diagnostisch, formative,
summative)
• Veröffentlichungen
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

7. 7
Wahr-
nehmung/
Inter-
pretation
Familie
Lernpotenzial
Lern-
aktivität
(Nutzung)
Lernende (3/4)
Lernpotenzial (2/2)
Affektiv-motivationale Voraussetzungen
• Sensordaten
• Sentimentsanalysen
• Soziale Verbindungen
• Angestrebter Studienabschluss
• Fragebögen (Lernstrategien, epistemologische
Überzeugungen, Persönlichkeitsmerkmale,
Selbstwirksamkeitskonzepte usw.)
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

8. 8
Wahr-
nehmung /
Inter-
pretation
Familie
Lernpotenzial
Lern-
aktivität
(Nutzung)
Lernende (4/4)
Wahrnehmung/Interpretaion & Lernaktivität
• Anwesenheit
• LMS Zugriffe auf Kurse und Kursinhalte
• Genutzte Lernmaterialien
• Diskussions-/Forenbeiträge
• Aufgaben-Einreichungen
• Nicht abgeschlossene Lerneinheiten
• Teilnahme an Umfragen, Evaluationen
• Aufgerufenes Feedback (ggf. Dashboard)
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

9. 9
Fazit
• Das Angebots-Nutzungs-Modell von Helmke erscheint geeignet, um
lernrelevante Einflussfaktoren in digitalen Lernräumen zu bestimmen.
• Eine datengestützte Beschreibung von Lernenden (Lernzuständen und
Lernverläufen) ist mit digital auditierten Daten möglich.
 These: Anhand digitaler Daten lassen sich Lernzustände und Lernverläufe
ausreichend beschreiben, um Lernangebote individuell anzupassen.
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

10. 10
Quellen
Albreiki, Balqis; Zaki, Nazar; Alashwal, Hany (2021): A Systematic Literature Review of Student’
PerformancePrediction Using Machine Learning Techniques. In: Education Sciences 11 (9), S. 552. DOI:
10.3390/educsci11090552.
Helmke, Andreas (2015). Unterrichtsqualität und Lehrerprofessionalität: Diagnose, Evaluation und
Verbesserung des Unterrichts / Andreas Helmke; Franz Emanuel Weinert gewidmet. 6. Auflage. Seelze-
Velber: Klett Kallmeyer.
Ifenthaler, Dirk; Yau, Jane Yin-Kim (2020): Reflections on Different Learning Analytics Indicators for
Supporting Study Success. In: iJAI 2 (2), S. 4. DOI: 10.3991/ijai.v2i2.15639.
Khalil, Mohammad; Prinsloo, Paul; Slade, Sharon (2022): A Comparison of Learning Analytics Frameworks: a
Systematic Review. In: Alyssa Friend Wise, Roberto Martinez-Maldonado und Isabel Hilliger (Hg.): LAK22:
12th International Learning Analytics and Knowledge Conference. LAK22: 12th International Learning
Analytics and Knowledge Conference. Online USA, 21 03 2022 25 03 2022. New York, NY, USA: ACM /
Association for Computing Machinery, S. 152–163, zuletzt geprüft am 04.01.2022.
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani

11. 11
VIELEN DANK!
05/2022, Claudia Ruhland, Morsheda Akter, Sara Derakhshani