Der "NMC Horizon Report: 2014 Higher Education Edition" bewertete das Thema Learning Analytics als wichtige lehr-/lerntechnologische Entwicklung im Hochschulbereich, deren Umsetzung in einem Zeithorizont von einem Jahr oder weniger erwartet wird. In der Online-Veranstaltung auf e-teaching.org wurde das Thema näher betrachtet und diskutiert, welcher Beitrag damit zur Erforschung von Lehre und Lernen geleistet wird. Als Learning Analytics wird die Erhebung von Daten über Lernende und ihren Lernkontext verstanden. Dabei geht es darum, bewusst die Daten verschiedener Quellen (z.B. von Verwaltungs- und Lernmanagementsystemen) zu aggregieren und sinnvoll aufeinander bezogen auszuwerten. Auf diese Weise sollen beispielsweise Lernfortschritte gemessen und künftige Leistungen vorhergesagt werden; außerdem geht es darum, den Lernprozess gezielt zu unterstützen. In Verbindung mit Lernplattformen lässt sich beispielsweise erheben, wann und wie lange gelernt wird, welche Lehrmaterialien Lernenden attraktiv erscheinen und welche Lernpfade sie benutzen. Mit diesem Wissen kann später auch ein Zusammenhang zwischen Nutzungsverhalten und Prüfungsleistungen hergestellt werden. Im Online-Event wurde u.a. thematisiert, welche Daten erhoben werden und inwiefern die gewonnenen Daten Rückschlüsse auf das Lernverhalten zulassen bzw. zur Verbesserung der Lehre genutzt werden können. Nicht zuletzt geht es auch um die rechtlichen Fragestellungen, die sich bei der Erfassung personenbezogener Daten ergeben.

1. R I N G V O R L E S U N G
E - T E A C H I N G . O R G
3 0 . 0 6 . 1 4
Learning Analytics – Tools zur
Erforschung von Lehre und
Lernen?
Albrecht Fortenbacher

2. Agenda
— Learning Analytics!
¡ Begriffe – Daten
— Fallstudio LeMo!
¡ Projekt – Tool - Daten – Analysen – Analyse eines Kurses
— Quo vadis?
¡ Roadmap – Pro & Contra

3. forte.f4.htw-berlin.de

4. arbeitskreis-learning-analytics.f4.htw-berlin.de

5. L E A R N I N G A N A L Y T I C S !
B E G R I F F E

6. Learning Analytics
... is the measurement, collection, analysis
and reporting of data about learners and their
contexts, for purposes of understanding and
optimising learning and the environments in
which it occurs.
[LAK 2011, G. Siemens]

7. Educational Data Mining
... deals with the development of methods
to explore data originating in an
educational context. EDM uses
computational approaches to analyze
educational data in order to study
educational questions.
[S. Ventura, C. Romero]

8. Educational Process Mining
... aims at constructing complete and
compact educational process models that
are able to reproduce all observed
behavior, checking whether the modeled
behavior matches the observed behavior,
and projecting information extracted from
the logs onto the model, ...
[N. Trcka, M. Pechenizkiy]

9. L E A R N I N G A N A L Y T I C S !
D A T E N A N A L Y S E

10. Klassifikation
— institutionelle Ebene
¡ Bildungseinrichtungen, Kurse, ...
¡ statistische Auswertungen
÷ Ziel: Indikatoren, Maßzahlen
— Lehrende
¡ statistische Auswertungen
÷ Ziel: Verbesserung des Lehrangebots
¡ individuelle Auswertungen
÷ Ziel: bessere Betreuung
— Lernende
¡ individuelle Auswertung
÷ Ziel: Reflektion, pers. Lernumgebung, Recommender, ...

11. Datenquellen
— Lernumgebung
¡ persönliche Daten
¡ Daten über Lernkontext
¡ Log-Daten
— Institution
¡ persönliche, sozio-kulturelle Daten
¡ Lernhistorie
— soziale Netzwerke
¡ Kommunikations- und Kollaborationsdaten

12. Extract Transform Load
Übernahme der Daten aus Plattform / Lernumgebung
¡ für Analyse geeignetes Datenmodell
÷ Standardisierung
¡ Filterung der Daten
÷ personenbezogene Daten (Datenschutz!)
÷ Reduktion der Datenmenge
¡ Aggregation der Daten
÷ Kontextinformationen

13. F A L L S T U D I E L E M O !
P R O J E K T

14. Lernprozessmonitoring 2011 - 2013
¡ Monitoring von Lernprozessen in
personalisierenden und nicht
personalisierenden Lernplattformen
¡ 3 Berliner Hochschulen
÷ Beuth-Hochschule für Technik Berlin
÷ Hochschule für Wirtschaft und Recht
÷ Hochschule für Technik und Wirtschaft
¡ 4 Partnerunternehmen
÷ FIZ Chemie
÷ IMC AG
÷ eLeDia
÷ bbw Hochschule

15. Hochschulbasierte Weiterbildung 2013 - 2015
¡ Efficient Learning Analytics
¡ Hochschule
÷ HTW Berlin
¡ 2 Partnerunternehmen
÷ Iversity.org
÷ BIG Social Media

16. F A L L S T U D I E L E M O !
T O O L

17. LeMo
¡ Open Source
¡ http://lemo-
projekt.de
¡ http://
github.com

18. Zielgruppen
¡ Lehrende (++)
¡ E-Learning Provider (+)
÷ Plattform
÷ Inhalte
¡ Forscher (+-)
¡ Studierende (-)

19. F A L L S T U D I E L E M O !
A N A L Y S E N

20. Analyse von Trends
¡ statistische Analysen
÷ Zugriff auf Lerninhalte
÷ Aktivität über die Zeit
¡ Analyse des Navigationsverhaltens
÷ Navigationsgraph
÷ häufige Pfade
¡ interaktive Visualisierungen
÷ Filter
÷ Zeitraum

21. Nutzung des Lernangebots
¡ Aktivität / Zeit
¡ Anzahl der Clicks auf
Lerninhalte / Tag
¡ Anzahl der aktiven
User / Tag

22. Nutzung des Lernangebots
¡ Aktivität / Lerninhalt
¡ alternative Darstellung als
Treemap

23. Navigationsgraphen

24. häufige Pfade

25. F A L L S T U D I E L E M O !
D A T E N

26. Extract – Transform – Load
¡ Anbindung an verschiedene
Plattformen
¡ einheitliches Datenmodell
¡ Gegenwart: Connectoren
÷ Moodle
÷ Clix
÷ Chemgapedia
¡ Zukunft: Talend
÷ ILIAS
÷ MOOCs
÷ ...

27. Autorisierung - Datenschutz
— Datenschutz
¡ personenbezogene Datenwerden NICHT übernommen
¡ Konfiguration des Datenimports
÷ Kurs-ID, User-ID (Lehrende)
— Authentifizierung und Autorisierung
¡ Identifikation/Rolle von Usern über ID auf Lernplattform
¡ Authentifizierungsschema der Plattform
÷ LDAP
— Anonymität
¡ k-anonymity

28. F A L L S T U D I E L E M O !
A N A L Y S E E I N E S K U R S E S

29. Überprüfung von Lernpfaden mit LeMo
¡ Vorlesung: Einführung in die BWL an der HTW
÷ Prof. Dr. G. Frank, ca. 100 Teilnehmer
¡ Fragestellungen zu Lernprozessen
÷ wie wird das optionale WBT Zeitmanagement in das Thema „Problem
der Konzentration (80/20-Phänomen) einbezogen?
÷ wie intensiv wurde das Lernprogramm „Zeitmanagement“ benutzt
(freiwillige Neugier)?
÷ wird die o.g. Problematik mit Hilfe des Lernprogramms VOR oder
NACH der Präsenzsitzung nachvollzogen?
¡ Analysen mit LeMo
÷ Nutzung des Lernprogramms Zeitmanagement
÷ häufige Pfade (A-Priori-Algorithmus BIDE) mit einem Support von
80% aller Studierenden

30. Nutzung des Lernprogramms

31. häufige Pfade

32. Ergebnisse
— Ergebnisse
¡ das Lernprogramm wird akzeptiert, wenn es die Neugier
anregt
¡ die weitaus meisten Studierenden folgen der
„Vorbereitungsstrategie“
¡ dies unterstreicht einen vermuteten Zusammenhang zwischen
der Einführung des Lernprogramms und besseren
Abschlussergebnissen für den genannten Themenbereich
— Publikation der Ergebnisse
¡ im Workshop-Band der DeLFI2014 in Freiburg (to appear)

33. Q U O V A D I S ?
R O A D M A P

34. NMC Horizon Report > 2014 Higher Education

35. Fragestellungen
¡ Learning Analytics an (deutschen) Hochschulen
÷ rechtlicher Rahmen
÷ Verfügbarkeit von (relevanten) Daten
÷ didaktisches Konzept
÷ Akzeptanz bei Lehrenden und Lernenden
¡ Daten für Learning Analytics
÷ Datenmodelle
÷ Datenaustausch
÷ Anbindung von MOOCs
÷ Daten aus sozialen Netzwerken

36. Fragestellungen (2)
¡ Learning Analytics und informelles Lernen
÷ Foren als soziales Netzwerk
÷ Verfahren des SNA, NLP
÷ Klassifikation von Lernenden zur Erfolgsvorhersage
¡ lernerzentriertes Learning Analytics
÷ learning paths
÷ PLE, flipped classroom
÷ tutoring, adaptive Systeme
¡ wie viel Learning Analytics möchten wir????
÷ ubiquitous learning analytics ;)

37. Q U O V A D I S ?
P R O & C O N T R A