Offene Lernumgebungen - Chancen, Herausforderung, Grenzen

Offene Lernumgebungen –
Chancen, Herausforderungen, Grenzen

AK E-Learning, Berlin,
September 15, 2009
Ralf Klamma
Informatik 5
RWTH Aachen
© www.role-project.eu

Internet Informationssysteme
Organisational
Memories
(XML, HTML,
Communities of XTM)
Regeln/
Practice Geschäftsprozesse
Social
Software
(XML, HTTP, Semantic
RSS) Web
(XML, RDF,
Ontologien)

Groupware / Meta Workflows
E-Learning (XML,
(XML, LOM,
XML-RPC) Daten BPEL)

Multimedia Web
(XML, VRML, Services
DC, MPEG) (XML, WSDL,
Digitale Medien- SOAP,UDDI)

technologie
Jarke, Klamma: Metadata and Cooperative Knowledge Management, CAiSE 2002

Überblick

• Schwächen heutiger
Lernumgebungen
• Die ROLE Cloud
– Eine Infrastruktur für offene
Lernumgebungen
– Selbstbeobachtungs-
werkzeuge für lernende
Communities
• Zusammenfassung und
Ausblick


Schwächen von
Lernumgebungen
• „Klebrige“ Metadaten
• Interoperabilität nur über
Unzureichende APIs (Mash-ups)
Entwickelt von operationale
Experten für Unterstützung • Semantisierung
Experten unzureichend

Lernumgebungen • „Abstimmung mit den
nicht offen und Füßen“
nicht reflektiv Keine reflexive • Soziale Normen
Unterstützung undefiniert
• Konstitutiver Beitrag der
Medien unverstanden


Lernumgebungen und Communities:
The Long Tail & Fragmentierung
IN Kontinent Zentraler Kern OUT Kontinent

Röhren

Anderson: The Long Tail: Why the Future of Auswüchse Inseln
Business is Selling Less of More, 2006
Barabasi: Linked – The New Science
of Networks, 2002

• Potenzgesetze
Das Web ist ein (Pareto-Verteilung etc.)
• 95 % der Benutzer werden im
skalenfreies, Long Tail erfasst (Communities)
fragmentiertes Netzwerk • Zusammenarbeit basiert auf
Vertrauen und Leidenschaft


Communities of practice

Analyse von CoP
Spuren auf dem
Web

Community of
practice (CoP) als
Gestaltung von
Basiskonzept für die
Lernumgebungen
die Konzeption von
für CoP
Lernumgebungen

Communities of practice
sind Gruppen von
Menschen die ein
gemeinsames Interesse
oder eine Leidenschaft
teilen und die
miteinander interagieren,
um zu lernen es besser Wenger:
zu machen Communities of Practice:
Learning, Meaning and
Identity, 1998


Zentrale Fragestellungen
• Operationale Unterstützung
– Können CoPs komplexe Lernumgebungskonfigurationen verwalten?
– Können CoPs Metadaten über Standard-Grenzen hinweg nutzen?
– Können CoPs technische Metadaten und semantische Web 2.0
Metadaten zu neuen semantischen Diensten verbinden?
– Wie sehen standardisierte Web Services und Protokolle für
Lernumgebungen aus?
– Wie sehen adaptive, mobile web-basierte Schnittstellen aus?

• Reflexive Unterstützung (Sociability)
– Können CoPs fortlaufend Anforderungen ermitteln und umsetzen? Wie
viel Informatik-Unterstützung ist notwendig?
– Können CoPs sinnvolles soziales Interagieren erlernen
und Störungen produktiv nutzen?
– Wie erfassen CoPs ihre komplexen medialen Spuren und
wie gehen sie damit um?
– Können CoPs ihre Handlungsfähigkeit (Lernen, Forschen, Arbeiten) im
Web 2.0 erhalten oder sogar steigern?


Reflexive Informationssystemarchitektur

Community
Agent-
Self-Modeling Actor-
Network
oriented Theory
RE
Community
Partici- Com-
Self-Observation Game
Social
Network
patory munity IS Theory
Analysis
Design Design

Community
Information Systems
Communities of Practice Mediennetzwerke

Jarke, Klamma: Social Software und Reflektive Informationssysteme, 2006

Cross-Mediale
Transkriptionstheorie
Transkript
Cross-Mediale Transkription
Prä-“texte“
Verstehen
und Kritisieren
 Strategien der Transkriptivität
 Sammlungen multimedialer Materialien werden in anderen Medien
restrukturiert
 Gestaltung ist inhärent medien- and adressatenspezifisch
 Strategien der Adressierung
 Frei gestaltete digitale Medien fördern die Globalisierung von
Adressenräumen
 Personalisierung und adaptive Strategien sind erfolgskritisch
 Strategien der Lokalisierung
 Reorganisation der lokalen Praxen wird durch neue Medien stimuliert
 Notwendigkeit der expliziten Modellierung der Praxis
Jäger, Jarke, Klamma, Spaniol: Transkriptivität: Operative Medientheorien als
Grundlage von Informationssystemen für die Kulturwissenschaften, 2008 © www.role-project.eu

Der babylonische Talmud:
Ein sehr alter Hypertext
• Rolle/Buch/Druck
• Schulen (Jeshiwot)
• Autoritäre
Wissensquelle
• Dialogische
Enzyklopädie
• Struktur komplexer
Texte
• Vernetztes Wissen
Transkribieren?
Adressieren?
Lokalieren?

Hollender, Klamma, Börner-Klein,, Jarke: A Comprehensive Study Environment
for a Talmudic Tractate, 2001 © www.role-project.eu

CESE:
Multi-linguales Cross-Media System


Kollaboratives
Filmwissenschaftliches Forschen

• Videorekorder als
Arbeitsgerät
• Lange Filmsichtungen
• Offene Repositories
• Fluide Ontologien für
flexible Kooperations-
modelle

Semantisches
Multimedia?
www.multimedia-metadata.info: MPEG-7 & MPEG-21 Community

Klamma, Spaniol, Jarke: MECCA: Multimedia capturing of collaborative scientific
discourses about movies, 2005 © www.role-project.eu

MECCA:
Exploratives Forschen & Lernen


Arbeiten und Forschen
in lokalen und globalen CoPs
• Mehr als 20 Jahre Bürgerkrieg
• Zerstreute und zerstörte Archive
• Intergenerationales Arbeiten
und Forschen
• Bedürfnis nach lokaler und
internationaler Zusammenarbeit
• Vertrauen und Schutz notwendig
• Infrastrukturen angepasst für
Entwicklungsländer

Communities im Web 2.0?

Klamma, Toubekis, Renzel, Cao, Jarke, Jansen: Virtual Campfire – Cultural Heritage
Management based on Multimedia Web Services, 2009 © www.role-project.eu

ACIS:
Das kulturelle Erbe Afghanistans
Benutzer Verfolgen
Profile des Nutzer- Präsentation
UNESCO
verhaltens
Kulturgüter-
verwaltung
Verstreute
CoP login
Aufbereiten
in CoP

Eingabe RWTH
Map Aachen
Archiv
Forschung &
Lehre: Architekten,
Forschen Informatiker
in CoP

Korrektur
vor Ort Informationen
über
Denkmäler
Media
ICOMOS
Junge
Denkmal- Schutz des
schützer, Kulturerbes
Kuratoren

Suche Diskussion
in CoP


Responsive
Open
Learning
Environments
R.Klamma, RWTH Aachen 16

ROLE Partner

1. Fraunhofer FIT DE
2. RWTH Aachen University DE
3. Technical University of Graz AT
4. Katholieke Universiteit Leuven BE
5. University of Koblenz DE
6. Uppsala University SE
7. École Polytechnique Fédérale de Lausanne CH
8. University of Leicester UK
9. Open University UK
10. Vienna University of Economics & Business Administration AT
11. Festo Lernzentrum Saar GmbH DE
12. imc AG DE
13. British Institute for Learning and Development UK
14. Shanghai Jiao Tong University, China
15. Zentrum für Soziale Innovation AT
16. U&I Learning BE

R.Klamma, RWTH Aachen 17

Ziele und Anforderungen

Benutzer-getriebene Aggregation und
Kontrolle intelligenter und offener
Lernumgebungen
Pädagogische
Anforderungen Organisatorische
Technische Anforderungen
1) Benutzer-getriebene
Lernprozesse Anforderungen 1) Einfluss der TEL
1) Infrastrukturen und Modernisierung auf die
2) Transition zwischen formalem
Schnittstellen Organisation
und informellem Lernen
2) Interoperabilität und Agilität 2) Paradigma der Bedürfnisse
3) Balance von Methoden der der Lernenden
Führung und Selbstorganisation 3) Standards
des Lernenden 4) Multimedia & Mobilität 3) Cross-organisationale
Infrastrukturen
4) Durchgehendes psycho- 5) Implementierung realer
pädagogisches Rahmenwerk Lernumgebungen
5) Großflächige
Felduntersuchungen
Ziele:
Durchbrüche bei der Benutzerzufriedenheit und
Kompetenzerwerb vermögen


Intelligente Mash-ups
ROLE Intelligente Vermittlung, Empfehlungen
Mash-up innerhalb des ROLE Interoperabilitätsrahmenwerks
Dienste (GUI mash-up + mash-up von Diensten + mash-up von Lerndesigns)

Kompe- Manage-
Aktivitäten Präferenzen Tests Resourcen
tenzen ment
Mash-up Action-
Regeln Personal Competency Planned Learning
outcome- Content
learning profile driven Learning progress
und tool rules
style rules rules outcomes milestones
bindings
Prinzipien
Tool and Time and Rules to
Learning Peer
learner cost fulfill Service
progress educator
interaction constraints Compliance rules
driven rules given rules
patterns /preferences Tests

Offene API to Content
Schnittstellen zu API to User and Skill Profiles in OpenID, LMS etc.
API to Test
Repositories, LMS, LCMS,
Metadaten, Systems
Soc. Networks
Diensten,
Inhalten, …


Architektur & Infrastruktur
(Widget & Gadgets) ROLE Cloud & Widgetstore Data & Services
Testbeds
ROLE Services
Corporate

Wrapping & Mediation: RSS, JSON, REST, WSDL, …
Semantic Competency Community Mash-up
Services Services Services … Services
LMS
Connectors: HTTP, SOAP, REST, WSDL, …

Web 2.0

Courses Multimedia
Multimedia
Learning
Repository
Repository
Repositories
Semantic ROLE Interoperability Framework
Search
Loose Model Driven Web 2.0 Social
Metadata
Federation Basic Support Recommendation
E-Portfolios Ontologies

Semantic Mash-up Adaptation
Mash-ups 3rd Party
Engine Engine Engine
Services

MyROLE
Models
(Grapple, ..)
Attention OpenID Trusted Access Session
Metadata Manager Manager Management
RSS
ROLE Community Manager Blogs
Wikis
Invoking services Data flows


Dienste einer Lernumgebung


Zentrale Fragestellungen
• Operationale Unterstützung
– Können CoPs komplexe Lernumgebungskonfigurationen verwalten?
– Können CoPs Metadaten über Standard-Grenzen hinweg nutzen?
– Können CoPs technische Metadaten und semantische Web 2.0 Metadaten
zu neuen semantischen Diensten verbinden?
– Wie sehen standardisierte Web Services und Protokolle für
Lernumgebungen aus?
– Wie sehen adaptive, mobile web-basierte Schnittstellen aus?

• Reflexive Unterstützung
– Können CoPs fortlaufend Anforderungen ermitteln und umsetzen? Wie
viel Informatik-Unterstützung ist notwendig?
– Können CoPs sinnvolles soziales Interagieren erlernen
und Störungen produktiv nutzen?
– Wie erfassen CoPs ihre komplexen medialen Spuren und
wie gehen sie damit um?
– Können CoPs ihre Handlungsfähigkeit (Lernen, Forschen, Arbeiten) im
Web 2.0 erhalten oder sogar steigern?


Lösungsidee für Reflexion:
Cross-Mediale Soziale Netzwerkanalyse

• Interdisziplinäres multidimensionales Modell digitaler Netzwerke
– Soziale Netzwerkanalyse (SNA) definiert Maße für soziale Beziehungen
– Aktor-Netzwerk Theorie (ANT) verknüpft menschliche und mediale
Agenten
– I* Rahmenwerk definiert strategische Ziele und Abhängigkeiten
– Transkriptionstheorie bringt Cross-Medialität ein

Lernumgebungen Mediale Netzwerk der Artefakte
Wiki, Blog, Podcast, IM, Chat,
Email, Newsgroup, Chat … Netzwerke Microcontent, Blog entry, Message, Burst,
Thread, Comment, Conversation, Feedback
(Rating)

i*-Abhängigkeiten
(Strukturell, Cross-medial)
Netzwerk der
Mitglieder
Mitglieder
(Soziale Netzwerk Analyse)
Communities
of practice


AERCS Fallstudie

• Digital Bibliotheken (Informatik):
- DBLP, ACM DL, IEEE Explorer, CiteSeerX, etc.
- Digitale Medien für die Bewahrung
wissenschaftlichen Wissens
- Publikationen
- Veranstaltungen VLDB community in 1990 (DBLP)
- Entwicklung der Forschungsgebiete

• Herausforderungen:
- Datenmanagement
- Dateninteroperabilität und Qualität
- Methoden und Werkzeuge
für die Reflektion
- Visuelle Analyse
VLDB community in 2006 (DBLP)


Grundlagen und Methoden

• Soziale Netzwerkanalyse (SNA)
- Soziale Netzwerke von Forschern (Akteure)
- Community detection
- Dynamische Analyse
- Visualisierung
- Akteur-Netzwerk Theorie [Latour 1999]
- Keine Unterscheidung zwischen sozialen und technischen Entitäten
- Cross-mediale Akteure: Mitglied, Medium, Artifakt
• Recommendation techniques [Adomavicius and Tuzhilin 2005]
- Collaborative Filtering (CF) [Breese et al. 1998 ]
- Memory-based algorithms: computation of similarity (Cosine, Pearson correlation);
top K nearest neighbors approach
- Model-based algorithms: Bayesian network [Breese1998] ; Clustering
[Ungar1998] ; Rule-based [Sarwar2000]
- Content-based recommendation [Sarwar et al. 2001]
- Hybrid approaches [Burke 2002]


Collaborative Filtering (CF) für
Empfehlungen von Veranstaltungen

• Forscher als Benutzer Researchers
• Konferenzen als Items
• Teilnahmehistorie der Forscher
als Benutzerbewertung (binary
ratings) bzgl. items Partici-
• Methode: k nearest neighbors pation
history
(kNN)
• Empfehlung der top N
Konferenzen für anvisierten
Forscher
• Implementiert als Weblösung Academic events
http://bosch.informatik.rwth-aachen.de:5080/AERCS/
Klamma, Cao, Pham: You never walk alone – Recommending Academic Events
based on SNA, 2009 © www.role-project.eu

CF Empfehlungen von
Veranstaltungen: Algorithmus
Input: set of events E = (e1 , e2 ,..., eN ) ; set of researchers U = (u1 , u 2 ,..., u M )
Output: top N recommended events to target researcher ut
 Building the model: Constructing the participation matrix P( M × N )
- Rows: researchers
- Columns: academic events
 Computing similarities: the cosine similarity
 
∑
N
x• y Px ,e Py ,e
sim( x, y ) = cos(α ) =   =
e =1
x × y
∑e=1 Px2,e ∑
N N
e =1
Py2,e
 
where x , y : rows in P (researchers in P)
α : angle between x, y  
 Generating recommendations:
1 where Rc ,e : rank value for event e of
Rc ,e = ∑ Rd ,e researcher c based on set C of k nearest
L d∈C researchers


Clustering Approach
[Ungar1998, Anglade2007, Harper2007]

Researchers Clusters of researchers

Partici- Partici-
pation pation
history history

Academic events Clusters of events
Memory-based approach Model-based approach


Anforderungen

• Netzwerke von Forschern Clusters of researchers
- Co-Authorenschaftsnetzwerk
- Zitationsnetzwerk
- Konferenzteilnahmenetzwerk
• Ziele
Partici-
- Finde Cluster von Forschern,
pation
die eine gemeinsames
history
Teilnahmeverhalten besitzen
- Finde Cluster von
Konferenzreihen, die ähnliche
Teilnehmer haben
- Untersuche Vorhersagemaße
für Cluster-Strukturen Clusters of events
- Integration mit CF


Community Detection

• Teile ein Netzwerk in Untermenge von Knoten mit gemeinsamen
Pfaden
• Techniken:
- Graph partitioning [Kumar 1998, Brandes2003]
- Hub-based [Costa2004]
- Hierarchical clustering [Newman2002, Clauset2004]
- Sukzessives Herausbilden oder Herausbrechen zu einer Hierarchie
von Clustern
- Dendrogramme als Resultat
Q =∑i =1 (eii − ai2 )
q
 Cluster Qualitätsmaß Modularität
wobei ai = ∑ j =1 e ji
q

q: Anzahl der Cluster,
eii: Bruchteil der Verbindungen innerhalb des Clusters,
ai: Bruchteil der Verbindungen zu Knoten im Cluster i


Experimentelle Analyse:
Clustering
• Datasatz: DBLP y-Achse: Anzahl der Cluster
x-Achse: Cluster-Größe
• Datenextraktion:
- Co-Autoren von
Konferenzbeiträgen bis 2005
- 10,197 Konferenzen in 2485
Reihen
- Ungewichtetes Co-Autoren-
netzwerk:
- 228,288 Autoren
- 773,661 Verbindungen
• Clustering Algorithmus
[Clauset2004]:
- Limitierte Clustergröße: 500 Knoten
- Resultat: 5580 cluster, 2 to 497
Knoten
- Erreichte Modularität Q = 0.765471 Power Law Verteilung


Experimentelle Analyse:
Evaluierung der Cluster
• Übereinstimmung von Forschern mit y-Achse: Anzahl der gut-
klassifizierten Forscher
Veranstaltungen der Community:
x-Achse: Cluster-Größe
cosine similarity
• Gut-klassifizierte Forscher:
1
s (r , Cr ) = ' ∑ s (r , c)
C c∈C '
- s: cosine similarity
- Cr: Cluster von Forscher r
- C‘: Menge der Cluster des Menge von
Veranstaltungen überlappt mit der
Veranstaltungsliste von Forscher r

 Resultat:
- 70% der Forscher sind gut klassifiziert
- Verschieden verteilt in Bezug auf die Größe der Community


Vereinfachtes Metamodell
für die ANT nach Latour
Eigenschaft hat Aktor

isA

Medium Artefakt Dienst Mitglied Netzwerk

isA
speichert erzeugt betroffen_von gehört_zu

stellt_dar verbraucht führt_aus bewertet

Browse Suche Retrieval … Match
Klamma, Spaniol, Cao, Jarke: Pattern-Based Cross Media Social Network Analysis
for Technology Enhanced Learning in Europe, 2006 © www.role-project.eu

Modellierung von
Communities in i*

Petrushyna, Klamma: No Guru, No Teacher, No Method: Self-Oberservation and
Self-Modelling of E-Learning Communities, 2008 © www.role-project.eu

Modellierung von
Abhängigkeiten in i*

Koordinator Koordination Broker

isA

isA
Gatekeeper Artefakt isA
Mitglied
isA

Hub URL

Legende
Aktor
Netzwerk Ressource
Kommunikation
Aufgabe


Störungen in
Cross-medialen Sozialen Netzwerken
• Was ist eine Störung?
– Wahrnehmung einer
Inkompatibilität zwischen den
modellierten Zielen und
Abhängigkeiten und dem
aktuellen Verhalten einer Person,
einer Organisation, eines
Netzwerks …
• Störungen sind Ausgangspunkt
von Lernprozessen
– Sie stören, verhindern … aber sie
erzeugen auch Reflektion
• Störungen sind schwierig zu
entdecken oder vorherzusagen


PALADIN: Muster-Basierte Analyse von
Agency in Social Software

Agency: “Entwicklung der CoP Kompetenz im
Fall von Störungen im digitalen Netzwerk”
• Analyse von “Agency & • Abstraktion: Muster als
Patienthood” Phänomenen in generalisierte wiederholbare Lösung
Social Software für immer wieder auftretende
• Was sind die Auswirkungen Störungen
meiner Handlungen auf die • Basis: Mustersprache behebt
CoP? Probleme bei der Beschreibung und
• Was sind die Auswirkungen der Entdeckung von Mustern für Laien
Handlungen der CoP auf mich? • Berechnung: Maschinen-lesbare
• Welchen Einfluss haben Medien Beschreibung der XML-basierten
auf meine Handlungen? Mustersprache für
• Was hätte in der CoP stattfinden multidimensionale Störungen
sollen? • Entdeckung: Automatische Analyse
• Wie werden sich CoPs von digitalen sozialen Netzwerken
entwickeln? mit Hilfe der Mustersprache

Klamma, Spaniol, Denev: PALADIN: A Pattern Based Approach to Knowledge Discovery
in Digital Social Networks, 2006 © www.role-project.eu

Mustersprache für PALADIN:
Beispiel Troll
Troll Muster: Ein Troll ist ein Mitglied, dass nur in Threads antwortet, die es
selbst gestartet hat.
Störung:
(EXISTS [medium | medium.affordance = threadArtefact]) &
(EXISTS [troll |(EXISTS [thread | (thread.author = troll) &
(COUNT [message | (message.author = troll) & (message.posted = thread)]) > minPosts])
& (~EXISTS[ thread1, message1| (thread1.author1 != troll) & (message1.author = troll &
message1.posted = thread1 ]))])])
Kraft: medium; troll; network; member; thread; message; url
Kraftrelation: neighbour(troll, member); own thread(troll, thread)
Lösung: Diskussionen, die von Trolls gestartet werden, brauchen nicht
beachtet werden
Erklärung: Der Troll braucht Aufmerksamkeit, um seine Aktivität
durchzuführen. Ohne Aufmerksamkeit, wird er weitere Aktionen
unterlassen.
Verwandte Muster: Spammer


Algorithmus zur automatischen
Musteranalyse
Muster 1. Muster- Mustervorlage
Störung parameter Störung
Variablen
Variablen Musterparameter

Musterinstanz 4a. Ändere 2. Instanziiere
Störung Musterparameter Störungen
Digitales Soziales Netzwerk
4b. Wende
Lösungs

-muster an Mustervorlageninstanzen

Kräfte Kraftbeziehungen
Störungsinstanzen

Beschreibung Lösung

Begründung
Legende
Abhängigkeiten 3. Werte Muster
Störungen aus Definierte Musterkomponente

Laufzeitmusterkomponente
Instanziierte Musterkomponente
Beziehungsmuster Beziehung zwischen Komponenten
Aktivität


PALADIN Fallstudie
10 Muster in 119 Netzwerken mit
17359 Mitgliedern und 215 345 emails
Muster Auftauchen Bemerkungen
Ausbruch 22 Das Muster findet Themen, die eine gewisse Zeit ein erhöhtes Interesse
beanspruchen
Keiner antwortet 61 Das Muster taucht in kleinen Netzwerken auf. Niemand antwortet auf eine
Anfrage.
Troll 2 Das Troll Muster taucht selten in kulturwissenschaftlichen Communities
aus. Achtung: Wahre Negative kommen vor.
Spammer 86 Oft auftauchendes Muster in Diskussionsgruppen. Achtung: Wahre
Negative kommen vor.
Anführer 37 Dieses Muster kommt in Netzwerken mit klaren Zentraliäten vor.
Kein Anführer 40 Taucht in großen Netzwerken mit Mitgliedern in verschiedenen Clustern
vor.
Strukturelles Loch 67 Taucht für Mitglieder mit nur einem Kontakt auf.
Unabhängige 13 Taucht in großen Netzwerken auf, wo viele nicht verbundene Teilnetzwerke
Diskussion existieren.


Messen:
Die ATLAS Media Base
• Sammlung medialer Artefakte
mit parametrisierbaren PERL
Skripten
– Mailinglisten
– Newsletter
– Webseiten
– RSS Feeds
– Blogs
• Datenbankunterstützung durch
IBM DB2, eXist, Oracle, ...
• Web Interface auf Plone/Zope
Basis, LAS, ...
• Visualisierungsstrategien
– Tree Maps
– Cross-media Graphen

Klamma, Petrushyna: The Troll under the Bridge: Data Management for
Large Web Science Mediabases, 2008 © www.role-project.eu

ROLE Transitionen
Testbeds definieren die
Reichweite von ROLE From academic to
From formal
Reiche Kontexte mit RWTH professional learning
signifikanter Wirkung to informal
Große Anzahl von Lernenden learning
Schwerpunkt auf Transitionen
OLrn FESTO
• Festo Lernzentrum

• RWTH Aachen transitions
From un-
From a position
employment
• BILD: British Institute for to positions or
Learning & Development or a job to jobs
accreditations
SJTU BILD
• OLrn: OpenLearn der
Open University UK From
individual
• SJTU: Jiao Tong Universität to shared
competences


ROLE Roll-out Prozess
Hohe Verfügbarkeit & Design
Skalierbarkeit der ROLE
Lösungen durch Open Source Scenarios Tryout
Entwicklungsprozesse und viele Specs
Tests unter realen Bedingungen Learners
Participatory Design & Darwinismus Scientists
RWTH
Progressiv & Iterativ Components
• Verfeinerung der Anforderungen OLrn FESTO
und Spezifikationen Developers Externa-
• Definition und Validierung der lisation
ROLE PLE Dienstbündel All BILD
• Design und Implementierung World Standards
der the ROLE Evaluierungs-
methoden SJTU Educators
• Design wird unterstützt durch
soziale Netzwerkanalyse und Providers
Mining von Lerndaten
Freeing
Evaluation methodologies


Zusammenfassung und
Ausblick
• ROLE FOKUS
– Offene und intelligente Lernumgebungen
– Transitionen als Prüfstein von Interoperabilität und
Langlebigkeit
– Open Source Entwicklungsprozess
• ROLE Beiträge
– neue Ideen & Geschäftsmodelle (z.B. ROLE
Widgetstore)
– Infrastrukturen & Schnittstellen (z. B.
ROLE Cloud)
– Vorkonfigurierte PLE als Dienstbündel


Join us!

• http://www.role-project.eu/
• LinkedIn
http://www.linkedin.com/groupInvitation
?gid=1590487


Offene Lernumgebungen - Chancen, Herausforderung, Grenzen

Recommended

More Related Content

Viewers also liked

Viewers also liked (20)

Similar to Offene Lernumgebungen - Chancen, Herausforderung, Grenzen

Similar to Offene Lernumgebungen - Chancen, Herausforderung, Grenzen (20)

More from Ralf Klamma

More from Ralf Klamma (20)

Offene Lernumgebungen - Chancen, Herausforderung, Grenzen