Sozio-technische Lernsysteme mit verteilter Intelligenz - wohin geht die Forschung zu digitalem Lernen und Arbeiten des Data-Driven Business Teams am Know-Center und der Forschungsgruppe rund um Viktoria Pammer-Schindler? In kurz: Es werden soziotechnische Systeme - also neue Technologien und neue Praxis - die aufs Lernen ausgerichtet sind und mit der Arbeitswelt gut verbunden sind gebraucht; und künstliche Intelligenzen in diesen Systemen sollen Lernende unterstützen (Intelligent Tutoring Systems für Berufstätige) und entlasten (Automatisierung). Die Möglichkeit und der Wille zur Gestaltung auf allen Ebenen ist zentral!

1. b
b
© Know-Center GmbH, www.know-center.at
Sozio-technische LERNsysteme mit verteilter
Intelligenz bitte!
Assoc.-Prof. Dr. Viktoria Pammer-Schindler
LEARNING 4.0 – DIGITALES LERNEN UND ARBEITEN
Graz, Learning 4.0 – 28. Mai 2020

2. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
IST ARBEITSBEZOGENES
LERNEN ÜBERHAUPT
WICHTIG?
2

3. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
LERNEN UND VERÄNDERUNG
Lernen ist Veränderung
von Wissensstrukturen
aufgrund und durch Erfahrung, Handeln und Interaktion
• Moderne Arbeitswelten ändern sich
• langsam, rasch, rasant, sprunghaft
3

4. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
DER WERT DES WEITERLERNENS
… Kompetenz in Bezug auf komplexe,
wissensintensive Tätigkeiten, und Expertise speisen
sich sowohl aus Grundlagen als auch aus Erfahrung und
lebenslangem Lernen durch Handeln
4

5. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
LERNEN GESTALTEN
Lernen ist unausweichlich, individuell und
kollaborativ/sozial
• Zentrale Frage: Wie kann Lernen effizient gestaltet
werden?
5

6. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
IST DIGITALES LERNEN
ÜBERHAUPT NÜTZLICH –
IST F2F NICHT BESSER?
6

7. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
„DIGITAL“ IST DAS WERKZEUG
• Werkzeug muss passen.
• Der Effekt auf Lernen ist oft nicht das einzige
Optimierungskriterium
• Ressourcen sind wichtig (Zeit der Lernenden und Lehrenden,
Raum, Geld).
• Ziel des Lernens individuell sehr unterschiedlich (Zertifizierung,
Problemlösung, Orientierung)
7

8. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
DIGITAL KANN MEHR
• Wir müssen in der Praxis, der Theorie, und auf
gesellschaftlicher Ebene noch lernen wie digital lernen
gut funktioniert.
• Wir haben viele Arten, digital zu lernen noch gar nicht
erfunden – weder die Technologie, noch die
Technologie-Praxis.
8

9. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
WIE KÖNNEN TECHNOLOGIEN BEIM
LERNEN UNTERSTÜTZEN
• Administrativ
• Verwaltung, Dokumentation
• Lernmaterialien verteilen und konsumieren
• LMS, MOOCs, CMS, Browser, etc.
• Kommunikation
• Telefon, Videokonferenz-Tools, Chat-Tools
• Simulation, spielbasierte Ansätze
• Learning analytics
• AI-basierte Systeme
• Recommender Systeme, Intelligent Tutoring Systems
• Automatisierung
• Zeit „freispielen“
9

10. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
WAS IST SPEZIELL AN
DIGITALEM LERNEN FÜR
DIE ARBEIT?
10

11. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
PRIORISIERUNG DURCH ARBEIT
• Arbeitsbezogenes Lernen ist Lernen das wichtig für Arbeits-
Praxis ist.
• Folge 1: Wichtig im Lernen ist das, was wichtig für die Arbeit ist
• Zertifizierung, Können, konkrete Problemlösung (e.g., Milligan &
Littlejohn, 2017)
• Aspekte der Praxis die besonders wertgeschätzt werden (Pammer et al.
2017; Pammer & Prilla, online)
• Folge 2: Was zählt, ist die Umsetzung in die Praxis (e.g., Eraut,
2004).
Eraut (2004). Transfer of Knowledge between Education and Workplace Settings. In: Rainbird, Helen, Fuller, Alison and Munro, Anne (eds.)
Workplace Learning in Context. Routledge, London & NY, pp. 201-221.
Milligan & Littlejohn (2017). Why study on a MOOC? The motives of students and professionals. In: International Review of Research on Open
and Distributed Learning, Vol. 18, No. 2, p. 92-102. DOI: https://doi.org/10.19173/irrodl.v18i2.3033
Pammer et al. (2017). Let‘s Talk about Reflection at Work. International Journal of Technology Enhanced Learning, Vol 9, No 2/3, 2017.
https://graz.pure.elsevier.com/en/publications/lets-talk-about-reflection-at-work
Pammer & Prilla (online). The Reflection Object: A Useful Concept when Designing for Reflection, 2019.
11

12. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
UMSETZUNG IN DER ARBEIT
• Arbeitsbezogenes Lernen lebt von der Umsetzung im Arbeitskontext
• Folge 1: Lernen erfolgt in einem Kontext dessen a priori Ziel nicht lernen
ist. – Raum und Zeit für Lernen ist nicht unbedingt gegeben (e.g., Fessl
et al., 2014; Pammer et al., 2018; Renner et al., 2019)
• Folge 2: Was umsetzbar ist, wird durch den Arbeitskontext bestimmt.
(e.g., Eraut, 2004; Littlejohn et al., 2019; Prilla et al., 2012).
Fessl et al. (2014). Continuous learning with a quiz for stroke nurses. International Journal of Technology Enhanced Learning, Vol 6, No 3, p.265-275, 2014.
DOI: https://doi.org/10.1504/IJTEL.2014.068362
Littlejohn et al. (2020). The Role of Professional Learning in Addressing Global Challenges: Tensions and Innovations Associated with AMR. Frontiers in
Education. DOI: https://doi.org/10.3389/feduc.2019.00112
Pammer et al. (2018) - Virtualizing face-2-face trainings for training senior professionals: a comparative case study on financial auditors. In: Proc. of the Fifth
Annual ACM Conference on Learning at Scale (L@S '18). DOI: https://doi.org/10.1145/3231644.3231695
Prilla et al. (2012) – The Push and Pull of Reflection in Workplace Learning: Designing to Support Transitions Between Individual, Collaborative and
Organisational Learning. In: Proc. of the 7th European Conf. on Technology-Enhanced Learning (ECTEL 2017). DOI: https://doi.org/10.1007/978-3-642-
33263-0_22
Renner et al. (2019). Computer-supported reflective learning: How apps can foster reflection at work. Behaviour & Information Technology, Taylor & Francis,
2019. DOI: https://doi.org/10.1080/0144929X.2019.1595726
12

13. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
RAUM…
13

14. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
… UND ZEIT
14

15. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
LERNEN IM ARBEITSKONTEXT HÄNGT VON
VERANTWORTLICHKEITEN UND ROLLEN AB
15
(v.A. Umsetzung von Erkenntnissen)

16. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
ENGE VERBINDUNGEN
• Arbeiten und Lernen
• Individuelle und organisationale Aspekte des Lernens
(z.B. Human Resource Management,
Personalentwicklung, Wissensmanagement,
kontinuierliche Verbesserungsprozesse)
• Lernen, Wissenskonstruktion
Innovation
16
Team practice
develops
Organisational
performance
(KPIs) and
learning
Operative
work
Individual
professional
development

17. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
ES IST ALSO ALLES SEHR
KOMPLIZIERT – WAS NUN?
17

18. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
ZUSAMMENFASSUNG
• Durch Handeln aus Erfahrung Lernen – um besser zu
werden, um mit Veränderung umzugehen.
• Arbeitsbezogenes Handeln hat Eigenheiten die mit dem
Bezug auf die Arbeit erklärbar sind
• Zentrale Frage: Wie kann Lernen - mit digitalen
Technologien – gut gestaltet werden?
18

19. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
WAS BRAUCHT ES?
• Sozio-technische Lernsysteme
• Praxis und Technologie gestalten
• LERNsysteme gestalten heißt: soziotechnische Subsysteme
schaffen die dem Lernen dienen
• … und mit dem Arbeits-System verbunden sind.
• Mit verteilter Intelligenz
• Digitale Infrastruktur serviciert
• Menschen lernen
• … und intelligente Lernbegleiter unterstützen intelligente Menschen.
• Automatisieren was nicht interessant ist, was wir Menschen nicht
als Kompetenz behalten wollen / müssen.
19

20. © Know-Center GmbH • Research Center for Data-Driven Business and Big Data Analytics
VIKTORIA PAMMER SCHINDLER
20
Assoc.-Prof. Dr.
vpammer@know-center.at
https://www.twitter.com/viktoriapammer
https://www.staff.tugraz.at/viktoria.pammer-
schindler/