Einführung und Überblick über Learning Analytics (German)

1. Workshop
Learning Analytics
GRADE Centre
Johann-Wolfgang Goethe Universität Frankfurt
Wolfgang Greller (PH Wien)
16.-17. Mai 2019

2. Kurzportrait Wolfgang Greller
W. Greller
2019
Workshop Learning Analytics
2
 Universitätsdozent
 Wissenschaftler
 Projektleiter
 Uni Manager
 EU Gutachter
 Flexibler Netzwerker
 Lebenslanger Lerner

3. Netzwerk Universitäten
W. Greller
2019
Workshop Learning Analytics
3

4. PädagogInnenbildung
W. Greller
2019
Workshop Learning Analytics
4
Pädagogische Hochschule Wien
Vizerektor für Forschung und Qualitätssicherung
Professor für Lehr-/Lern-Innovation und sprachliche Bildung

5. Inhalte des Workshops
W. Greller
2019
Workshop Learning Analytics
5
Betrachtung des Forschungsfeldes Learning Analytics aus
verschiedenen Blickwinkeln:
• Sicht der Lernenden
• Sicht der Lehrenden
• Sicht der Institution
• Sicht der Forschung
• Sicht des Bildungssystems
Betrachtung der Dimensionen von Learning Analytics
Diskussion über Nutzung und Barrieren für Learning Analytics
Projektbesprechung
Sonstige Wünsche?

6. Inhalte des Workshops
W. Greller
2019
Workshop Learning Analytics
6
Annäherung an die Dimensionen von Learning Analytics
(Greller & Drachsler, 2012)

7. Unsere Welt der Daten
Daten sind eine Grundkomponente für
Learning Analytics
 Wo findet man Daten im Alltag?
 Wieso ist das Thema in der Bildung?
W. Greller
2019
Workshop Learning Analytics
7

8. Digital Education Action Plan
Europäische Kommission (2018):
“Everyday exposure to digital data, driven largely by
inscrutable algorithms, creates clear risks and
requires more than ever critical thinking and the
ability to engage positively and competently in the
digital environment.”
(vgl. auch DigComp & DigCompEdu)
W. Greller
2019
Workshop Learning Analytics
8

9. Unsere Welt der Daten
W. Greller
2019
Workshop Learning Analytics
9
Daten ergeben weitere Daten
– führen zu Informationen
und Erkenntnissen und zu
Wissen
Wissen führt zu
(kompetentem) Handeln
Wissen
Information
Daten Daten
Daten

10. Daten zum Lernen und Lehren
Welche Art von Daten kennen Sie zum Lernen, zu
Lernern, zur Lernunterstützung und Verwaltung?
 Personendaten, demographische Daten
 Vorwissen, frühere Lernerfolge (z.B. Einstufungstests)
 Aktionsaufzeichnungen (z.B. Logfiles, Eyetracker)
 Interaktive Eingaben (z.B. Textinput, Mousebewegung)
 Sensoren und Computeranalytik (z.B. Gesichtserkennung,
Sentimentanalyse von Sprache, Biometrics, Machine Learning, AI)
 Lernverwaltung, Studiendaten (z.B. Prüfungsantritte,
Anwesenheiten, Bibliothek)
W. Greller
2019
Workshop Learning Analytics
10

11. Die neue Welt der Daten
Führt zu neuen Berufsbildern (auch in Bildungseinrichtungen):
- Datenanalysten
- Datenmanagern
Führt zu neuen „Wichtigkeiten“ – Evidenzen
Analyse- und Evaluierungsabteilungen für…
- Trendprognosen (z.B. Fächerwahl)
- Qualitätssicherung
- Konkrete institutionelle/überinstitutionelle Zukunftsplanung
(z.B. Lehrerpensionierungen – Nachwuchsbedarf)
W. Greller
2019
Workshop Learning Analytics
11

12. Was ist Learning Analytics
Learning Analytics ist die Nutzung von „Big Data“ in der
Bildung zum Zweck der Verbesserung des Lernens.
Siemens (2013; p.1381) “Through the use of mobile devices,
learning management systems (LMS) and social media, a greater
portion of the learning process generates digital trails.(…) and data
trails offer an opportunity to explore learning from new and multiple
angles”.
Bringt neue Erkenntnisse
W. Greller
2019
Workshop Learning Analytics
12

13. Was ist Learning Analytics
Definitionen:
“Learning Analytics is the use of intelligent data, learner-produced
data, and analysis models to discover information and social
connections, and to predict and advise on learning”
(Siemens, 2010)
“The application of analytic techniques to analyse educational data,
including data about learner and teacher activities, to identify
patterns of behaviour and provide actionable information to
improve learning and learning-related activities”
(Van Harmelen & Workman, 2012)
W. Greller
2019
Workshop Learning Analytics
13

14. Learning Analytics vs. EDM
EDM = Educational Data Mining:
“Educational Data Mining is an emerging discipline, concerned with
developing methods for exploring the unique types of data that come from
educational settings, and using those methods to better understand
students, and the settings which they learn in.” (IEDMS 2005)
Hochtechnische Disziplin zur Mustererkennung in riesigen
Datensammlungen – trifft i.d.R. keine pädagogischen Aussagen
Learning Analytics:
“Soft” Disziplin, die sich mehr den Menschen hinter den Daten
widmet, den Umständen, Kontexten, Vernetzungen, Kapazitäten,
Motivation, Verhalten usw. und helfend eingreift.
W. Greller
2019
Workshop Learning Analytics
14

15. Learning Analytics vs. „Academic
Analytics“
LA betrachtet den Lernprozess, AcA wendet Business Intelligence
Techniken an, mit dem Ziel “Werte” zu schaffen für die Institution,
Managers und Policy Makers (Long & Siemens, 2011)
W. Greller
2019
Workshop Learning Analytics
15

16. Warum Learning Analytics?
Wie kann man Ihrer Meinung nach Daten in der Lehre
und beim Lernen einsetzen?
Studierende (und Lehrende) schätzen:
 Besseres Verstehen des (eigenen) Lernverhaltens
 Personalisierte Lernhilfe
 Zeitgerechtes Feedback und Intervention
 Lernfortschritt messbar und sichtbar machen
 Informationen die unabhängiges Lernen unterstützen
(Wong, 2017; Tsai, Scheffel & Gasevic, 2018)
W. Greller
2019
Workshop Learning Analytics
16

17. Vorteile von Learning Analytics
Unterscheidende Merkmale von herkömmlicher
Tatsachenforschung (Empirie):
 Größenordnung: massive digitale Datensets („Big
Data“) aus unterschiedlichen Quellen; mikro-makro
Informationen über eine gesamte Lernerpopulation
 Schnelligkeit: real-time Informationen über
automatisierte Analyseprozesse; zeitgerechtes,
immer abrufbares (on-demand) Feedback zum
Lernfortschritt
W. Greller
2019
Workshop Learning Analytics
17

18. Vorteile von Learning Analytics
Unterscheidende Merkmale von herkömmlicher
Tatsachenforschung (Empirie):
 Datenmix: LA sammelt Informationen aus einer Reihe
von Quellen, inklusive verschiedener Sensoren
(Schrittzähler, GPS, Pulsmesser, Gesichtserkennung,
usw.)
 Authentizität: Lernverhaltensdaten ohne Eingriff ins
Lernen und nicht „meinungsorientiert“
W. Greller
2019
Workshop Learning Analytics
18

19. Evidenzbasiertes Lernen
Warum wird das zunehmend ein Thema
in der Bildung (und anderswo)?
 Keine Anekdoten oder Gerüchtebasis
 Fakten zur Entscheidungsfindung
 Wissenschaftliche Objektivität
 Neutrale Vergleichbarkeit
W. Greller
2019
Workshop Learning Analytics
19

20. Evidenzbasiertes Lernen
Objektive Informationen über den Lernprozess und Lernerfolg
Bsp.:
 Direkte Beobachtung
 Wissenschaftliche Studien/Versuche
 Nutzung von Informationen aus Lerndaten
 Authentische Information (reales Setting, störungsfrei)
 Information auf Mikro- und Makroniveau in Echtzeit
 Sichtbarmachung persönlicher Lernzugänge (z.B. Erkennung von
Beeinträchtigungen u Lernschwierigkeiten)
 Verstehen von Lernverhalten (ganz allgemein) und
Zusammenhängen
W. Greller
2019
Workshop Learning Analytics
20

21. Learning Analytics für
evidenzbasiertes Lernen
Learning Analytics wird als Reflexionsverstärker
und als Teil objektiver Lernevidenzen verstanden,
die eine Lernenden- oder Lehrendenreaktion
hervorrufen.
Steht u.a. in Zusammenhang mit Zimmermans „self-
evaluation“ Strategie in SRL.
W. Greller
2019
Workshop Learning Analytics
21

22. Learning Analytics für
evidenzbasiertes Lernen
Jedes Lernen braucht (regelmäßiges) Feedback
während des Lernprozesses…
 um Fortschritt und Position zu beobachten
 um die Lernstrategien anzupassen
 um die nächsten Schritte zu planen
 um Fokus und Zielsetzung beizubehalten
 um sich mit anderen zu vergleichen
 um erfolgreiche Lernstrategien zu identifizieren
 um die Lernenden zu motivieren
W. Greller
2019
Workshop Learning Analytics
22

23. Fragen?
W. Greller
2019
Workshop Learning Analytics
23

24. Sechs Dimensionen von LA
W. Greller
2019
Workshop Learning Analytics
24