Masterarbeitspräsentation TU Graz, April 2016

1. W I S S E N T E C H N I K L E I D E N S C H A F T
Gamification-Elemente
für Online-Kurse
Eine Analyse und Potenzialstudie
Ines Legnar, BSc
28. April 2016
www.tugraz.at

2. 2
Agenda
Ines Legnar, BSc
28. April2016
1. Einleitung
2. Analyse durchgeführter Studien
3. Beispielhafte Umsetzung
4. Aspekt der Motivation
5. Algorithmus
6. Ergebnisse

3. 3
Gamification
Gamification - Definition
 „Gamification ist die Verwendung von
spieletypischen Mechaniken außerhalb reiner
Spiele.“ [1]
 Spieletypische Mechaniken
 Punkte, Status, Level, Badge, Quest, Rangliste,
Fortschrittsbalken, Achievements, Epic Meaning,
Resultatstransparenz
Ines Legnar, BSc
28. April2016
[1] Deterding et al., Gamification: Toward a Definition

4. 4
Massive Open Online Courses (MOOCs)
MOOCs – Merkmale [2]
Ines Legnar, BSc
28. April2016
 Massive: Unbegrenzte Anzahl an Teilnehmer/innen
 Open: Frei zugänglich und (meist) kostenlos
 Online: Kurse/Prüfungen zu 100% online
 Course: Festgelegter Kursplan
 Lehrperson stellt Videos zum Kursinhalt online
 Regelmäßige Prüfungen
 xMOOCs vs. cMOOCs

5. MOOCs – Herausforderungen [2]
 Online Plattform
 Identitätskontrolle
 Betrug bei Prüfungen
 Hohe Abbruchquote (>90%)
 Kurs zu lang/zu aufwendig
 Kein Interesse am Abschluss
 Fehlendes soziales Umfeld
 Online Plattform uninteressant
Massive Open Online Courses (MOOCs)
Ines Legnar, BSc
28. April2016
5

6. Analyse bereits durchgeführter Studien [3] [4] [8]
 Ersatz für das fehlende soziale Umfeld
 Diskussionsforum
 Interaktiver mit Bewertung durch Peers
 Soziale spieletypische Elemente
 Psychologischer Effekt von Spielen
 Kognitiver Bereich – Regeln, Aufgaben
 Emotionaler Bereich – Freude, Aufregung, Frust
 Sozialer Bereich – verschiedene Identitäten
Nutzungsmotivation durch spieletypische Mechaniken
6
Ines Legnar, BSc
28. April2016

7. Beispielhafte Umsetzungen [3] [5]
 Soziales spieletypisches Element
 Status eines ausgewählten Konkurrenten
 Kognitiver Bereich
 Hierarchischer Baum
 Emotionaler Bereich
 Achievements
 Sozialer Bereich
 Leaderboard
PsychologischerAspekt der Motivation
7
Ines Legnar, BSc
28. April2016

8. Motivation [6] [7]
 Extrinsische Motivation
 Externe Belohnungen (z.B. Badges)
 Intrinsische Motivation
 Eigenantrieb
 Korrumpierungseffekt
 Umwandlung von intrinsischer Motivation in eine
extrinsische Motivation
PsychologischerAspekt der Motivation
8
Ines Legnar, BSc
28. April2016

9. Entwicklung eines Algorithmus für die
Aktivität in MOOCs
 Ziel: Potentielle Aussteiger erkennen und diese
motivieren den Kurs positiv abzuschließen.
 Testung des Aktivitätsverhaltens
 Lesen im Forum
 Schreiben im Forum
 Quizantritte
 Logins
Algorithmus
9
Ines Legnar, BSc
28. April2016

10. Testdaten
 771 Kursteilnehmer/innen
 341 abgeschlossen
 429 aktiv (nicht abgeschlossen)
 2 MOOCs der Plattform iMooX.at
 Gratis online Lernen (GOL)
 Lernen im Netz (LIN)
 Kursdauer jeweils 8 Wochen
 Quiz positiv wenn über 50% richtig
Algorithmus
10
Ines Legnar, BSc
28. April2016

11. Erste Gewichtung des Algorithmus
 Rohdaten von Khalil M. (Doktorand TU Graz)
 Gewichtung der Aktivitäten
 Lesen im Forum 25%
 Schreiben im Forum 35%
 Quizantritte 40%
 Jede Aktivität wird in weiterer Folge mit der
Gewichtung multipliziert
Algorithmus
11
Ines Legnar, BSc
28. April2016

12. Berechnung der Vorgabewerte für das
MOOC „Gratis online Lernen“
 Aktivitäten der abgeschlossenen Kursteilnehmer/innen
 Orangen Werte werden als Vorgabewerte für die weitere
Berechnung verwendet
12
DURCHSCHNITTL.AKTIVITÄT

13. Berechnung des Aktivitätsverhaltens
 Finaler Wert (in %) =
Aktivität Quizantritte * 0,4
+ Aktivität Lesen im Forum * 0,25
+ Aktivität Schreiben im Forum * 0,35
 Beispiel: 1 Quizantritt (50% Aktivität), 5x im Forum
gelesen (83%) und 0x im Forum geschrieben (0 %)
50 * 0,4 + 83 * 0,25 + 0 * 0,35 = 40,75%
Algorithmus
13
Ines Legnar, BSc
28. April2016

14. Berechnung des Aktivitätsverhaltens
Algorithmus
14
Ines Legnar, BSc
28. April2016
Rot
0 bis 25%
Orange
25,01 – 50%
Gelb
50,01 – 75%
Grün
75,01 – 100%
QZ1 = Quizantritte Woche 1 R1 = Lesen Woche 1
W1 = Schreiben Woche 1

15. Finaler Algorithmus
 Gewichtung von „Schreiben im Forum“ reduziert
 Gewichtung von „Lesen im Forum“ erhöht
 Neuer Wert Loginverhalten
 Finale Gewichtung der Aktivitäten
 Lesen im Forum 30%
 Schreiben im Forum 10%
 Quizantritte 40%
 Loginverhalten 20%
Algorithmus
15
Ines Legnar, BSc
28. April2016

16. Berechnung der Vorgabewerte für das
MOOC „Gratis online Lernen“
 Aktivitäten der abgeschlossenen Kursteilnehmer/innen
 Orangen Werte werden als Vorgabewerte für die weitere
Berechnung verwendet
16
DURCHSCHNITTL.AKTIVITÄT

17. Berechnung des Aktivitätsverhaltens
 Finaler Wert (in %) =
Aktivität Quizantritte * 0,4
+ Aktivität Lesen im Forum * 0,3
+ Aktivität Schreiben im Forum * 0,1
+ Aktivität Logins * 0,2
 Beispiel: 1 Quizantritt (50% Aktivität), 5x im Forum
gelesen (83%), 0x im Forum geschrieben (0 %) und 2
Logins (67%)
50 * 0,4 + 83 * 0,3 + 0 * 0,1 + 67 * 0,2 = 58,3%
Algorithmus
17
Ines Legnar, BSc
28. April2016

18. Berechnung des Aktivitätsverhaltens
Algorithmus
18
Ines Legnar, BSc
28. April2016
Rot
0 bis 25%
Orange
25,01 – 50%
Gelb
50,01 – 75%
Grün
75,01 – 100%
QZ1 = Quizantritte Woche 1 L1 = Logins Woche 1
R1 = Lesen Woche 1 W1 = Schreiben Woche 1

19. Ergebnis MOOC „Gratis online Lernen“
 Eindeutig höhere Aktivität bei abgeschlossenen
Kursteilnehmer/innen
Ergebnis
19
Ines Legnar, BSc
28. April2016
Aktivitätsverhalten GOL über alle 8 Wochen
Durchschnittl.Aktivität

20. Ergebnis MOOC „Lernen im Netz“
 Eindeutig höhere Aktivität bei abgeschlossenen
Kursteilnehmer/innen
Ergebnis
20
Ines Legnar, BSc
28. April2016
Aktivitätsverhalten LIN über alle 8 Wochen
Durchschnittl.Aktivität

21. Ergebnis beide MOOCs
Ergebnis
21
Ines Legnar, BSc
28. April2016
AnzahlKursteilnehmer/innen
Kurswoche

22. Ergebnis beide MOOCs
Ergebnis
22
Ines Legnar, BSc
28. April2016
Kurswoche
AnzahlKursteilnehmer/innen

23. Erkennung von Aussteiger/innen pro
Woche von beiden MOOCs
Ergebnis
23

24. Einsatz eines spieletypischen Elements
 Fortschrittsbalken
 Spiegelt je nach Aktivität die vier
verwendeten Farben wieder
 Korrumpierungseffekt wird vermieden
Empfehlung
24
Ines Legnar, BSc
28. April2016
Fortschrittsbalken in Form eines Messgeräts Fortschrittsbalken mit wechselnder Farbe

25. Vielen Dank für
Ihre Aufmerksamkeit!
25

26. Quellenverzeichnis
[1] Deterding et al. (2011). Gamification: Toward a Definition
[2] Schulmeister, R. (2013). MOOCs Massive Open Online Courses: Offene Bildung oder
Geschäftsmodell?
[3] Krause et al., (2015). A Playful Game Changer: Fostering Student Retention in Online
Education with Social Gamcation.
[4] Lee and Hammer, (2011). Gamification in Education: What, How, Why Bother?
[5] Domínguez et al. (2013), Gamifying learning experiences: Practical implications and
outcomes.
[6] Hott, K. (2014). Die Verdrängung intrinsischer Motivation durch extrinsische Anreize.
[7] Lepper et al., (1973). Undermining children's intrinsic interest with extrinsic reward: A
test of the overjustication hypothesis.
[8] [Khalil and Ebner, (2013). How satisfied are you with your MOOC? - A Research Study on
Interaction in Huge Online Courses. Expertise Center for Games and Game Design (EGG).
Einsatz
26
Ines Legnar, BSc
28. April2016