Analyse prozessbezogener Verhaltensdaten mittels Learning Analytics: Aktuelle und zukünftige Bedeutung für die Unterrichtswissenschaft

Abstract

ZusammenfassungInternational entwickelte sich unter dem Begriff „Learning Analytics“ in den letzten Jahren ein Forschungsfeld, das sich auf das Sammeln, Auswerten und Anwenden komplexer, häufig multi-modaler und digitaler Verhaltensspuren fokussiert. Diese Verhaltensspuren, die Lernende und Lehrende in digitalen Kontexten hinterlassen, werden mit Hilfe computerbasierter Modelle oder mittels Verfahren des maschinellen Lernens ausgewertet, um Erkenntnisse über Lehr- und Lernprozesse zu gewinnen. Die Lehr-Lernforschung nähert sich derzeit langsam dem Feld der Learning Analytics an. Ein Potenzial von Learning Analytics für die Lehr-Lernforschung wurde demnach bereits erkannt, sodass ein Weiterdenken an dieser Stelle äußerst lohnenswert erscheint. Der vorliegende Beitrag skizziert daher die inzwischen bereits stark fortgeschrittene Forschung zu Learning Analytics und stellt anhand konkreter Beispiele das Potenzial von Learning-Analytics-Ansätzen für die Weiterentwicklung von Lern- und Instruktionstheorien dar. Insbesondere wird hier auf selbstreguliertes und kooperatives Lernen eingegangen sowie auf die Gestaltung von Lernumgebung und Unterstützung von Lehrkräften. Dabei mit- und weitergedacht werden sowohl Risiken und Herausforderungen von Learning Analytics (wie fehlende Kopplung zwischen Theorie und Empirie sowie ethische Aspekte) als auch Chancen (wie Erfassung der Komplexität und Zeitlichkeit von Lehr-Lernprozessen) von Learning Analytics für die Unterrichtswissenschaft und -praxis.