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.
Funder
Paris Lodron University of Salzburg
Publisher
Springer Science and Business Media LLC
Reference44 articles.
1. Aleven, V., Mavrikis, M., McLaren, B. M., Nguyen, H. A., Olsen, J. K., & Rummel, N. (2023). Chapter 9: six instructional approaches supported in AIED systems. In B. du Boulay, A. Mitrovic & K. Yacef (Hrsg.), Handbook of artificial intelligence in education (S. 184–228). Edward Elgar. https://doi.org/10.4337/9781800375413.00019.
2. Aljohani, N. R., & Davis, H. C. (2012). Learning analytics in mobile and ubiquitous learning environments. In 11th World Conference on Mobile and Contextual Learning: mLearn 2012. Helsinki. http://eprints.soton.ac.uk/id/eprint/342971.
3. Blömeke, S., Gustafsson, J.-E., & Shavelson, R. J. (2015). Beyond dichotomies. Zeitschrift für Psychologie, 223(1), 3–13. https://doi.org/10.1027/2151-2604/a000194.
4. Bodemer, D., Janssen, J., & Schnaubert, L. (2018). Group awareness tools for computer-supported collaborative learning. In F. Fischer, C. E. Hmelo-Silver, S. R. Goldman & P. Reimann (Hrsg.), International Handbook of the Learning Sciences (S. 351–358). Milton: Routledge.
5. Committee of the Permanent Representatives of the Governments of the Member States to the European Union (Coreper I). (2024, February 2). Proposal for a Regulation of the European Parliament and of the Council laying down harmonised rules on artificial intelligence (Artificial Intelligence Act) and amending certain Union legislative acts—Analysis of the final compromise text with a view to agreement (Recital 35). https://www.euaiact.com/recital/35