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

Author:

Eberle JuliaORCID,Strauß SebastianORCID,Nachtigall ValentinaORCID,Rummel NikolORCID

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

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3