learning analytics: lerndaten sinnvoll nutzen · data mining • eine universität hat ein campus...
Post on 18-Aug-2020
1 Views
Preview:
TRANSCRIPT
22.06.2016 1
Learning Analytics: Lerndaten sinnvoll nutzen
Dr. Peter Salden (TU Hamburg)
222.06.2016 TUHH
Agenda
2
1. Learning Analytics – was ist das?
2. Didaktische Möglichkeiten
3. Didaktische Bewertung
4. Datenschutz
5. Umsetzungsstand
322.06.2016 TUHH 3
DataMiningMit dem Thema Learning Analytics...
a) kenne ich mich schon gut aus
b) hatte ich bisher eher wenig zu tun
422.06.2016 TUHH 4
DataMiningLearning Analytics empfinde ich erstmal...
a) als Chance für die Verbesserung der Lehre
b) als datenschutzrechtlich problematisch
22.06.2016 5
Learning Analytics – was ist das?
622.06.2016 TUHH
Learning Analytics: Kontext
6
DataMining
Data Mining
Educatio-nal Data Mining
Learning Analytics
Big Data
722.06.2016 TUHH
Definition
7
DataMining
Der Begriff „Learning Analytics“ bezeichnet die Analyse großer Datenmengen, die durch die
Nutzung von Informations- und Kommunikationstechnologien bei
Lernprozessen anfallen.
822.06.2016 TUHH
Ein Szenario
8
DataMining
• Eine Universität hat ein Campus Management-System.
• Das Learning Management-System ist integriert.
• Das Angebot umfasst auch Social Media- sowie Selftracking-Dienste.
• Lehrende und die Verwaltung haben Zugang zu lernbezogenen Daten der Studierenden.
922.06.2016 TUHH
Akteursebenen
9
Datennutzung durch
Studierende
1022.06.2016 TUHH
Akteursebenen
10
• Behörde• InstitutionenverbundMakro
• Institution• FakultätMeso
• Vorlesungsgruppe• Einzelne StudierendeMikro
nach Buckingham Shum: IITE Policy Brief
22.06.2016 11
Didaktische Möglichkeiten
1222.06.2016 TUHH
Didaktische Möglichkeiten
12
DataMining
Lernstandsbeschreibungen
1322.06.2016 TUHH
Didaktische Möglichkeiten
13
DataMining
Bestehensprognosen
1422.06.2016 TUHH
Didaktische Möglichkeiten
14
DataMining
Netzwerkanalyse
1522.06.2016 TUHH
Didaktische Möglichkeiten
15
DataMining
Adaptive Lernumgebungen (für heterogene Gruppen)
1622.06.2016 TUHH
Didaktische Möglichkeiten
16
DataMining
Feedback zur Lehre
1722.06.2016 TUHH
Didaktische Möglichkeiten
17
DataMining
Erweiterte Evaluation
22.06.2016 18
Didaktische Bewertung
1922.06.2016 TUHH
Lerntheorie
19
DataMining
• Behaviorismus: Das Gehirn ist zwar eine Black-Box, aber es folgt Reiz-Reaktions-Logiken, die wir für das Lernen nutzen können.
• Kognitivismus: Wir können Vorgänge im Gehirn erklären und uns für die Gestaltung von Lernprozessen zunutze machen.
• Konstruktivismus: Jeder lernt individuell und konstruiert aus Informationen eine eigene Wirklichkeit. Die Ergebnisse der Konstruktionsprozesse sind nur begrenzt beeinflussbar.
2022.06.2016 TUHH 20
DataMiningIch habe das Gefühl, Learning Analytics befördern eine Didaktik gemäß dem...
a) Behaviorismus (Reiz-Reaktion)
b) Kognitivismus (Lernprozesse verstehen)
c) Konstruktivismus (individuelles Lernen fördern)
2122.06.2016 TUHH
Lerntheorie
21
DataMining
Diskutieren Sie:
Welche Art von Didaktik befördern Learning Analytics?
2222.06.2016 TUHH
Lerntheorie
22
Lehr-Lernsituation
Learning Analytics
Didaktische Konsequenz
nach Greller/Drachsler
2322.06.2016 TUHH
Vor- und Nachteile
23
Pro Contra
Quantität statt Qualität
Erfassung von Kompetenz?
Verallgemeine-rung
Selbst-steuerung
Schnelle Intervention
Erkenntnis-gewinn
22.06.2016 24
Datenschutz
2522.06.2016 TUHH
Datenschutz: Restriktionen
25
DataMining• Grundsätzlich ist die Verarbeitung personenbezogener Daten verboten (vgl. GG).
• Grundsatz der Datenminimierung (z.B. EU Datenschutzgrundverordnung)
• Daten dürfen ausschließlich für einen definierten Zweck erhoben werden.
2622.06.2016 TUHH
Datenschutz: Spielräume
26
DataMining• Auch für Anwendungsfälle von Learning Analytics können Verfahren definiert werden.
• Betroffene können in die Nutzung ihrer Daten einwilligen.
• Die Verarbeitung anonymisierter Daten ist tendenziell unproblematisch.
2722.06.2016 TUHH 27
DataMining
Diskutieren Sie das Datenschutz-Problem – und gerne auch die Fragen:
• Benötigen wir für die Nutzung von Learning Analytics überhaupt personalisierte Daten?
• Können große, heterogene Mengen an Lerndaten anonymisiert werden?
• Wie schätzen Sie die Wahrscheinlichkeit ein, dass Studierende von sich aus in die Datennutzung einwilligen?
2822.06.2016 TUHH 28
DataMiningInsgesamt betrachtet sehe ich...
a) vor allem didaktische Chancen
b) vor allem offene Datenschutzfragen
22.06.2016 29
Umsetzungsstand
3022.06.2016 TUHH
„Learning Analytics“ bei Google Trends
30
DataMining
Relative Häufigkeit des Suchbegriffs „learning analytics“ (bis Oktober 2015) nach Google „Trends“ (http://www.google.de/trends/)
3122.06.2016 TUHH
„Learning Analytics“ bei Google Trends
31
DataMining
Relative Häufigkeit des Suchbegriffs „learning analytics“ (bis Oktober 2015) nach Google „Trends“ (http://www.google.de/trends/)
3222.06.2016 TUHH
Beispiele von der TUHH
32
Online-Prüfungsmodule
Backchannel
Vorlesungs-aufzeichnungen
Fotos: A. Tscheulin (1, 3); TUHH/M. Hernandez (2)
3322.06.2016 TUHH
Was tun?
33
Bewusstsein für Daten schaffen
Didaktische Ziele identifizieren
Umgang mit Daten regulieren
Transparenz schaffen
3422.06.2016 TUHH 34
Vielen Dank für Ihre Aufmerksamkeit!
Für Rückfragen: Dr. Peter Saldenpeter.salden@tuhh.de
s. auch Salden/Rick/Tscheulin: „Learning Analytics aus hochschuldidaktischer Perspektive“, in: Grundfragen Multimedialen Lehrens und Lernens, Hg. N. Apostolopoulos u.a. 2014.
top related