Add Thesis

Ein Learning Analytics ""Dozenten-Cockpit"" für die Quiz App Legal Tutor

Written by O. Karademir

Paper category

Master Thesis

Subject

Business Administration>General

Year

2020

Abstract

Masterarbeit: Lernanalyse Die Lernanalyse (LA) hat in den letzten Jahren die Aufmerksamkeit der Wissenschaft auf sich gezogen. Dieses Interesse wird durch das Bedürfnis getrieben, den Lehr- und Lernprozess und seine Individualisierung besser zu verstehen. Aus dieser Motivation heraus wurden SOLAR (Learning Analysis Research Society) und die International Educational Data Mining Society gegründet, um Forschungsgemeinschaften rund um die Rolle der Datenanalyse im Bildungswesen zu fördern. [1] LA ist ein relativ neues Forschungsgebiet, das 2011 eingeführt und von George Siemens als das Messen, Sammeln, Analysieren und Berichten von Daten über Lernende und ihre Kontexte definiert wurde, um das Lernen und die Lernumgebung, in der es stattfindet, zu verstehen und zu optimieren [ 2] 1.1.2 Learning Analytics Dashboards Ruipérez-Valiente et al. [3] Es wurden zwei Hauptmethoden für die Verwendung von LA zur sinnvollen Nutzung großer Lerndatenmengen aufgeführt: 1. Bauen Sie Systeme auf, die auf automatischer Datenverarbeitung beruhen, d. h. automatisierte Systeme, wie intelligente Tutorsysteme, Empfehlungssysteme oder adaptive Systeme Die Willensdaten werden direkt an Interessengruppen wie Lehrer und Lernende übermittelt, um den Entscheidungsprozess zu unterstützen, anstatt sie vollständig zu automatisieren, von Bildungsdaten bis hin zu systematischem Mining (unterstützt automatisierte Systeme), um Daten direkt zu melden. Dies geschieht normalerweise in visueller Form und soll Lernenden und Lehrenden helfen, die besten Entscheidungen für sich selbst zu treffen, anstatt sie automatisierten Systemen zu überlassen [4]. Dieser Trend lässt sich an den zunehmenden Forschungsaktivitäten im Bereich der LA-Dashboards ablesen. [5] Die visuelle Darstellung ist für die Wahrnehmung von Informationen und die Verteilung von Informationsbedeutungen unerlässlich, da Menschen große Datenmengen verarbeiten können, um sie bei Bedarf sinnvoll darzustellen. LA-Dashboards können Daten durch verschiedene Visualisierungsmethoden wie Grafiken, Skalen und Karten darstellen [6] [7]. Stephen Fifth definiert ein Informations-Dashboard als visuelle Darstellung der wichtigsten Informationen, die zum Erreichen eines oder mehrerer Ziele benötigt werden, kombiniert und auf einem einzigen Bildschirm angeordnet, sodass die Informationen auf einen Blick überwacht werden können. In einer Literaturübersicht zur Studie von Learning Dashboards von Schwendimann et al. [8] schlug die folgende Definition vor: „Ein Lern-Dashboard ist eine einzelne Darstellung, die verschiedene Indikatoren zu Lernenden, Lernprozessen und/oder Lernumgebungen in einer oder mehreren Visualisierungen zusammenfasst. 1.2 Vertrauenswürdige Lernanalyse Die neue EU-Datenschutz-Grundverordnung (DSGVO) hat die Anwendung von LA in Europa um eine weitere Komplexitätsebene erweitert und LA-Forscher dazu veranlasst, ihre LA-Anwendung vollständig zu überdenken. Dies erfordert eine andere Herangehensweise an Los Angeles in Europa, insbesondere in Deutschland. Die Gesellschaft hat grundsätzlich ernsthafte und begründete Bedenken bezüglich Daten und Datenanalyse. Diese Sorgen führen zu einem mangelnden Vertrauen der Menschen in LA, das behoben werden muss, um den erwarteten Nutzen daraus zu ziehen [9]. 2016 entwickelten Hendrik Drachsler und Wolfgang Greller eine Acht-Punkte-Liste namens DELICATE für Lehrende, Forschende, politische Entscheidungsträger und institutionelle Manager, um die glaubwürdige Umsetzung von LA zu fördern. [10] Diese acht Punkte sind: 1. D-Bestimmen: Bestimmen Sie den Zweck von LA für Ihre Organisation. 2. E-Erklärung: Definieren Sie den Umfang der Datenerhebung und Datennutzung. 3. L-Legal: Erklären Sie, wie Sie im rechtlichen Rahmen arbeiten und verweisen Sie auf die grundlegenden Rechtsvorschriften. 4. I-Involve: Sprechen Sie mit dem zuständigen Personal und stellen Sie die Verteilung und Nutzung der Daten sicher. 5. C-Einwilligung: Einwilligung durch explizite Einwilligungsfragen einholen. 6.A -Anonymisieren: Machen Sie die Leute so weit wie möglich anonym. 7. T-technische Aspekte: Überwachen Sie, wer auf die Daten zugreifen kann, insbesondere in Bereichen mit vielen Mitarbeitern. 8. E-Extern: Jobanbieter, Datenverarbeiter) um die höchsten Datensicherheitsstandards zu gewährleisten. 1.2.1 Trusted Learning Analysis Infrastructure Kern der technischen Aspekte des Trusted Learning Analysis Plans ist die Trusted Learning Analysis Infrastructure, die nicht nur mit Open Source-Systemen wie Lernmanagementsystemen oder interaktiven Lern- und Lehrwerkzeugen wie Audience . verbunden ist Reaktionssystem. Die TLA-Infrastruktur wurde als Open-Source-Projekt entwickelt. Diese Infrastruktur ist das erste Big-Data-System, das die EU-DSGVO berücksichtigt und praktische Funktionen bietet, um die Rechte relevanter Nutzer im LA-Prozess zu stärken. Ziel der TLA-Infrastruktur ist es, den relevanten Mitarbeitern mehr Kontrolle über ihre Daten zu geben und damit ihre Handlungs-, Reflexions- und Partizipationsfähigkeit zu verbessern. [9] 1.3 Forschungsfragen Die Forschungsfragen im Rahmen dieser Arbeit lauten: 1. Inwieweit unterstützt das Dozentencockpit in Los Angeles die Lernstatusdiagnose des Dozenten 2. Inwieweit stimuliert das Dozentencockpit in Los Angeles das Dozentenselbst -Reflexion? 3. Kann durch LA lehren Kann der Dozent (während des Semesters) das Assessment-Tool a) nutzen, um die Schwächen der Studierenden (während des Semesters) herauszufinden? Read Less