E-Book, Deutsch, 45 Seiten, Format (B × H): 210 mm x 297 mm
Nolden / Schmidt / Weber Lehre.Lernen.Digital
1. Auflage 2020
ISBN: 978-3-86676-665-5
Verlag: Verlag für Polizeiwissenschaft
Format: EPUB
Kopierschutz: Adobe DRM (»Systemvoraussetzungen)
Jahrgang 1, 2020 Ausgabe 2
E-Book, Deutsch, 45 Seiten, Format (B × H): 210 mm x 297 mm
ISBN: 978-3-86676-665-5
Verlag: Verlag für Polizeiwissenschaft
Format: EPUB
Kopierschutz: Adobe DRM (»Systemvoraussetzungen)
Mit der Transformation der Digitalisierung in allen Lebensbereichen kommt auch einer zeitgemäßen und auf die heutige Schüler- und Studierendengeneration zugeschnittenen Lehre eine besondere Bedeutung zu.
Die Digitalisierung hat längst Einzug in die Seminarräume sowie Lehr- und Hörsäle der Bildungseinrichtungen gehalten. Zugegeben fehlt es vielerorts nicht nur an den technischen Voraussetzungen, sondern nach wie vor sind Fragen zu Lehrdeputaten, mediendidaktischen Beratungsangeboten und strategischen Verankerungen nicht oder nur unzureichend beantwortet.
Die größten Hemmnisse für die Etablierung lehr-und lernbegünstigender digitaler Settings tragen jedoch noch die Lehrenden selbst in sich. Sie müssen sich in ihrem Berufsleben täglich den Herausforderungen der Digitalisierung stellen, ganz unabhängig davon, in welchem Bildungszweig sie tätig sind und welche Unterstützung sie dabei erfahren.
Insbesondere die Heraus- und Weiterbildung für das gesamte Leben so wichtiger digitaler Kompetenzen und insbesondere für die Lehre relevanter Medienkompetenzen braucht das integrative Zusammenspiel von Wissenschaft und Praxis und einen Raum bzw. ein Medium, in dem ein Austausch und Diskurs möglich sind.
»Lehre. Lernen. Digital!« ist eine unabhängige und interdisziplinäre Zeitschrift insbesondere für digitale Mediendidaktik.
Sie erscheint halbjährlich in gedruckter, aber auch digitaler Form. In ihr kommen Autorinnen und Autoren aus der Wissenschaft und Praxis fachlich übergreifend zu Wort.
Die Fachbeiträge in der Zeitschrift sollen Neugierde wecken, zum Nachdenken, Nachahmen und zu fachlichen Diskursen anregen.
Autoren/Hrsg.
Weitere Infos & Material
Editorial
Alexandra Altmann
Erfolgsfaktoren für Live-Online Veranstaltungen So machen Sie das Beste aus virtuellen Klassenräumen
Prof. Dr. Waltraud Nolden
Digitale Herausforderungen im Studium des Polizeivollzugsdienstes an der Fachhochschule (FH) Polizei Sachsen-Anhalt in Zeiten der Corona-Pandemie
Christian Dichtl
Akzeptanz von E-Learning
Torsten Fell
Learning Analytics
Erfolge messen, Daten interpretieren und Maßnahmen ableiten
Prof. Dr. Tanja Hollmann, Katja Drasdo, Susanne Mey, Prof. Dr. Marcus Birkenkrahe
Mediendidaktik im Fach Rechtsmedizin des Bachelorstudiengangs „Gehobener Polizeivollzugs-dienst“ der HWR Berlin – E-Learning-Einheiten als zusätzliches Angebot der Wissensvermittlung
Olaf Resch
Open Knowledge Interface (OKI)
Ein digitaler Assistent für wissenschaftliche Arbeiten
Thomas Schroeder
Fundamentale Veränderung
Prof. Dr. Thomas Sauerland
E-Learning im Fernstudiengang „Master of Public Administration“ der HS Bund
Prof. Dr. Steffen Bug
Die neue Vertiefungsrichtung „Cyberkriminalistik“ im Bachelorstudiengang „Kriminalpolizei“
Learning Analytics Erfolge messen, Daten interpretieren und Maßnahmen ableiten Torsten Fell1, Institutsleiter/Founder – Institute for Immersive Learning In Zeiten von Individualisierung, Personalisierung und Performance-Steigerung beim Lernen spielt das Thema „Lernerfolge zu messen“, Ableitungen aus Lernverhalten und die Erstellung passgenauer Lerninhalte eine immer wichtigere Rolle. Und ja, es werden Daten gesammelt und generiert. Und ja, um Aussagen und Optimierungen auf Individualebene zu machen, müssen diese Daten personalisiert werden. Ansonsten wird ein Nutzen auf Einzelebene sehr schwierig. Auch die aktuellen Diskussionen rund um Künstliche Intelligenz (KI) bringt das alte Thema „Bildungscontrolling“, „Learning Analytics“ und „Smart Learning Data“ wieder in aller Munde. Dieser Artikel betrachtet, wie die bestehenden Ansätze und Sichtweisen zum Thema „Learning Analytics“ zusammengeführt werden können und welche Aspekte bei Lernprozessen im Blended Learning zu berücksichtigen sind. Dabei geht es um den Fortschritt der Lernenden, den Ausbau von Handlungskompetenz und den Businesserfolg auf organisatorischer Ebene. „Learning Analytics ist die Interpretation von lernerspezifischen Daten und Verhalten, um den individuellen Lernprozess gezielt zu verbessern.“
(Torsten Fell) 1. Ausgangslage Der Begriff „Learning Analytics“ hat sich in den letzten Jahren deutlich breiter aufgestellt. Die gezielte Auswertung und Interpretation der Daten des Lernerverhaltens, des Nutzens von Lernangeboten und des Feedbacks aller betroffenen Rollen, ermöglicht heute zunehmend eine individuelle und personalisierte Lernempfehlung und Auswertung der Aktivitäten. In vielen Organisationen stehen im Mittelpunkt der Diskussionen die Mitbestimmungsrechte und welche Daten wie erhoben werden können und dürfen. Hierzu müssen Regelungen und Rahmen erstellt und abgeleitet werden. Moderne Ansätze wie „Learner Journey“2, „Personas“3 und „Smart Data Analytics“4 haben das Umfeld „Learning Analytics“ wesentlich erweitert. Dabei stehen Aussagen zum Lernerfolg, Lerntransfer, zur Nutzung der Medien, zum Vernetzungsgrad und zur -intensität, zu Anpassungen von Lerninhalten und die Erreichung und Unterstützung der gesetzten Businessziele im Fokus der Überlegungen. Auch gewinnen neben den formalen Lernprozessen die informellen Lernprozesse deutlich an Wichtigkeit. Die Vernetzung von Know-How und damit von Menschen und Themenfeldern und die damit stattfindende Kollaboration in Lerngruppen und das Entstehen von Ergebnissen stellt Learning Analytics zunehmend vor Herausforderungen. Dadurch gewinnt das Thema KI/AI (Künstliche Intelligenz/Artifizielle Intelligenz) im Zusammenhang mit der Auswertung von Mustern und Verhaltenszusammenhängen und die damit auf der Individualebene entstehenden Konsequenzen eine wichtige Rolle. Hier wird die adaptive Anpassung von Lernwegen und Lerninhalten, die Empfehlung von Vernetzung zu bestimmten Personen oder die Modularisierung der Lerninhalte über einen kontextsensitiven Zugang diskutiert. Generell geht es im Moment sehr stark um den „smarten“ Zugang zu individuellen und personalisierten Lerninhalten und Lernwegen, um die effiziente Gestaltung von Lerninhalten auf das „Nötigste“ und den direkten Zugriff in der Lernsituation. Im Reporting geht es um die Darstellung der Erreichung gesteckter Unternehmensziele und die Begründung gegenüber internen Stakeholdern5 für die Erreichung der Businessziele. Die Mischung unterschiedlicher Sichtweisen hängt u.a. von der jeweiligen Zielsetzung der Ergebnisse und der gewollten Maßnahmen ab. 2. Learning Analytics „Learning Analytics ist die Möglichkeit, neue Sichtweisen auf Lernprozesse, Lernergebnisse, Lernaktivitäten etc. zu erhalten und daraus weitere Vorgehensweisen abzuleiten oder ableiten zu lassen.“ Torsten Fell Im Spannungsfeld komplexer Anforderungen sind es die Aufgaben eines Learning Analytics-Ansatzes, • bedarfsgerecht Lernangebote bereitzustellen, • einen effizienten Trainingsbetrieb sicherzustellen, • individuellen Lernerfolg zu fördern, • Qualität in jeder Hinsicht gegenüber dem Kunden sicherzustellen, • eine Personalisierung der Lernangebote zu ermöglichen, • Identifikation von optimalen Rahmenbedingungen, • Förderung der Vernetzung von KnowHow und Menschen, • die Qualität von Lernangeboten zu optimieren sowie • die Kosten-Nutzen-Relation messbar und transparent zu machen und damit insgesamt wesentlich zur Erreichung der Unternehmensziele beizutragen. 2.1 Sichtweisen Man kann mit vier Sichtweisen auf Erkenntnisse im Learning Analytics-Bereich schauen. • Lerner-Sicht • Content-Provider-Sicht • Themen-/Content-Sicht • Organisations-Sicht Bei der Lerner-Sicht stehen individuelle Lernempfehlungen auf Contentseite, Vernetzungsempfehlungen auf Personenseite und das Generieren personalisierter Lernangebote und - wege im Fokus. Es geht um die Erreichung des maximalen Lernerfolgs und –transfers, dies im Sinne der Erreichung der Business- und Organisationsziele. Die Lerner-Sicht umfasst dabei die Analyse, Darstellung und die Interpretation von Daten aus Lehr- und Lernsettings mit dem Zweck, dass Lernende ihr Lernen unmittelbar verändern können. Die Content-Provider-Sicht, also der Lernanbieter, die PE (Personalentwicklungs- oder Trainingsabteilung), will wissen, ob die Angebote genutzt, die Ziele erreicht werden, um dies gegenüber den internen Stakeholdern verargumentieren zu können. Wie wichtig sind sie und wie gut unterstützen die Lernangebote die Ziele. Weiterhin spielen vielleicht die Qualitätssicherung bestimmter Rollen, wie Trainer oder Content-Entwickler, eine Rolle. Diese können beurteilt und Zusammenhänge, z.B. mit Erfolgsquoten, hergestellt werden. Die Themen-/Content-Sicht soll es ermöglichen, bestehende Lerninhalte zu optimieren, ggf. adaptive Lernwege zu generieren oder bei Überlegungen zu neuen Content-Lernprodukten Erkenntnisse einfließen lassen zu können. Hier können kleinschrittige, modularartige Lerninhalte zu neuen Lernwegen zusammengestellt werden und diese z.B. kontextsensitiv im Arbeitsprozess zugänglich gemacht werden. Dies wird in Zukunft zunehmend automatisiert geschehen können, indem Metadaten das eigene Lernverhalten und das der Kollegen analysiert sowie Muster erstellt werden und neue Lernwege entstehen. Die Organisations-Sicht ermöglicht den Stakeholdern über die gesamte Organisation Erkenntnisse für den Lernerfolg und -transfer mit der Performance zusammenzubringen: Steigt die Qualität gegenüber den Kunden, steigen die Verkaufszahlen oder die Produktion bei gleichzeitiger Verringerung der Fehlerzahlen? Hier helfen z.B. Key Performance Indikatoren (KPI)6, die in Balance Scorecard (BSC)7 integriert sind und einen klaren Rahmen für einen Führungsprozess bieten. 2.2 Datenquellen für Learning Analytics Jede Datenquelle kann für Learning Analytics herangezogen werden, wenn diese sinnvoll ist, Aussagen für die Nutzung, die Weiterentwicklung oder die Neugestaltung von Lernprozessen und -inhalten zu gewinnen. Konkrete Handlungsempfehlungen von den Lernern, Optimierung der Lerninhalte und die Generierung neuer Lerninhalte anhand vorhandener Bedürfnisse sollten Basis sein, die Datenquellen intelligent und ganzheitlich auszuwerten und Maßnahmen abzuleiten. Die bestehenden Daten und Datenmodelle müssen geprüft werden. Je nach Ziel und Zweck müssen diese vereinheitlicht und auf Form, Komplexität und Vollständigkeit untersucht werden. Hierbei spielen auch Datenquellen eine Rolle, die nicht klassisch im HR8/Training-Umfeld sind. Durch die unterschiedlichen Sichtweisen und die Nutzung von Datenquellen ist eine vielfältige Interpretation durch Learning Analytics möglich. Vernetzungen und Zusammenhänge können erkannt und visualisiert werden. Wenn man in die nahe Vergangenheit schaut, werden Learning Analytics immer wieder mit Modellen rund um das Thema Bildungscontrolling in Zusammenhang gebracht. Schauen wir uns eines der bekanntesten Modelle und dessen Entwicklung einmal genauer an. Abbildung 1 mögliche Datenquellen für Learning Analytics (vereinfacht), Darstellung von Thorsten Fell. Bildungscontrolling-Modelle Das Thema „Bildungscontrolling“ ist nicht erst seit gestern ein Thema. Modelle wie „Die vier Stufen von Donald L. Kirkpatrick“9 oder die Erweiterung durch Phillips10 und Kellner11 stellen momentan ein vielfältig praktiziertes Instrument der Qualitätssicherung und Evaluierung im Lernbereich dar. Damit werden u.a. Lernerfolg und Lerntransfer bei Qualifizierungsmaßnahmen nachgewiesen. Solche Modelle bilden bei einer konsequenten Nutzung eine breite Basis für Learning Analytics in einer Organisation. Abbildung 2 Bildungscontrolling-Modell nach Kirkpatrick, Phillips und Kellner, Darstellung von Torsten Fell. Nach Kirkpatrick sollte die Evaluation von Lernen in vier Stufen erfolgen. Überprüft werden sollten laut Kirkpatrick die Reaktion, der Lernerfolg, das Verhalten und das Ergebnis. Kirkpatricks These ist, dass eine Evaluation nur dann einen Mehrwert bietet, wenn alle vier Stufen der...
