Learning Analytics bedeutet die Daten von und über Studierende, ihr
Lernverhalten und ihren Lernfortschritt zu messen, zu sammeln, zu analysieren
und auszuwerten. Im Gegensatz zu dem „herkömmlichen“ Analysieren der
Lernergebnisse, beispielsweise mittels Klausurnoten, sprechen wir hierbei von
„Big Data“ und demnach von einer sehr großen Anzahl an Spuren, die Online hinterlassen
werden. Diese großen Datenmengen müssen nicht nur analysiert und interpretiert werden,
sondern auch auf die Hochschullehre Anwendung finden („didaktische
Intervention“). Ein paar praktische Tipps möchten wir Ihnen in diesem Post geben.
Learning
Analytics mean to measure, collect, analyse and evaluate the data of and about
students, their learning behaviour as well as their progress. In contrast to
the "conventional" analysis of learning performances, e.g. by means
of analysing exam grades, learning analytics uses "Big Data" and, thus,
we are talking about a very large number of traces that are left online. This large amount of data doesn´t only need to be analysed and interpreted, but it should also
be applied to university teaching (it is called "didactic
intervention"). We would like to give you a few practical tips on this in this post.
Learning Analytics
bedeutet die Daten von und über Studierende, ihr Lernverhalten und ihren Lernfortschritt
zu messen, zu sammeln, zu analysieren und auszuwerten. Im Gegensatz zu dem
„herkömmlichen“ Analysieren der Lernergebnisse, beispielsweise mittels Klausurnoten,
sprechen wir hierbei von „Big Data“ und demnach von einer sehr großen Anzahl an
Spuren, die Online hinterlassen werden. Im Bereich der Hochschullehre können diese
digitale Fußabdrücke der Studierenden, die sie z.B. in zentralen
Lernmanagementsystemen oder Online-Kursen hinterlassen haben, für eine solche
Analyse herangezogen werden. Somit kann weit über das Sichtfeld einer einzelnen
Klausurnote hinausgegangen werden.
Vorrangige Ziel der Learning Analytics ist, auf der einen Seite, ein mögliches Eingreifen sobald Probleme bei Studierenden auftreten (sichtbar werden), die einem Studienerfolg im Wege stehen können. Auf der anderen Seite können Lehrende durch die Datenanalyse auch Rückschlüsse auf ihre eigenen Lehrveranstaltungen ziehen und diese dementsprechend anpassen. Beispielsweise können kleine Online-Tests für die Selbstüberprüfung der Studierenden Rückschlüsse darauf zu lassen, welche Themenkomplexe vertieft und Verständnisprobleme beseitigt werden müssen.
Bevor wir weitere mögliche „didaktische Interventionen“
vorstellen, möchten wir einen wichtigen Punkt im Bereich Learning Analytics
hervorherben: Datenschutz und somit das Recht kontrollieren zu können, welche
Daten Dritte erhalten bzw. welches Wissen Dritte mittels gesammelter Daten über
den Studierenden/ die Studierende anhäufen. Diese Recht sollte immer bei dem
Studierenden selbst liegen.[1]
Zurück zur didaktischen Ebene und den didaktischen
Interventionen, denn: die großen Datenmengen müssen nicht nur analysiert und
interpretiert werden, sondern auch auf die Hochschullehre Anwendung finden („didaktische
Intervention“). Ein paar praktische Tipps möchten wir Ihnen im Folgenden geben:[2]
zur Datenauswertung
|
Mögliche didaktische
Interventionen
|
Welche Materialien
werden besonders häufig, welche gar nicht genutzt?
|
• Einführung in die
Nutzung der Materialien
• Struktur der
Seiten/Ordner überarbeiten
|
Wie häufig nutzen die
Studierenden die
Online-Materialien?
|
• Diskussion durch
Mitteilungen/Foreneinträge
anregen
• regelmäßig neue
Materialien einstellen
• Inhalte nur nach
erbrachten Leistungen freischalten
|
Wann nutzen die
Studierenden die Materialien?
|
• Materialien
einstellen, wenn höchste
Zugriffsrate
•
Chats/Online-Sprechstunden anbieten zu
Stoßzeiten
|
Gibt es gefährdete
Studierende?
|
•
Unterstützungsmöglichkeiten anbieten
• in Sprechstunde einladen
• heterogene
Lerngruppen anregen
|
Welche Leistungen
erreichen meine Studierenden?
Wo sind sie gut? Wo
haben sie
Probleme?
|
• Inhalte wiederholt
erklären
•
Vertiefungsmaterialien anbieten
• Studierende Inhalte
selbst erklären lassen
|
Welche didaktischen
Interventionen fördern die Nutzung des Online-Materials?
|
•
Verstärkung/Beibehaltung der Interventionen
|
Wie wirkt sich die
Nutzung des Online-Angebotes
auf Anwesenheit und
Mitarbeit in den Präsenzveranstaltungen
aus?
|
• Inhalte/Methoden der
Präsenzveranstaltung
anpassen
• Online-Materialien
erst nach der Präsenzveranstaltung
freigeben
• Online-Materialien anpassen
|
Weitere Hinweise zur
Anwendung von Learning Analytics in
der Hochschullehre sind zum Beispiel:
- „Fangen Sie klein an. Wählen Sie eine kleine Einheit ihres Kurses, wie z.B. eine Unterrichtseinheit oder einen Bestandteil der virtuellen Lernumgebung, anhand derer Sie den Einsatz von Learning Analytics üben. […]
- Beginnen Sie mit einer Forschungsfrage. Was möchten Sie herausfinden? Welches Problem möchten Sie lösen?
- Lassen Sie sich sowohl von der Ethik-Kommission Ihrer Fakultät als auch von einem Experten im Bereich des Datenschutzes beraten.
- Seien Sie Ihren Studierenden gegenüber transparent: Erklären Sie ihnen, welche Daten Sie analysieren und warum. Lassen Sie Ihre Studierenden an allen Schritten Ihres Projekts Teil haben.
- Beziehen Sie das Medienzentrum Ihrer Hochschule von Anfang an mit ein. Kommunizieren Sie, dass Sie mit Learning Analytics arbeiten. So erfahren Sie auch von eventuellen Initiativen anderer Lehrender und es ergeben sich Kollaborationsmöglichkeiten. […]“[3]
Eine Auswertung der OPAL-Statistik Ihres
Online-Kursangebotes kann ein erster Schritt in Richtung Learning Analytics sein. Wir helfen Ihnen gerne bei der Analyse
sowie möglichen didaktischen Interventionen, die daraus abgeleitet werden
können.
Veröffentlicht unter CC BY-SA Lizenz
Digital teachings and learning in an academic context – learning analytics
Learning
Analytics mean to measure, collect, analyse and evaluate the data of and about
students, their learning behaviour as well as their progress. In contrast to
the "conventional" analysis of learning performances, e.g. by means
of analysing exam grades, learning analytics uses "Big Data" and, thus,
we are talking about a very large number of traces that are left online. In the
field of higher academic education, these digital footprints of students, which
they might left for example in central learning management systems or online
courses, can be used for such an analysis. Therefore, learning analytics make
it possible to go far beyond the field of analysing a single exam grade.
The primary
aim of learning analytics is, on the one hand, to intervene as soon as a
teacher’s attention is called to comprehensive problems of the students or, at
best, when their learning success arise (or become obviously visible). And, on
the other hand, teachers might also draw conclusions about their own courses
and adapt them accordingly through this data analysis. For example, small
online tests set up as self-assessment for students can be used to find out
which topics need to be deepened because of some comprehensive problems and which
might be skipped as they are already understood.
Before we
introduce further possible "didactic interventions", we would like to
highlight an important point in the area of learning analytics - data
protection and, herewith, the right to control which data third parties receive
and which knowledge third parties accumulate by means of collected data about
the student. This right should always lie with the student himself/herself.[4]
But to move
forward with the didactic level and “didactic interventions”: the large amount
of data doesn´t only need to be analysed and interpreted, but it should also be
applied to university teaching (it is called "didactic
intervention"). We would like to give you a few practical tips on this:[5]
for data evaluation
|
Possible didactic
interventions
|
Which learning materials are used most
frequently and which are not used at all?
|
·
introduction to the use of materials
·
revise the structure of the pages/folders
|
How often do students use the online-based
learning materials?
|
·
stimulate discussion through messages/forums
·
regularly adjust new materials
·
activate content only after learning performances have been finished
|
When do students use the material?
|
·
upload material at highest access rate
·
offer chats/online consultation hours at peak hours
|
Are there students at risk?
|
·
offer support possibilities
·
invite to consultation hour
·
encourage heterogeneous learning groups
|
What performances/levels do my students
achieve?
Where are they good? Where did they have
problems with?
|
·
repeatedly explain contents
·
offer specialization materials
·
et students explain the contents themselves
|
Which didactic interventions promote the use
of online material?
|
·
strengthening/maintaining intervention
|
How does the use of the online offer affect
the attendance and participation at the face to face events?
|
·
customize contents/methods of the face to face event
·
unblock the online material after the face to face event only
·
customize online materials
|
Some further
information on the application of learning analytics in university teaching are
for example:
- “Start small. Choose a small unit of your course, such as a lesson or part of the virtual learning environment to practice using learning analytics. [...]
- Start with a research question. What would you like to find out? Which problem do you want to solve?
- Consult the ethics committee of your faculty as well as an expert in the field of data protection.
- Be transparent to your students: Explain to them what data you are analysing and why. Let your students participate in all steps of your project.
- Include the media centre of your university from the very beginning. Communicate that you are working with Learning Analytics. In this way you will also learn about possible initiatives of other teachers/professors and there will be opportunities for collaboration. [...]” [6]
An
evaluation of the OPAL statistics of your offered online course can be a first
step towards learning analytics. We would be happy to help you with its
analysis and possible didactic interventions that can be deduced from it.
[1] Hochschulforum
Digitalisierung (2016): WHITEPAPER: MIT LEARNING ANALYTICS ZU MEHR QUALITÄT IN
DER HOCHSCHULLEHRE. Gespeichert von Antonia Dittmann. https://hochschulforumdigitalisierung.de/de/blog/whitepaper-learning-analytics-hochschullehre
[2]
Medienzentrum TU Dresden (2017): Digitales Lehren und Lernen in der Hochschule.
Heft 1: Flexibilität und Vielseitigkeit mit digitalen Lehr- und Lernmaterialien
erhöhen. S. 54.
[3]Hochschulforum
Digitalisierung (2016): WHITEPAPER: MIT LEARNING ANALYTICS ZU MEHR QUALITÄT IN
DER HOCHSCHULLEHRE. Gespeichert von Antonia Dittmann. https://hochschulforumdigitalisierung.de/de/blog/whitepaper-learning-analytics-hochschullehre
[4] Hochschulforum
Digitalisierung (2016): WHITEPAPER: MIT LEARNING ANALYTICS ZU MEHR QUALITÄT IN
DER HOCHSCHULLEHRE. Filed by
Antonia Dittmann. https://hochschulforumdigitalisierung.de/de/blog/whitepaper-learning-analytics-hochschullehre
[5] Media
Centre of the TU Dresden (2017): Digitales Lehren und Lernen in der Hochschule.
Heft 1: Flexibilität und Vielseitigkeit mit digitalen Lehr- und Lernmaterialien
erhöhen. (Digital Teaching and
Learning at the university. Issue 1: Increasing flexibility and versatility
with digital teaching and learning materials.) p. 54.
[6] Hochschulforum
Digitalisierung (2016): WHITEPAPER: MIT LEARNING ANALYTICS ZU MEHR QUALITÄT IN
DER HOCHSCHULLEHRE. Filed by
Antonia Dittmann. https://hochschulforumdigitalisierung.de/de/blog/whitepaper-learning-analytics-hochschullehre