Ende dieses Seitenbereichs.

Beginn des Seitenbereichs: Inhalt:

Learning Analytics: Den Studierendendaten auf der Spur

Montag, 18.06.2018, #lehren

Datenanalysen heben die Unterstützung von Studierenden auf die nächste Ebene. Und auch wenn es noch viele Herausforderungen gibt – Learning Analytics hat großes Potential.

Egal ob im Stammdatenregister, im Lernmanagementsystem, beim Ansehen von Lernvideos oder bei elektronischen Prüfungen: Studierende produzieren während ihres Studiums eine Unmenge an Daten. Diese Daten bergen ein großes Potential in sich, das an Universitäten bislang kaum genutzt wird. Mit Hilfe von Learning Analytics könnte sich das in Zukunft aber ändern.

 

Spurensuche zur Unterstützung der Studierenden

„Learning Analytics“, definierte Erik Duval 2012, „is about collecting traces that learners leave behind and using those traces to improve learning”. Die Analyse der Daten soll also dazu dienen, Studierende bei ihren Lernprozessen zu unterstützen. Dazu ist es notwendig, die relevanten Daten zu sammeln, zu aggregieren und sie als aussagekräftiges und nachvollziehbares Feedback aufzubereiten. Studierende können so zum Beispiel ihre Eignung für ein bestimmtes Studium überprüfen oder ihre Leistungen untereinander vergleichen.

 

Ein konkretes Beispiel für den Einsatz von Learning Analytics ist die möglichst frühzeitige Erkennung von Defiziten. Ergebnisse von Zwischenprüfungen können dazu ebenso herangezogen werden wie Fehlzeiten in Präsenzeinheiten oder Einträge in Lern-Portfolios. Durch Analyse dieser (und anderer relevanter) Daten wird eine Drop-Out-Risikoabschätzung möglich. Studierende werden gewarnt, wenn sie eine Lehrveranstaltung vermutlich nicht erfolgreich absolvieren werden. Um dieses Risiko zu minimieren kann den Betroffenen individuelle Unterstützung – etwa in Form zusätzlicher Lernmaterialien – angeboten werden. Die Auswahl des Unterstützungsangebotes basiert dann wiederum auf Datenanalysen. Besonders wichtig dabei ist, dass Analyseergebnisse schnellstmöglich an die Betreffenden rückgemeldet werden, damit unmittelbar auf erkannte Defizite reagiert werden kann.

 

Von der Theorie zur Praxis

Was in der Theorie einfach klingt, ist in der Praxis allerdings (noch) schwer zu realisieren. Zum einen, weil unterschiedliche Disziplinen zusammenspielen müssen. Informationstechnologische Aspekte wie die maschinengestützte Datenanalyse durch den Einsatz von Algorithmen sind ebenso entscheidend wie die didaktische Interpretation der Analyseergebnisse zur Förderung der Studierenden.

 

Zum anderen, weil es noch eine Reihe von Herausforderungen zu meistern gilt: Die Qualität der Datenanalyse hängt von den verfügbaren Datenmengen und Datenquellen ab. Deren Verfügbarkeit wiederum ist aufgrund der Verwendung unterschiedlicher Datenverarbeitungssysteme und aufgrund datenschutzrechtlicher Bestimmungen Restriktionen unterworfen. Derzeit fehlen auch noch ausreichend standardisierte Variablen und effiziente Algorithmen, um etwa die zukünftige Performanz von Studierenden präzise vorauszusagen. Hinzu kommt, dass informelles Lernen ebenso wie Lehr-/Lernsettings im Rahmen von Präsenzveranstaltungen bisher nur sehr unzureichend mit Hilfe von Learning Analytics unterstützt werden können.

 

Transparentes Vorgehen führt zum Ziel

Dennoch lohnt sich eine ehest mögliche Beschäftigung mit Learning Analytics allemal. Nicht nur, weil Medien und das Wissenschaftsministerium starkes Interesse daran zeigen. Sondern vor allem, weil die Analyse von Studierendendaten dabei helfen kann, Studierende prüfungsaktiv zu halten, was in Hinblick auf die Studienplatzfinanzierung zunehmend relevant wird.

 

Wie auch immer Learning Analytics an den Universitäten eingesetzt (werden) wird, besonders wichtig dabei ist ein transparentes Vorgehen. Denn auch wenn die Datenanalyse zum Wohl der Studierenden erfolgt sollten diese genau darüber Bescheid wissen, welche Daten wie und zu welchem Zweck verarbeitet werden. Damit wird nicht nur die Datenschutzgrundverordnung befolgt, sondern auch die Akzeptanz für Learning Analytics erhöht.

Ende dieses Seitenbereichs.

Beginn des Seitenbereichs: Zusatzinformationen:

Ende dieses Seitenbereichs.