Loading...
 
Print

ReST: Ein Empfehlungssytem für Lehrpersonen in Learning Management Systemen auf Basis von Educational Data Mining

 
Diplomarbeit
Thomas Lisson

Hintergrund

 
In der heutigen Zeit setzen immer mehr Einrichtungen wie Universitäten, Schulen, aber auch Organisationen sowie Unternehmen Learning Management Systeme ein, um Lehre und Weiterbildung zu erleichtern. Learning Management Systeme können sowohl die traditionelle Lehre unterstützen als auch vollwertige Kurse, die nur über das Learning Management System nutzbar sind, integrieren. Weiterhin ergänzen diverse Module wie z.B. Foren, Chats, Diskussionsgruppen und Private Messaging die Kommunikation. Moderne Learning Management Systeme bieten drüber hinaus auch Mäglichkeiten an, die Lernenden zu prüfen bzw. sie auf die tatsächliche Prüfung in den Räumlichkeiten der Einrichtung vorzubereiten. An der RWTH-Aachen beispielsweise wird ein selbstentwickeltes Learning Management System namens L2P auf Basis von Microsoft Sharepoint eingesetzt. Darüberhinaus nutzen Studierende bei einigen BWL-Vorlesungen ein weiteres System names Dynexite ein, wodurch sie in der Lage sind, Übungen und Prüfungen online abzulegen und sich so auf die tatsächliche, schriftliche Klausur vorzubereiten. Bei der Nutzung solcher Systeme entstehen sehr viele Daten, die von den Learning Management Systemen meist in relationalen Datenbanken gehalten werden. Diese Nutzungsdaten sowie weitere Daten von Studierenden (z.B. Studiengang, Jahrgang, Geschlecht, Note) und/oder Kursen (z.B. Kursgröße, Stoffkomplexität, Vorhandensein von Übungsgruppen oder ob es Videoaufzeichnungen der Veranstaltungen gibt) können dazu verwendet werden, Lehrpersonen Ratschläge und Empfehlungen zu geben, um ein bestimmtes Ziel, etwa die Optimierung der Prüfungsergebnisse, zu erreichen. Eine gezielte Auswertung dieser Daten mit Hilfe von Data Mining kann Lehrpersonen aufschlussreiche Hinweise zur Verbesserung ihrer Kurse geben, was sich wiederum in einer verbesserten Lehre niederschlägt.

Diese vorliegende Arbeit hat zum Ziel die Möglichkeiten zu untersuchen, inwiefern sich welche Data Mining Techniken und Algorithmen eignen, um solche Ratschläge und Empfehlungen zu erstellen. Dabei werden unterschiedliche Techniken untersucht und gegenübergstellt. Weiterhin wird in dieser Arbeit ein Empfehlungssystem für Lehrpersonen (Recommender System for Teachers in Learning Management Systems) für beliebige Learning Management Systeme vorgestellt, das die, in den Untersuchungen als geeignet befundenen, Algorithmen integriert und daraus Empfehlungen und Ratschläge generiert, die den Lehrpersonen ohne jegliche Kenntnisse in Data Mining präsentiert werden konnen. Das System ubernimmt hierbei die Datenaufbereitung (Data Preprocessing), die Steuerung der Data Mining Aufgaben sowie die Generierung der Empfehlungen aus den Ergebnissen der Data Mining Algorithmen.

Aufgabenstellung

 
Als Ziel hat diese Arbeit ein Empfehlungssytem für Lehrpersonen in beliebigen Learning Management Systemen auf Basis von Educational Data Mining (ReST) zu entwickeln, das Lehrpersonen beliebiger Learning Management Systeme Empfehlungen zu den Kursen angebieten kann, die sie betreuen. Nachfolgend drei Beispiele für solche Empfehlungen:

  1. Nutzer, die große Aktivität im Learning Management System aufweisen, männlich sind und ein gutes Übungsergebnis haben, haben meist ein gutes Prüfungsergebnis.
  2. Nutzer, die den Studiengang ZWiWi haben, haben meist ein schlechtes Prüfungsergebnis.
  3. Kurse ohne Übungsgruppen haben meist ein schlechteres Prüfungsergebnis pro Nutzer.

 
Mit Hilfe solcher Empfehlungen, die hier in der Form von ausformulierten Regeln dargestellt werden, sollen u.a. Lehrpersonen besser in der Lage sein:

  • einzelne Lernende besser, weil gezielter, zu fördern. Am Beispiel Nr. 2 erhalten Lehrpersonen den Ratschlag, sich mehr um ZWiWi Studenten zu kümmern, wenn ein besseres Prüfungsergebnis erzielt werden soll.
  • bessere Entscheidungen bzgl. der Lernraumgestalung zu fällen. Beispiel Nr. 3 zeigt z.B. auf, dass Übungsgruppen sich wahrscheinlich positiv auf das durchschnittliche Prüfungsergebnis aller Studenten auswirkt.

 
Die Lehrpersonen brauchen hierbei kein Expertenwissen und Aufwand einzusetzen, um das System nutzen zu können. ReST soll einfach zu bedienen, leicht in beliebige Learning Management Systeme integrierbar und erweiterbar sein.

Zusammenfassung/Abstract

 

Download

 

 

Betreuer

 


Created by chatti. Last Modification: Tuesday, 11. October 2011 15:45:38 by dodenhoff.