Daten, Datenformate und Learning-Analytics-Infrastrukturen
In unserem Institut und in vielen unserer Projekte, z.B. Open Digital Lab for You (DigiLab4U - https://digilab4u.com/), haben wir uns nach umfassender Recherche für einen der De-facto-Standards für die Lerndatenerfassung entschieden: xAPI (https://xapi.com/overview/). Dieses Datenformat unterstützt viele Kontexte, ist flexibel, unterstützt multimodale Anwendungen und viele Technologien, die wir in unseren Projekten nutzen - Multitouch Tische, VR, klassische Lernanwendungen…. Besonders spannend ist, dass xAPI es uns ermöglicht, die Lerndaten aus den verschiedenen Systemen in unserem Learning Record Store zusammenzuführen, und so erhalten wir tiefere Einblicke in den Lernprozess zu erhalten.
Ein weiterer Vorteil der Spezifikation ist, dass die Grundidee von xAPI einfach ist. Jede Aussage, die wir speichern, besteht aus mindestens drei Komponenten: einem Akteur, einem Verb und einem Objekt. Der Akteur ist meistens der Lerner, der mit der Aussage verknüpft ist. Die Lerner werden mittels E-Mail oder andere Daten identifizierbar. Die Verben erklären, was die Lernenden tun. Das Objekt verknüpft typischerweise die Aussage mit einer Aktivität, die mit dem Verb verknüpft ist. Darüber hinaus ist es möglich, verschiedene Arten von Erweiterungen zu verwenden, um den Kontext zu spezifizieren.
Hier sind zwei Beispiele mit unterschiedlicher Komplexität:
- John Doe hat das Labor-Handout heruntergeladen.
- Jane Doe hat den Messkammer-Kurs mit einem Ergebnis von 98% bestanden.
Klingt toll? Ja, aber die Arbeit mit dieser Art von Datenformat hat einige Tücken. In manchen Fällen gibt es verschiedene Möglichkeiten, wie eine Aussage ausgedrückt werden kann, da der Unterschied zwischen Verben und Objekten unscharf sein kann. Die Lösung in der Spezifikation sind selbsterklärende Bezeichner, URIs, die uns helfen, die gesammelten Daten zu verstehen und zu interpretieren. In den gängigen Sammlungen fehlen oft Metadaten, es fehlen Kontexte und es gibt keine Möglichkeit zu sehen, ob es Änderungen in den Metadaten gab.
Da wir in unseren Projekten FAIR-Daten erzeugen wollen (Findable, Accessible, Interoperable and Reusable), arbeiten wir im Projekt DigiLab4U an einem Konzept zur Verbesserung bzw. Erweiterung der xAPI. Das Konsortium in DigiLab4U liefert Einblicke, Ideen, Bedürfnisse und Forschungsfragen, insbesondere für das laborgestützte Lernen. Um ein noch besseres Konzept zu erstellen, arbeiten wir mit vielen weiteren Partnern zusammen, die uns helfen, eine beständige Lösung zu schaffen (Skizze unten). Unsere Bemühungen, nachhaltige Definitionen für xAPI-Daten zu schaffen, sind nicht unbedingt neu, aber es gibt noch keine umfassende Lösung.
Wir führen aktuell eine Studie durch, die zur Standardisierung, Verallgemeinerung und zu einem wissenschaftlichen Konsens beitragen soll. Wir wollen ein gemeinsames, kollaboratives Register initiieren. Um unsere Ziele zu sichern und eine Insellösung zu vermeiden, sind wir auf weitere Hilfe angewiesen.
Es gibt verschiedene Möglichkeiten der Zusammenarbeit mit uns:
- Als Maintainer für ein gemeinsames Repository von Definitionen
- Als Entwickler Definitionen beisteuern
- Co-Entwicklung des Frontends
- Diskussion über (Prozess|Konzept|Inhalt|Infrastruktur)
Bei Interesse können Sie sich gerne an Matthias Ehlenz oder Birte Heinemann wenden.