Birte Heinemann

 

Wie lassen sich verschiedene Bereiche und Domänen durch den Einsatz von multimodalen Learning Analytics verbessern?

Die Analyse von Lerndaten bietet die Möglichkeit einen einzigartigen Blick in die kognitiven Prozesse des Lernens zu erhalten. Die technischen Entwicklungen der letzten Jahre ermöglichen uns aus verschiedenen Perspektiven das Lernen zu erforschen, den Prozess besser zu verstehen und immer ausgeklügelteres Feedback und Hilfestellungen zu geben.
Verschiedene Sensoren können Einblicke in die komplexen Prozesse geben, die einen Einfluss auf den Lernprozess haben. Doch um Erkenntnisse aus den Lerndaten ziehen zu können, um Lerneinheiten und Feedback zu verbessern sind viele Forscher nötig mit Ideen und Wissen aus verschiedenen Perspektiven. Besonders die Erweiterung von Forschungsstrukturen um multimodale Learning Analytics stellt noch immer eine Herausforderung dar.

Teil dieser Dissertation ist die Betrachtung des Forschungsprozesses im interdisziplinären Bereich der Lerntechnologien und darauf aufbauend Strukturen zu entwickeln, die zu nachhaltigen offenen Projekten mit vergleichbaren Daten führen. Wie können wir die Learning Analytics Forschung besser mit den Experten aus den Fachbereichen und Didaktiken verbinden?
Dafür teste ich die gemeinsam mit den Kollegen entwickelten Strukturen im Forschungsprojekt DigiLab4U, in dem wir für und mit verschiedenen Experten aus anderen Bereichen Learning Analytics für laborbasiertes Lernen entwickeln. Die Ergebnisse aus den Entwicklungen der Infrastruktur fließen besonders in den praktischen Teil der Dissertation ein, in welchem die Forschung zu konkreten Lernanwendungen im Vordergrund steht. Hierbei ist ein Teilbereich die Untersuchung und die Evaluation von Lernanwendungen mit multimodalen Learning Analytics zu unterstützen.
In verschiedenen Use Cases wird der Frage nachgegangen, wie MMLA in Lernszenarien eingesetzt werden kann und welche Schlüsse sich daraus für die Entwicklung von Lerntechnologien ergeben. Dieser Teil fokussiert sich auf Lernanwendungen in Virtueller Realität, da diese Technologie gute Voraussetzungen für multimodale Learning Analytics liefert. Ein Lernszenario ist aus den Kernthemen der Informatik und wird mittels didaktischer Methoden geplant und agil entwickelt, hierbei steht neben didaktischen Aspekten des Lernens und Lehrens in VR die multi-modale Datensammlung im Vordergrund. Ein wichtiger Grund für die Entscheidung sich in der Lernumgebung auf die Grundlagen der Rendering Pipeline zu konzentrieren ist der Ansporn die Möglichkeiten der virtuellen Realität möglichst effizient zu nutzen. Der Lerngegenstand kann auf verschiedenen Ebenen interaktiv zum Verständnis der Lernenden beitragen. Die Lernziele dieser Anwendung sind in verschiedenen Bereichen und umfassen neben handlungsorientiertem Wissen auch kognitives Wissen. Des Weiteren werden in dieser Forschung bereits existierende Lernszenarien mit den Möglichkeiten multimodale Lerndaten zu sammeln ausgestattet und in einen interdisziplinären Forschungsprozess integriert.

Die so gesammelten Daten eröffnen neue Einblicke und ermöglichen (hoffentlich/möglicherweise) übertragbare Erkenntnisse, um das Lernen in VR und darüber hinaus in verschiedenen Anwendungsszenarien nachhaltig zu verbessern.