Scaling up learning analytics in blended learning scenarios

• Scaling up Learning Analytics in Blended Learning Szenarien

Lukarov, Vlatko; Schroeder, Ulrik (Thesis advisor); Verbert, Katrien (Thesis advisor)

Aachen (2019)
Doktorarbeit

Dissertation, RWTH Aachen University, 2019

Kurzfassung

In den letzten Jahren gibt es die Behauptung, dass Learning Analytics eine zentrale transformative Maßnahme ist, die die Bildung und die Lernprozesse radikal verändern wird. Learning Analytics hat seine Wurzeln und Methoden aus den Bereichen Datenanalyse, Statistik, Data Mining, Business Intelligence, Informatik sowie Bildungsforschung und -lernen. Umfangreiche Forschungsarbeiten wurden durchgeführt, um Werkzeuge, Prototypen und Analysedaten zu entwickeln, um die Bildung zu verbessern und zu innovieren, und dies hat das Forschungsfeld der Learning Analytics vorangetrieben. Dies hat jedoch eine wachsende Diskrepanz zwischen der Rolle der Learning Analytics in der Bildung und der Rolle der Learning Analytics in der Bildung geschaffen. Die Forschungsergebnisse zeigen, dass die Nutzung der Lernanalytik zur Verbesserung von Lernen und Bildung noch in den Anfängen steckt, und es mangelt an praktischen Beispielen und Implementierungen in Bezug auf Umfang und praktische Ansätze, wie man Learning Analytics Dienste in der Bildung anbieten und in die Praxis umsetzen kann. Diese Dissertation konzentriert sich auf das praktische Problem der Skalierung von Learning Analytics Dienste in Blended Learning Szenarien an einer Hochschule in Deutschland. Diese Dissertation stellt die Lösung als eine Sammlung von Grundprinzipien für die Skalierung der Learning Analytics in Blended Learning Szenarien in der Hochschulbildung dar. Diese Prinzipien konzentrieren sich auf fünf Aspekte: die Erhebung der korrekten Anforderungen für die verschiedenen Benutzergruppen, die Vorbereitung der rechtlichen und technischen Grundlagen der Hochschule, die kontinuierliche Entwicklung und Verbesserung der Learning Analytics Dienste und die kontinuierliche Bewertung der Learning Analytics Dienste. Diese Aspekte wurden durch den Einsatz von Design-based Forschungsmethoden, Software-Engineering-Methoden und Evaluierungsmethoden aus dem Bereich der Mensch-Computer-Interaktion sowie der Verhaltens- und Kognitionswissenschaften umfassend untersucht und realisiert. Die Ergebnisse und Beiträge dieser Dissertation sind ein verifizierter End-to-End-Prozess zur Erweiterung der Learning Analytics an einer Hochschule in Deutschland, ein umfassender Anforderungskatalog für die Stakeholdergruppen, eine nachhaltige Learning Analytics Infrastruktur mit High-Fidelity Prototypen und eine validierte Methode für Längsschnittstudien zur Wirkungsanalyse von Lernanalytik. Die Grundidee ist es, anderen Dienstleister oder Institutionen aus Deutschland die Möglichkeit zu geben, diese Dissertation, ihre Richtlinien und Ergebnisse anzunehmen und damit die Dienstleistungen der Learning Analytics an ihrer Hochschule zu erweitern.

Einrichtungen

• Fachgruppe Informatik [120000]
• Lehr- und Forschungsgebiet Informatik 9 (Lerntechnologien) [122420]