Learning Analytics

Die interindividuellen Unterschiede von Studierenden nicht-mathematischer Fächer in methodischen Themen ( Statistik, Diagnostik, Mathematik) sind sehr ausgeprägt. Das Projekt ging auf die verschiedenen Lernbedürfnisse der Studierenden ein. Studierende können mithilfe von formativen Assessments im eigenen Tempo üben und erhalten somit direkte Rückmeldungen zum eigenen Lernstand. Dazu wurde eine Aufgabendatenbank entwickelt, die Dozierende darin unterstützt, formatives Assessment in ihren Lehrveranstaltungen zu implementieren. Sie können Aufgaben aus der Datenbank beziehen und den Studierenden in ILIAS zur Verfügung stellen.  

Zudem wurde als Pilot für ausgewählte Lehrveranstaltungen der Phil.-hum.-Fakultät ein E-Learning-Modul zur Umsetzung von Learning Analytics entwickelt. Damit sind personalisierte Rückmeldungen und Empfehlungen für die Studierenden generierbar, um ihren individuellen Lernfortschritt zu fördern. Dozierende erhalten eine Rückmeldung, welche Inhalte von den Studierenden (nicht) verstanden wurden. 

Mit Hilfe von zwei Veranstaltungen (Psychologische Diagnostik von Stefan Troche und Statistik I von David Glauser) wurden die Aufgabendatenbank und Learning Analytics getestet und optimiert. 

Das Produkt aus Sicht der Studierenden

Nachdem die Studierenden einen bestimmten Inhalt einer methodischen Veranstaltung ausgiebig vorbereitet haben (z.B. mit Podcast der Vorlesung oder Pflichtliteratur), lösen sie online die Aufgabenbatterie (das formative Assessment) zum entsprechenden Inhalt und erhalten die Ergebnisse. Bei der Erweiterung um Learning Analytics: Nach jeder Übungsaufgabe und am Ende der Aufgabenbatterie erhalten die Studierenden ausführliche Rückmeldungen zur Richtigkeit ihrer Antworten. Auf einem Studierenden-Dashboard sehen sie ihren aktuellen Lernstand und erhalten personalisierte Empfehlungen aufgrund der erbrachten Leistungen. 

Das Produkt aus Sicht der Dozierenden

Die Dozierenden können Fragen aus dem umfangreichen Fragepool in ILIAS ihren Studierenden zur Verfügung stellen. Bei der Erweiterung um Learning Analytics: Auf ILIAS haben die Dozierenden Zugriff auf ein E-Learning Modul mit ausführlichen Erklärungen zur Einbindung von Learning Analytics in ihren Kurs. Sie können die Übungsaufgaben entweder selbst erstellen oder Aufgaben aus der Datenbank auswählen und ggf. anpassen. Die formativen Assessments werden automatisch in Form eines online Fragebogens erstellt. Die Dozierenden erhalten einen Link, um den Fragebogen durchzutesten. Sobald die Studierenden den Fragebogen ausgefüllt haben, erhalten die Dozierenden einen Überblick über deren Lernstand auf ihrem Dashboard angezeigt. Das alles geschieht, ohne den Datenschutz zu verletzen, die Lernstandsdaten sind anonymisiert. 

Nutzen für die Studierenden

• Individuelles Lernen: Studierende erhalten die Möglichkeit, Übungsaufgaben individuell zu bearbeiten und ihr Wissen kontinuierlich zu vertiefen. 
• Sofortiges Feedback: Durch formative Assessments erhalten Studierende sofortiges Feedback zu ihren Antworten, was ihnen hilft, ihre Verständnisdefizite unmittelbar zu erkennen und zu korrigieren. 
• Flexibles Tempo: Studierende können in ihrem eigenen Tempo lernen und sich auf die Bereiche konzentrieren, die ihnen am meisten Mühe bereiten.  
• Nutzen insbesondere durch Learning Analytics: 
• Personalisierte Empfehlungen: Die mittels Learning Analytics generierten Empfehlungen basieren auf den individuellen Leistungen und dem Lernverhalten der Studierenden. Dadurch können sie gezielt an Wissenslücken arbeiten und effizienter lernen. 
• Übersicht über den Lernfortschritt: Das Dashboard bietet den Studierenden eine visuelle Darstellung ihres Lernfortschritts, was sie motiviert und ihnen klare Hinweise auf ihre Stärken und Verbesserungsbereiche gibt. 
• Verbesserte Studienergebnisse: Die individuelle Betreuung und die Möglichkeit zur gezielten Aufarbeitung von Schwachstellen können zu einer besseren Wissensaneignung und letztendlich zu verbesserten Prüfungsergebnissen führen. 

Nutzen für Dozierende

• Zugriff auf vorhandene Aufgaben: Aufgaben müssen nicht zeitaufwändig selbst erstellt werden, sondern können aus dem Aufgabenpool verwendet werden.  
• Zeitersparnis: Das E-Learning-Modul automatisiert den Prozess der Erstellung, Verwaltung und Auswertung von Übungsaufgaben, was den Dozierenden Zeit und Aufwand erspart. 
• Einfache Integration in Lehre: Die Aufgabensets können unkompliziert in die eigenen ILIAS-Kursräume integriert werden. 
• Feedback zum Lernstand: Die Ergebnisse ermöglichen Rückschlüsse bzgl. des Wissenstandes der Studierenden. So können z.B. vorhandene Lücken gezielt im Unterricht geschlossen werden. 

Nutzen insbesondere durch Learning Analytics: 

• Optimierte Kursgestaltung: Die Analyse von Lernverhalten und Leistungen der Studierenden ermöglicht es Dozierenden, ihre Kurse kontinuierlich zu optimieren und an die Bedürfnisse der Studierenden anzupassen. 
• Effektive Lehrmethoden: Dozierende können formatives Assessment nutzen, um kontinuierliches Feedback über den anonymisierten Lernfortschritt der Studierenden zu erhalten und ihre Lehrmethoden entsprechend anzupassen. 
• Einfache Integration: Das E-Learning-Modul bietet klare Anleitungen zur Integration von formativem Assessment und Learning Analytics in den Unterricht, was auch Dozierende ohne umfangreiche technische Kenntnisse unterstützt. 
• Innovative Lehrerfahrung: Die Nutzung von Technologie und Datenanalyse ermöglicht eine moderne und innovative Lehrerfahrung. 

Von der angestrebten Verbesserung der Lehrqualität, die studienfachübergreifend in vielen Lehrveranstaltungen realisiert werden kann, profitiert die Fakultät als Ganzes. Die Aufgabendatenbank kann als Plattform für den Wissensaustausch zwischen verschiedenen Fachbereichen dienen, was die interdisziplinäre Zusammenarbeit innerhalb der Fakultät fördert. 

Die Aufgabendatenbank steht allen Dozierenden der Universität Bern zur Verfügung. Sie können eigene Aufgaben hinzufügen und bereits vorhandene für ihre Lehre nutzen.  

Learning Analytics kommt derzeit in ausgewählten Veranstaltungen der Phil.-hum. sowie der Phil.-nat.-Fakultät zum Einsatz. Das Produkt wird laufend weiterentwickelt, u.a. in den Projekten «Prepare» und "Learning Analytics & Adaptive Learning”.

Das Projekt wurde über verschiedene Wege an der Fakultät und darüber hinaus bekannt gemacht, u.a. an der Veranstaltung “Teaching Lunch @ Phil.-hum.”. 

Als Basis für das Projekt dient das FIL-Projekt «Fordern und fördern mit Hilfe von Learning Analytics».  

Sie sind am Projekt und den Projektergebnissen interessiert oder haben Fragen? Dann wenden Sie sich gerne an Dr. Natalie Borter.