DE / EN

STELA - Studierenden­erfolg mit Learning Analytics

Projektbeschreibung

Zur Prognose von Studien­erfolg und zur Unterstützung von Lehr-Lernprozessen durch adaptive und personalisierte Systeme findet der Ansatz „Learning Analytics“ international vermehrt Anwendung. Learning Analytics verwendet dynamisch generierte Daten von Lernenden und Lernumgebungen, um diese in Echtzeit zu analysieren und zu visualisieren. Ziel des Projekts ist die Anfertigung eines Systematic Reviews zu Prognose­modellen und Unterstützungs­systemen für Studien­erfolg mittels Learning Analytics. Aus den Er­kenntnissen relevanter nationaler und internationaler Studien zu Learning Analytics im Zusammenhang mit Studien­erfolg werden Handlungs­empfehlungen für deutsche Hochschulen abgeleitet.

Handlungs­empfehlungen zur Implementation von Learning Analytics an deutschen Hochschulen

  • Entwicklung von flexiblen Learning Analytics Systemen, die Bedarfe einer Bildungs­organisation hinsichtlich spezifischer Anforderungen an Lernkultur und pädagogischem Konzepten bzw. Fach­kultur, die Studierenden und Lehr­enden sowie die technische und administrative Organisations­struktur und den erweiterten Kontext der Hochschule berücksichtigen.
  • Aufbau organisatorischer, technologischer und pädagogischer Strukturen und Prozesse zur Nutzung von Learning Analytics Systemen sowie Unterstützung der Stakeholder bei Konzeption, Implementation und nachhaltigem Betrieb.
  • Einbindung aller Stakeholder einer Hochschule in die Entwicklung von Learning Analytics Systemen.
  • Definition der Anforderungen an Daten und Algorithmen für Learning Analytics Systeme. Wie werden Daten und Algorithmen verfügbar gemacht, wie, wo und für wie lange werden die Daten gespeichert, in welchen Formaten müssen die Daten vorliegen und mittels welcher Algorithmen werden diese Anwendung finden sowie wer hat auf welche Daten, Algorithmen und Analyseergebnisse Zugriff.
  • Information sowie Aus- und Weiterbildung aller Stakeholder über ethische und datenschutz­rechtliche Bedingungen und Hintergründe bei der Verwendung von Daten, Algorithmen und Analyseergebnisse aus Learning Analytics Systemen. Es werden Standards zur Sicherung der Privatsphäre, zum Datenschutz sowie der Einhaltung von ethischen Gesichtspunkten unter Einhaltung der EU-DSGV für Einzelpersonen als auch für die Institution benötigt.
  • Entwickeln eines robusten Qualitätssicherungs­prozesses, um die Gültigkeit und Zuverlässigkeit der Learning Analytics Systemen sicherzustellen. Neben der internen Qualitätssicherung kann zudem eine Akkreditierung für Learning Analytics Systeme die Akzeptanz bei den Stakeholdern erhöhen.
  • Forschungs­förderung im Bereich von Learning Analytics mittels interner Finanzierungs­modelle einer Hochschule, der Etablierung von Forschungs­verbünden und bundes­weiten Forschungs­programmen.
  • Aufbau von lokalen, regionalen und nationalen Learning Analytics Gremien mit Stakeholdern aus Wissenschaft, Wirtschaft und Politik mit Fokus auf adäquate Entwicklung und Implementation (sowie Akkreditierung) von Learning Analytics Systemen.

Publikationen

Ifenthaler, D. (2017). Are higher education institutions prepared for learning analytics? TechTrends, 61(4), 366–371. doi:10.1007/s11528-016-0154-0

Mah, D.-K., Yau, J. Y.-K., & Ifenthaler, D. (2019). Future directions on learning analytics to enhance study success. In D. Ifenthaler, J. Y.-K. Yau, & D.-K. Mah (Eds.), Utilizing learning analytics to support study success (pp. 313–321). New York, NY: Springer.

Ifenthaler, D., Mah, D.-K., & Yau, J. Y.-K. (2019). Utilising learning analytics for study success. Reflections on current empirical findings. In D. Ifenthaler, J. Y.-K. Yau, & D.-K. Mah (Eds.), Utilizing learning analytics to support study success (pp. 27–36). New York, NY: Springer.

Ifenthaler, D., Yau, J. Y.-K., & Mah, D.-K. (Eds.). (2019). Utilizing learning analytics to support study success. New York, NY: Springer.

Ifenthaler, D., & Yau, J. (2019). Higher education stakeholders’ views on learning analytics policy recommendations for supporting study success. International Journal of Learning Analytics and Artificial Intelligence for Education, 1(1), 28–42. doi:10.3991/ijai.v1i1.10978