Learning Analytics (opco12)

Ein Selbstversuch: Blogpost schreiben, während man an einem Online Vortrag teilnimmt. Mal schauen ob das klappt.

Das Thema: Learning Analytics. Jochen Robes führt ganz richtig mit der Feststellung ein: Was ist das überhaupt, Learning Analytics? Ich bin gespannt.

Hmm, beim Zuhören kommt man nur zu stichpunktartigen Sätzen.

Educational Data Mining

Teilnehmerin: Datenschutz an Unis

Ok, irgendwann habe ich gemerkt, das klappt nicht. Ich war einfach nicht fähig, dem Referenten Martin Ebner zuzuhören, den Chat zu beobachten und parallel noch selbst etwas dazu zu schreiben. Multitasking is nich… Das ist doch ein schönes Ergebnis, was mir selbst etwas über mein Lernverhalten sagt. Ich hatte wenig Ahnung von dem Thema, habe mir aber schon das Richtige darunter vorgestellt. Deshalb also jetzt weg vom persönlichen Experiment hin zum Inhalt.

Strip Mining at Night on Moenkopi Wash

Das Konzept Learning Analytics ist nicht neu, aber was tatsächlich in den letzten Jahren neu zur Lerneranalyse hinzugekommen ist, ist die Tatsache, dass die Verfügbarkeit der Daten sehr, sehr viel höher ist, als noch vor zehn Jahren. Ein verwandter Begriff ist Educational Data Mining und der weist tatsächlich darauf hin, dass die Lerneranalyse in digitalen System eine neue – wenn auch nicht immer nur positive – Qualität bekommt. Martin Ebner wies in seinem Vortrag darauf hin, dass die beiden Begriffe für ihn eine sehr große Schnittmenge haben, im Chat wurde darauf hingewiesen, dass Learning Analytics nicht nur die „reinen“ Daten behandelt:

anna_dyckhoff: Der Unterschied von EDM zu Learning Analytics liegt – aus meiner Sicht – darin, dass Learning Analytics praxisorientiert die verschiedenen Themen umfassen sollte, die sich aus dem Problembereicht ergeben: u.a. auch Ethik, Datenschutz etc.

Also, noch mal als Definition formuliert (aber natürlich ohne Anspruch auf Glossarniveau): Learning Analytics bezeichnet die Analyse von Daten, die eine Lernerin oder ein Lerner in einem digitalen System hinterlässt,  mit Hilfe von Data Mining Methoden unter Berücksichtigung der Rahmenbedingungen. Das ist zunächst einmal relativ neutral, ohne Problematisierung von Dingen, die bei Data Mining von Daten, die mit realen Personen verknüpft sind, immer mitschwingen, und ohne eine genauere Angabe, welche Daten da überhaupt berücksichtigt werden.

Ein gutes Beispiel, wohin diese Analyse von Daten jetzt schon führen kann, bespricht ein Artikel von Kelly Walsh mit dem Titel „Exploring the Khan Academy’s use of Learning Data and Learning Analytics“. In den Teacher’s Resources der Khan Academy können Lehrkräfte die Daten, die ihre Schülerinnen und Schüler im System hinterlassen, für die Analyse des Lernfortschritts heranziehen. Folgendes Video verdeutlicht die Vorgehensweise:

Das Video verdeutlicht, wie sowohl Lerner als auch Lehrkräfte eine detailierte Analyse des Lernfortschritts vorfinden. Ähnliche Werkzeuge dafür finden sich zum Beispiel auch im Testobjekt von ILIAS.

Sehr wertvoll sind solche Dinge aus meiner Sicht zunächst einmal für etwas ganz anderes. Bei anonymisierten Daten kann ich als Lehrender herausfinden, welche meiner Aufgaben zu schwierig für die Lerngruppe waren und dann explizit auf diese Aufgaben eingehen. Das Stichwort „anonymisiert“ weist auf einen Zusammenhang hin, der auch im Chat des Online-Events sofort genannt wurde – zu Recht wie ich finde. Das Analysieren von Daten welcher Art auch immer stößt gerade im Hochschulbereich sauer auf. Genauso schnell, wie man das Wort Datenanalyse ausspricht, dauert es bis das Wort Datenschutz in der Diskussion auftaucht. Viele Teilnehmerinnen und Teilnehmer sprachen diesen Aspekt an und ich möchte kurz einige Beträge zitieren:

Claudia Bremer: @Hueber: darum geht es doch auch vor allem: es geht weniger darum den einzelnen Lerner zu tracken, sondern vielmehr, über grosse Zahlen von vielen Lernern, Lernpfaden usw. Analyse über die Lernangebote oder Lernverhalten zu fahren, nicht die oben von einigen angedeuteten Kontrollversuchen einzelner Lernender…

anna_dyckhoff: @Sabine Hueber: Wir hatten auch die Befürchtung, dass die Studierenden gegen die Datensammlung und Auswertungen sind, haben aber im Rahmen von Pilotveranstaltungen das Feedback bekommen, dass die Studierenden LA zwecks Lehrqualitätsverbesserung begrüssen…

anna_dyckhoff: ein dozent der 100-1000 studierende hat, kann nicht jeden einzelnen student individuelle fördern, … aber eine analyse, ob eine kleine gruppe studierender probleme hat, die gezielt gefördert werden könnten, könnten seine lehre verbessern

Learning Analytics bietet also nach Meinung einiger Teilnehmerinnen klare Vorteil für die Verbesserung der Lehre, vor allem wenn man viele Daten zur Verfügung hat. Vielleicht ist das nicht gerade die erste Assoziation, die man mit dem Thema hat, aber ich finde sie ist eine der wichtigsten.

Vor diesem Hintergrund macht Learning Analytics durchaus Sinn. Jedoch gibt es auch kritische Aspekte, die angesprochen wurden. Das Thema Datenschutz ist natürlich von großer Relevanz. Zwar ist der Austausch von Daten zwischen Lehrendem und Lernendem berechtigt, denn damit gehen einige Vorteile für den Lernenden einher. Das macht der Beitrag von anna_dyckhoff ja auch deutlich. Die von Jochen Robes und Martin Ebner angesprochenen Begehrlichkeiten von Dritten sind jedoch etwas unheimlich. So könnten zukünftige Arbeitgeber die Daten eines Bewerbers zu Rate ziehen, wenn es darum geht, bestimmte Kenntnisse festzustellen, war ein beschriebenes Horrorszenario. Ich möchte das unterstreichen, denn wenn man sieht, dass viele Arbeitgeber bereits jetzt den Bewerbernamen googeln und besser gleich bei Facebook nachschauen, dann wird klar, wohin der Weg geht. Es ist eine gewisse Verantwortlichkeit bei Entwicklern und Lehrenden von Nöten, mit den Daten der Studierenden pfleglich umzugehen. Meistens ist das auch so, aber wenn man das Khan-Academy-Video sieht, dann weiß man, dass es wohl nicht viel braucht, um an diese Daten heranzukommen. Die semi-pessimistische „Abwandlung von Murphy’s Gesetz“ (wie ein Teilnehmer richtig bemerkte), die Martin Ebner auf seine letzte Folie setzte, deutet leider darauf hin: „Alles, was mit Daten passieren kann, wird irgendwann passieren.“

Insgesamt wäre es wahrscheinlich günstig, wenn man sich in die Algorithmen einarbeiten würde, um zu verstehen, welche Daten zur Analyse herangezogen werden können, damit eine tatsächlich Aussage über Lernfortschritte gemacht werden kann. Verweildauer kann es sicher nicht sein. Daher benötigt solche eine Analyse auch immer ein Testsystem, das automatisch auswertbare Ergebnisse liefert (sorry, Geisteswissenschaftler😉 ).

Ein letzter Aspekt den ich auch noch interessant fand war, dass Martin Ebner die Visualisierung von Aufgabenbearbeitungen dazu benutzen konnte, Schüler zu identifizieren, die aus dem allgemeinen Trend ausscheren und bei denen irgendetwas schief läuft. Damit man diese Schüler aber dann auch individuell fördern kann, muss eine Anonymität natürlich aufgegeben werden. Es ist schwierig dabei zwischen Chancen und Risiken abzuwägen.

Schreibe einen Kommentar

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden / Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden / Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden / Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden / Ändern )

Verbinde mit %s