Learning Analytics in der Hochschullehre

Lavina Ionica reflektiert anhand neuer Studienergebnisse über die Potentiale und Unzulänglichkeiten von Learning Analytics und die Anwendbarkeit der Forschungsergebnisse auf die deutsche Hochschullandschaft. Der Artikel erschien in kürzerer Fassung erstmals im Blog des Zentrums für multimediales Lehren und Lernen der Universität Halle.

Wenn Studierende via Online-Portale mit ihrer Universität interagieren (z.B. bei der Modul- und Prüfungsanmeldung, beim Verlängern der Bibliotheksbücher, bei der Verwendung der Lernmaterialien im Lernmanagementsystem) hinterlassen sie digitale Fußspuren. Learning Analytics befasst sich speziell mit den Prozessen zur Verwendung der Daten mit dem Ziel, das Lehren und Lernen zu verbessern (vgl. Sclater, Peasgood & Mullan, 2016). 

Learning Analytics umfasst die Messung, Sammlung, Analyse und Dokumentation von Daten bezüglich des Fortschritts von Lernenden sowie der Kontexte, in denen Lernen stattfindet. Die Idee von Learning Analytics ist somit, große Datenmengen zu analysieren um durch Feedback an Studierende und Lehrende die Qualität der Lehr- und Lernprozesse zu erhöhen. 

In den letzten Jahren wurde in diesem Bereich viel geforscht. Aktuell hat die britische Organisation JISC einen Bericht mit dem Titel „Learning Analytics in higher education“ veröffentlicht. Er fasst die elf Fallstudien an Universitäten in den USA, England und Australien. Die Autoren nennen folgende Bereiche, in denen Learning Analytics einen wesentlichen Beitrag leisten könnte: 

  1. Als Werkzeug zur Qualitätssicherung und Qualitätsentwicklung: Learning Analytics könnte als ein diagnostisches Instrument auf individueller oder institutioneller Ebene proaktiv verwendet werden, um den eigenen Unterricht zu verbessern. 
  2. Als Instrument zur Verringerung des Studienabbruchs: Institutionen könnten Risikostudierende früher Erkennen um bereits in der Studieneingangsphase (mit z.B. Beratung) intervenieren zu können. 
  3. Als Instrument zur Einschätzung andersartiger Lernergebnisse: Erhobene Daten können Aufschlüsse zum Lernverhalten heterogener Lerngruppen geben um auf deren Bedürfnisse didaktisch handeln zu können. 
  4. Als Voraussetzung für die Entwicklung und Einführung von Adaptivem Lernen: Hier handelt es sich um personalisiertes Lernen, wodurch Studierende Lernmaterialien auf der Basis ihrer vorherigen Interaktionen im Lernprozess erhalten. 

Learning Analytics Map 1

Grafik mit dem Titel „Map showing learning analytics case studies“ ist von Jisc unter der Lizenz CC BY NC ND 3.0 veröffentlicht.

Learning Analytics Map 2

Grafik mit dem Titel „Map showing learning analytics case studies“ ist von Jisc unter der Lizenz CC BY NC SA 3.0 veröffentlicht.

Learning Analytics an deutschen Hochschulen 

Die Hochschulausgabe des Horizon Reports 2016 führt Learning Analytics und Adaptives Lernen als eine wichtige lehr-/lerntechnologische Entwicklung im Zeithorizont von einem Jahr oder weniger auf und belegt diese Auswahl mit Quellen und Beispielen von internationalen Hochschulen. Während international dieser Trend beobachtbar ist stellt sich die Frage, warum an deutschen Hochschulen diese Entwicklung mit Zurückhaltung gesehen wird. 

Betrachtet man die Ergebnisse der vorgestellten Studien können datenbasierte Lösungen auf Datenereignisse zugreifen (z.B. in der Studieneingangsphase, bei der Verbesserung der Lernergebnisse), die im Interesse verschiedener Zielgruppen an den Hochschulen stehen. Dazu zählen in allererster Linie Lehrende und Studierende, aber auch die Hochschulleitungen und die Lehr-/Lernforschung (vgl. Horzion Report, 2016). 

In vielen geführten Diskussionen sind diese Zielgruppen nicht oder überrepräsentiert. Beispielsweise werden Datenerhebungen aus informationstechnologischer Sicht vorgestellt, Datenschutzbeauftragte warnen vor den Gefahren von Big Data und Personalräte vor der Kontrollbefugnis von Lehrenden (vgl. e-teaching.org Redaktion, 2015). Oft fehlen die Meinungen von Studierenden, Lehrenden, Hochschulleitung und insbesondere von Hochschuldidaktikern. 

Dabei könnten beispielsweise Fragen, die sich aus metakognitiver Sicht mit den Lernzielen von Studierenden beschäftigen, formuliert werden wie: Kann man mit den Daten erkennen, ob Studierende Lernziele formulieren? Ist das Lehrmaterial relevant für die Formulierung von Lernzielen? Wie oft verändern Studierende ihre Lernziele? Lässt sich mit Learning Analytics die Qualität der Lernziele messen? Welchen Einfluss hat eine persönliche/online/peer-Beratung auf die Formulierung von Lernzielen? Fragen, die sich Lehrende schon immer gestellt haben und bislang mit analogen Mitteln mehr oder weniger objektiv beantwortet haben. 

Damit sich Learning Analytics verstärkt auch an deutschen Hochschulen etabliert, sind noch enorme Herausforderungen zu bewältigen. Eine davon ist der adäquate Interpretation der Daten, da Learning Analytics zwar mit dem Engagement und der Beteiligung von Studierenden korreliert, aber noch keine Aussage darüber trifft, was Lehrende verändern sollten (vgl. Bain/ Drengenberg, 2016) 

Die Interpretation von Daten im Lernprozess stellt somit eine Herausforderung dar, die noch viel Forschung, Beratung und eine Qualifizierung für Studierende und Hochschullehrende voraussetzt. Vor allem muss das Vertrauen aller Beteiligten in die Transparenz und Sicherheit der Daten und der Prozesse hergestellt werden, auch wenn die dafür notwendigen Technologien insbesondere für die Datensicherheit längst vorhanden sind. 

Quellen 

Bain, Alan; Nicholas Drengenberg (2016). Data collected about student behaviour doesn’t help improve teaching or learning. Blogbeitrag vom April 25, 2016 in The Conversation: https://theconversation.com/data-collected-about-student-behaviour-doesn.... (Zugriff am 03.05.2016) 

e-teaching.org Redaktion (2015). Pro und Contra: Positionen zu Learning Analytics. Zuletzt geändert am 08.04.2015. Leibniz-Institut für Wissensmedien: https://www.e-teaching.org/community/meinung/pro_con_learning_analytics/.... (Zugriff am 03.05.2016) 

Sclater, Niall; Peasgood, Alice und Mullan, Joel (2016). Learning Analytics in Higher Education: A review of UK and international practice Full report. JISC. Publiziert unter der Lizenz CC BY 4.0 (Zugriff am 22.04.2016) 

Johnson, L., Adams Becker, S., Cummins, M., Estrada, V., Freeman, A., und Hall, C. (2016). NMC Horizon Report: 2016 Higher Education Edition: Deutsche Ausgabe (Übersetzung: Helga Bechmann, Multimedia Kontor Hamburg). Austin, Texas: The New Media Consortium. 
 

 

Neuen Kommentar schreiben

(If you're a human, don't change the following field)

Your first name.

(If you're a human, don't change the following field)

Your first name.

(If you're a human, don't change the following field)

Your first name.

Simple HTML

  • Adds captions, from the title attribute, to images with one of the following classes: image-left image-right standalone-image
  • Zulässige HTML-Tags: <a> <em> <strong> <cite> <blockquote> <code> <ul> <ol> <li> <dl> <dt> <dd> <h2> <h3> <h4> <table> <th> <tr> <td> <span> <p> <br> <hr>
  • HTML - Zeilenumbrüche und Absätze werden automatisch erzeugt.
  • Internet- und E-Mail-Adressen werden automatisch umgewandelt.
  • You may use [view:name=display=args] tags to display views.

Plain text

  • Keine HTML-Tags erlaubt.
  • Internet- und E-Mail-Adressen werden automatisch umgewandelt.
  • HTML - Zeilenumbrüche und Absätze werden automatisch erzeugt.
Image CAPTCHA

Enter the characters shown in the image.