Learning analytics (LA) bezieht sich auf “the measurement, collection, analysis and reporting of data about learners and their contexts, for purposes of understanding and optimizing learning and the environments in which it occurs” (SoLAR 2011).
Eine weit verbreitete Unterscheidung von LA Ansätzen basiert auf der Unterteilung 1) description, 2) diagnosis, 3) prediction and 4) prescription (Wagner 2016). Diese gängige Unterscheidung vernächlässigt allerdings die pädagogische Perspektive, das Nutzenpotenzial von LA für Reflektionsprozesse. Um (digitale) Lernprozesse zu unterstützen, schlagen wir in unserer Forschungsgruppe daher eine 2×2 Matrix vor (Table 1).
Eine Dimension unterscheidet nach dem übergreifenden Ziel von LA zwischen:
– Reflexion: a) self-evaluation auf der Basis eigener Datensätze oder Datensätze, die bei anderen generiert worden sind (z.B eine Lehrperson, die ihren Lehr-Lernstil aufgrund der Datensets reflektiert, welche die Studierenden generiert haben)
– Prediction: bezieht sich auf die Antizipation von Lernaktivitäten (z.B. nach Lernerprofilen) und entsprechende Interventionen, um erfolgreiche und weniger erfolgreiche Studierende adaptive Lernstrategien anzubieten.
Die andere Dimension unterscheidet zwischen dem Kontext und der Zielgruppe von LA:
– Social Learning Analytics
– Individual Achievement
Fig. 1: Generic LA Approaches
Tab. 1: A Taxonomy for Learning Analytics activities
Seufert, Meier, Söllner & Rietsche (2017)
special issue of “Big Data in Higher Education: Research Methods and Analytics Supporting the Learning Journey” in the journal of Technology, Knowledge and Learning (TKNL).
Schreiben Sie einen Kommentar