datennutzung als gratwanderung – riskant, aber mit ...dr. falk scheidig | pädagogische hochschule...
TRANSCRIPT
Datennutzung als Gratwanderung –riskant, aber mit lohnendem Ausblick?
Learning Analytics in Beispielen
Dr. Falk Scheidig | Vortrag an der PH Luzern| 17. September 2019
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 4
Learning Analytics
«The measurement, collection, analysis and reporting of data
about learners and their contexts, for purposes of understanding
and optimising learning and the environments in which it occurs.»
(Siemens 2011)
«key trend»(NMC Horizon Report Higher Education: Becker et al. 2018)
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 6
Big Data
«Daten werden für die Weiterentwicklung von Lernprozessen optimal genutzt.»EDK (2018) Strategie der EDK vom 21. Juni 2018 für den Umgang mit Wandel durch Digitalisierung im Bildungswesen, S. 3.
«Daten sollen für pädagogische […] Zwecke gezielt und kontrolliert ausgetauscht und genutzt werden können.» LCH (2018). Digitale Technologien in der Schule: Herausforderungen aktiv angehen, S. 20
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 7
Verheissungen
Lernverhalten differenzierter verstehen, Muster erkennen
Studierende gezielt unterstützen (Feedback, Lernangebote, Hilfe)
Lernen personalisieren
Rückmeldungen zur Nutzung von Lernangeboten erhalten
Indikatoren von Lernerfolg und Misserfolg ermitteln
datengestützte Optimierung studentischen Lernens sowie hierauf gerichteter Angebote und Strukturen
Problembereiche identifizieren, Studienabbrüche antizipieren
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 8
Hochschuldidaktische Ebenen
Lehr-Lern-Situation
Lehrveranstaltung
Studienbereich/-phase
Studiengang
Hochschule
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 9
Analysekategorien
Deskriptive Analyse (Was? Beschreibung)
Diagnostische Analyse (Warum? Erklärung)
Prädiktive Analyse (Wann? Prognose)
Präskriptive Analyse (Wie? Empfehlung)
Information
Optimierung
Schw
ierig
keit
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 10
Praxisbeispiele
VisualTracking Prüfungsprognosen
Automatische Textanalyse
in LMS-Foren
Daten ausSerious Games
Dashboards /Daten-Cockpits
App My.Mi.mobile
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 11
Praxisbeispiele
Prüfungsprognosen
Öztürk/Bonfert-Taylor/Fügenschuh 2018, S. 29
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 12
Praxisbeispiele
VisualTracking Prüfungsprognosen
Adaptive Lernsysteme / ITS
Automatische Textanalyse
in LMS-Foren
Daten ausSerious Games
Spie
l uFi
nSp
iel F
resh
Food
Run
ner
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 13
Praxisbeispiele
Prüfungsprognosen
Adaptive Lernsysteme / ITS
Automatische Textanalyse
in LMS-Foren
Daten ausSerious Games
Dashboards /Daten-Cockpits
App Duolingo App Math42
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 14
Praxisbeispiele
Automatische Textanalyse
in LMS-Foren
Daten ausSerious Games
Dashboards /Daten-Cockpits
Wise/Zhao/Hausknecht 2014, S. 53
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 15
Praxisbeispiele
VisualTracking Prüfungsprognosen
Adaptive Lernsysteme / ITS
Automatische Textanalyse
in LMS-Foren
Dashboards /Daten-Cockpits
IADLearning
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 16
Praxisbeispiele
VisualTracking Prüfungsprognosen
Adaptive Lernsysteme / ITS
Automatische Textanalyse
in LMS-Foren
Daten ausSerious Games
Dashboards /Daten-Cockpits
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 17
«Dagstuhl-Dreieck» (Döbeli Honegger/Salzmann 2018)
Ethik und Datenschutz(Drachsler/Greller 2016; Pardo/Siemens 2014;Rubel/Jones 2016)
Einseitigkeiten und metrische Dispositive (Mau 2017)
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 18
Szenario 2
Es ist nachgewiesen, dass soziale Eingebundenheit
und das Entwickeln von Routinen auf dem Campus
zuverlässige Prädiktoren für einen erfolgreichen
Studienabschluss sind.
Anhand der Daten der Campus-Card (für Mensa, Bibliothek, Türen
auf dem Campus) kann innerhalb der ersten zwölf Wochen des
ersten Semesters mit nahezu 90%er Wahrscheinlichkeit
prognostiziert werden, wer das Studium abbrechen wird.
Sudha Ram, University of Arizona
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 19
«dark side of learning analytics»
Fokussierung des Quantifizierbaren, reduktionistisches Lernverständnis
Daten ≠ Verstehen≠ Handlungswissen
Gefahr des Datenmissbrauchs
(Ethik, Datenschutz)
Gefahr von Fehlanalysen,
Falschableitungen, Diskriminierung
Datensteuerung und datengestützte
Machtkonzentration
Intransparenzund Verlust von informationeller
Selbstbestimmung
Entanonymisierungund Abbau von Privatsphäre
Klima der Kontrolle und gleichzeitig des
Kontrollverlusts (Algorithmisierung)
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 21
Literatur
Becker, S./Brown, M./Dahlstrom, E./Davis, A./DePaul, K./Diaz, V./Pomerantz, J. (2018): NMC Horizon Report: 2018 Higher Education Edition. Louisville: EDUCAUSE.
Döbeli Honegger, B./Salzmann, R. (2018): Dagstuhl-Dreieck. Online verfügbar: http://wiki.doebe.li/Dagstuhl/GrafikUnterCCLizenz (16.9.2019).
Drachsler, H./Greller, W. (2016): Privacy and analytics – It's a DELICATE issue. A Checklist for Trusted Learning Analytics. In: Association for Computing Machinery (Hrsg.): Proceedings of the Sixth International Conference on Learning Analytics & Knowledge (LAK '16), Edinburgh. United Kingdom – April 25 - 29, 2016 (S. 89-98). New York: ACM.
EDK (2018) Strategie der EDK vom 21. Juni 2018 für den Umgang mit Wandel durch Digitalisierung im Bildungswesen. Online verfügbar: https://edudoc.ch/record/131564/files/pb_digi-strategie_d.pdf (16.9.2019)
LCH (2018). Digitale Technologien in der Schule: Herausforderungen aktiv angehen. Online verfügbar: https://www.lch.ch/fileadmin/files/documents/Positionspapiere/180616_Positionspapier_Digitale_Technologien_in_der_Schule.pdf (16.9.219)
Mau, S. (2017): Das metrische Wir: Über die Quantifizierung des Sozialen. Berlin: Suhrkamp.Öztürk, A./Bonfert-Taylor, P./Fügenschuh, A. (2018): Using data to improve programming instruction. In: Krömker,
D./Schroeder, U. (Hrsg.), DeLFI 2018 - Die 16. E-Learning Fachtagung Informatik. Bonn: Gesellschaft für Informatik e.V., S. 23-32.
Pardo, A./Siemens, G. (2014): Ethical and privacy principles for learning analytics. In: British Journal of Educational Technology, 45 (3), S. 438-450.
Rubel, A./Jones, K. M. L. (2016): Student privacy in learning analytics: An information ethics perspective. In: The Information Society, 32 (2), S.143-159.
Siemens, G. (2011): Call for Papers: 1st International Conference Learning Analytics & Knowledge February 27-March 1, 2011. Online verfügbar: https://tekri.athabascau.ca/analytics/call-papers (16.9.2019).
Dr. Falk Scheidig | Pädagogische Hochschule FHNW 22
Bildquellenverzeichnis
Folien 1 und 20: http://www.carto.net/neumann/mountaineering/2008/pilatus_2008_07_18-19/19_klimsenkapelle_and_lucerne_as_seen_from_tomlishorn-pilatus.jpg (16.9.2019)
Folie 2: https://live.staticflickr.com/8532/28759923323_eeea74b08d_b.jpg (16.9.2019)Folie 3: https://www.techapeek.com/wp-content/uploads/2019/03/Convolutional-Neural-Networks-Taught-by-Andrew-Ng-
1024x576.png (16.9.2019)Folie 5: https://www.fm-online-factory.de/wp-content/uploads/Foto-Suchen_Uni_tortugadatacorp.jpg (16.9.2019)Folie 6: https://d11wkw82a69pyn.cloudfront.net/siteassets/images/big_data_rcs_case_1440x600_canvas_low.jpg
(16.9.2019)Folie 18: https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcTbfH8KB9qNcljEa9aBFDoyIk6m_Y6CzUASxD3m8rP-
hYuIwFoa7g (16.9.2019)