Aktuelle Meldungen

Eine hochrelevante Frage, denn: Die Zahl der Studierenden steigt seit Jahren. Im Wintersemester 2020/21 studierten in Deutschland fast 3 Millionen Menschen. Damit hat sich die Zahl der Studierenden in 20 Jahren um 63,6 Prozent erhöht (Quelle: Bundeszentrale für politische Bildung*). Gleichzeitig müssen Lehrende an Hochschulen die zahlreichen Studierenden betreuen, Unterricht vorbereiten, Übungen entwickeln, möglichst hilfreiches Feedback an Studierende geben, Prüfungen durchführen und vieles mehr.

Die Forschenden der neuen Forschungsprofessur Computerlinguistik unter der Leitung von Prof. Dr.-Ing. Torsten Zesch bei CATALPA sowie der CATALPA-Nachwuchsgruppe „Educational Natural Language Processing“ um Dr. Andrea Horbach erforschen Möglichkeiten, wie sie die Hochschullehre mit digitalen Lösungen unterstützen können. In neun verschiedenen Demo-Stationen durften die Besucher ausprobieren, wie das aussehen könnte.

Grafiken lesen und beschreiben

An der Station von Marie Bexte ging es beispielsweise um eine automatische Bewertung von Bildbeschreibungen. Über einen großen Bildschirm bekamen Besucher Bilder angezeigt mit der Aufgabe, einzutippen, was sie hier sehen. Per Klick generierte das Programm direkt Rückmeldung, ob die Antwort richtig war oder nicht und gab Beispielantworten aus, die es als richtig gewertet hätte. Wozu sich eine solche Anwendung in der Hochschulpraxis nutzen ließe? „Zum Beispiel um Infografiken zu beschreiben“, erklärt die Doktorandin. „So könnten Studierende üben, sie zu lesen und bekämen im Rahmen ihrer Übung direkt Rückmeldung.“

Erkenntnisse aus anderen Bereichen für Fortschritte in der Anwendung

Wie genau ein hilfreiches Feedback aussieht, welche Bilder oder Grafiken für Übungen ausgewählt werden oder zu welchem Zeitpunkt im Kurs Übungen eingebaut werden – all dies sind Erkenntnisse, die die Forschenden am besten in interdisziplinärer Kooperation mit z.B. Psycholog*innen oder Bildungswissenschaftler*innen erarbeiten. „Darum ist uns dieser aktive Austausch wichtig, den wir hier anregen und für den wir innerhalb von CATALPA die idealen Bedingungen finden“, erklärt Torsten Zesch.

Unmittelbares Feedback für Texte

Doch weiter im Rundgang durch die Themenfelder der Computerlinguist*innen. Einen Text für eine Französischübung schreiben und direkt sehen, ob Länge, Wortschatz oder die Anzahl benutzter Adjektive in einem guten Bereich liegen? So könnten Studierende sich beim Fremdsprachenlernen selbst besser einschätzen und verbessern. Jeanette Bewersdorff erklärt: „Unsere Software erkennt dafür Wort- und Satzbausteine, wertet diese aus und kann sie mit den Daten anderer Studierender abgleichen. So ist es möglich, dass Lernenden angezeigt wird, wo sie im Vergleich stehen.“

Handschriften erkennen, Zeit sparen

Und wie steht es nun um die erwähnte Entlastung von Lehrenden? Hier ist Christian Gold in einem spannenden Bereich unterwegs. Er bringt Software bei, Handschriften lesen zu können. Krakelige Schriften entziffern, bevor man überhaupt mit der inhaltlichen Bewertung starten kann, würde für Dozierende damit der Vergangenheit angehören. Doch natürlich gibt es einige Hürden zu nehmen, bis ein Computer eine Handschrift zuverlässig in Computerschrift umwandeln kann. Es braucht mehr als nur viele Beispiele anhand derer man die Software lernen lässt. Selbst Hilfslinien können bei der automatischen Erkennung die Zuverlässigkeit der Ergebnisse stark beeinträchtigen. Jede Menge kleine Schritte also, die die Forschenden gehen müssen. „Ziel ist es natürlich, irgendwann ein System zu haben, das möglichst Plug and Play für die unterschiedlichsten Aufgaben und Zwecke genutzt werden kann und dabei sehr akkurate Ergebnisse liefert. Bis dahin ist es aber noch ein weiter Weg“, erzählt Christian Gold von seiner Arbeit.

Vertrauen und Akzeptanz

Damit Automatisierung in diesen Bereichen besser werden kann braucht es mehr Daten. Bei kleinen Gruppen, wie zum Beispiel Kursverbänden mit 30 bis 50 Lernenden, ist künstliche Intelligenz noch zu unzuverlässig. Wissenschaft im kritischen Bereich des Lehrens und Lernens ist und bleibt darum immer ein Balance-Akt: Daten erheben und Nutzen – jedoch unter strengen Datenschutzkriterien, Automatisierung und Digitalisierung vorantreiben – jedoch nicht als Selbstzweck, sondern anwendungsbezogene Hilfe für Studierende und Lehrende. „Vertrauen und Akzeptanz sind wichtige Währungen für unsere Arbeit und bei aller wissenschaftlicher Neugier, ist Datensicherheit bei allen Projekten Grundvoraussetzung“, erklärt Prof. Dr. Dr. Friedrich Hesse, Leiter des Forschungszentrums.

Mehr über die Professur Computerlinguistik

Mehr über die Nachwuchsgruppe Educational Natural Language Processing

Mehr über CATALPA

Von 10:30 bis 11:00 Uhr führt zunächst ein einleitender Vortrag in die Welt der Computerlinguistik ein. Für die Zeit zwischen 11:00 und 12:15 Uhr haben die Wissenschaftler*innen verschiedene Stationen zum Ausprobieren und Zuhören eingerichtet. An interaktiven Exponaten können Sie sich so ein Bild von den Anwendungsmöglichkeiten der Computerlinguistik verschaffen. Abschließend geben von 12:15 bis 13:00 Uhr drei Impulsvorträge einen Ausblick in neue Anwendungsgebiete, die gerade beforscht werden.

Das Forschungszentrum bittet Nicht-Mitglieder des Forschungszentrums um Anmeldung, da die Plätze für den Tag der Computerlinguistik begrenzt sind. Melden Sie sich bei Interesse also bitte unter catalpa an.

Förderung ist Teil unserer Identität

Das besondere an der Ausschreibung: Die Juniorprofessur zeichnet sich nicht nur durch den tenure track zu einer W3-Stelle aus, sondern kann bei passenden Bewerbungen auch direkt in der Besetzung einer W3-Professur münden. "Für CATALPA ist die Förderung von Nachwuchswissenschaftler*innen Teil unserer Identität und wir möchten uns mit der Ausschreibung im Bereich Learning Analytics gerne an diese richten. Wir haben dennoch die Möglichkeiten, diese Stelle auch direkt als W3-Professur zu besetzen", erklärt die administrative Leiterin Stephanie Steimann. "Wir freuen uns darum vor allem auf Bewerbungen, die sich mit unserem Leitbild identifizieren können und mit uns zusammen wachsen wollen."

(Stellenausschreibung ist nicht mehr verfügbar.)

Zum Stellenportal

Sandra Kirschbaum: Und nach deiner Promotion, hat dein Weg nach Hagen geführt?

Fang Zhao: Genau. In Hagen bin ich als Postdoc eingestellt worden. Mein Thema hat sich dann etwas geändert und wir haben Multitasking untersucht. Im Rahmen verschiedener Untersuchungen haben wir Leute Dinge gleichzeitig tun lassen und dann verglichen: Lernen die Multitasker oder die Singletasker besser? Wenn zwei Aufgaben sich überlappen wird die Reaktionszeit langsamer und die Leute insgesamt schlechter. Besser ist es, Aufgaben nacheinander zu erledigen. Im Rahmen von damals noch D²L² startete ich dann kurz darauf mit der Nachwuchsgruppenleitung und unser Thema ist eine Mischung aus meinem Promotions- und Postdoc-Thema. Im Bereich interaktives Lernen geben wir unseren Studierenden zum Beispiel zwei Aufgaben im Rahmen einer interaktiven Lernplattform. Eine beinhaltet zum Beispiel zu lesen, was dort steht. Zusätzlich sollen die Schüler interagieren, beispielsweise mit Simulationen. Wir untersuchen, wie man unter diesen Voraussetzungen lernt und welche Schlüsse wir daraus ziehen können, um die Lernumgebung besser zu machen.

Sandra Kirschbaum: Franziska, du arbeitest mit Fang als Doktorandin eng zusammen. Wie bist du zu CATALPA (ehemals D²L²) gekommen und was ist der Fokus deiner Forschung in eurer Nachwuchsgruppe?

Franziska Wehrhahn: Ich habe meinen Master in Bildungswissenschaften an der FernUni gemacht. Dort habe ich mir die Themen Bildung und Medien in einem empirischen Projekt angeschaut. Fragen, die wir untersucht haben, waren unter anderem: Wie lernen Menschen in Gruppen und mit welcher Motivation? Wie sieht Motivation in verschiedenen Lernkontexten aus? Das sehen wir uns auch für Multimedia-Lernsettings an. Im Rahmen meiner Promotion in Fangs Nachwuchsgruppe untersuche ich unter anderem die Nutzung von Bildern. Modelle und grafische Darstellungen werden zum Beispiel anders genutzt, als etwa das Bild einer lachenden Lerngruppe, das vielleicht eher eine affektive oder emotionale Wirkung hat. Bilder haben also unterschiedliche lernförderliche Funktionen und können sogar Störfaktoren sein, die das Lernen im schlimmsten Fall behindern. Wir schauen uns das insbesondere für die Lernumgebung Moodle an, was für viele Studierende relevant ist, weil sie damit täglich umgehen. Die Ergebnisse helfen uns dann hoffentlich, diese Lernumgebung Stück für Stück so zu gestalten, dass sie für Studierende am besten funktioniert und sie effektiv beim Lernen unterstützt.

Sandra Kirschbaum: Was habt ihr denn bisher herausfinden können? Was ist sinnvoll für Lernende? Was sollten Lehrende beachten?

Fang Zhao: Ein Beispiel aus der Coronazeit: Es gab ja täglich Updates zu Infektionszahlen, Krankenhausaufnahmen und so weiter. Oftmals konnte man durch die Zeitskala klicken und die Grafik veränderte sich entsprechend. Das ist eine interaktive Datengrafik. Bei solchen Grafiken, so konnten wir in einem anderen Kontext zeigen, ist wichtig, nicht auch noch andere Anforderungen einzubinden und Betrachter zu überfrachten. Es sollte sich nur eine Sache ändern, auf die sich der Betrachter auch konzentrieren kann.

Sandra Kirschbaum: Gilt dies auch für andere Lernformate?

Fang Zhao: Ja, in einem Projekt haben wir uns zum Beispiel angesehen, wie Interviewvideos gestaltet sein sollten und gesehen, dass es für Lerninterviews besser ist, wenn man den Interviewer ausschließt, also zum Beispiel aus den Videos heraus editiert und die Fragen nur einblendet. Denn so sind Lernende weniger abgelenkt von einem weiteren visuellen Reiz und lernen besser. Das gilt übrigens auch für Zoom-Meetings bzw. Kurse via Zoom. Das Video sollte nur beim Sprecher an sein, bei allen anderen aus. Das reduziert die Ablenkung und fördert besseres Lernen.

Franziska Wehrhahn:Solche Erkenntnisse sind besonders wichtig für Lehrende, denn sie können Lernmaterialien und -umgebungen dementsprechend gestalten.

Sandra Kirschbaum: Gibt es auch Beispiele, wo eine Kombination von Text und Bild besser wirken?

Fang Zhao: Wir haben gerade ein Paper in Review, wo es um die Lernmotivation geht. Im Rahmen einer Studie haben wir Studierenden jede Woche eine E-Mail zu ihrem Kurs und ihrem Lernstand gesendet. In den E-Mails bekamen sie zum Beispiel mitgeteilt, wie viele Einheiten sie geschafft hatten und gegebenenfalls zusätzlich motivierende Worte. Die Studierenden waren in vier unterschiedliche Gruppen aufgeteilt, je eine Gruppe, die:

• keine E-Mails (Kontrollgruppe),
• allgemeine E-Mails,
• personalisierte Text-E-Mails
• oder personalisierte Text-Bild-E-Mails bekam.

Hier konnten wir feststellen, dass die Kombination aus Text und einer Datengrafik, die anzeigt, wie weit man im Kurs ist, einen positiven Effekt auf den Erfolg der Studierenden haben. Allgemeine E-Mails oder nur Text-E-Mails zeigten keinen signifikanten Unterschied zur Kontrollgruppe.

Sandra Kirschbaum: Was ist euer Wunsch für die Zukunft, was aus euren Forschungsergebnissen entstehen soll?

Franziska Wehrhahn: Vieles wird in der Lehre aktuell noch intuitiv gestaltet – zum Beispiel die Verwendung von Bildern auf Moodle. Um Lehrende hier zu unterstützen, multimediales Lernen besser zu machen, müssten Ergebnisse aus der Forschung systematisch zusammengetragen und den Lehrenden zugänglich gemacht werden, damit dieses Wissen und die Ergebnisse systematisch in die Lehre einfließen können. So kämen wir zu einem gezielteren Einsatz von multimedialem Lernen. Dazu tragen wir mit unseren Erkenntnissen im Rahmen des Projekts Schritt für Schritt bei.

Fang Zhao: Ein Stück weit starten wir auch bereits, unsere Erkenntnisse noch besser in die Praxis zu bringen. In einer Kooperation mit dem Zentrum für Lernen und Innovation und dem Lehrstuhl für psychologische Methoden und Evaluation von Prof. Dr. Oliver Christ gibt es bereits ein erstes konkretes Projekt für den Lehrbereich Statistik. Hier sind wir aber noch in den Anfängen.

Häufig sei auf dem Gebiet des automatischen Scorings ein Ungleichgewicht zu finden. Auf der einen Seite Anwender*innen, die über große Datensätze verfügen, aber nicht immer über die technologischen Möglichkeiten, das Potenzial dieser Daten voll auszuschöpfen. Auf der anderen Seite Entwickler*innen, mit den passenden Tools, denen aber große Datensätze fehlen, um ihre Technik verfeinern oder skalieren zu können. „Mit dem Symposium ist es sehr gut gelungen, diese beiden Seiten zusammenzubringen. Gut die Hälfte der Gäste bestand aus Computerlinguist*innen. Die andere Hälfte setzte sich zum Beispiel aus Vertreter*innen aus der Lehrerbildung, Psycholog*innen, die automatisches Scoring im Schulkontext einsetzen oder auch Bildungswissenschaftler*innen, die sich mit künstlicher Intelligenz (KI) in der Hochschule beschäftigen, zusammen“, berichtet Dr. Andrea Horbach, Nachwuchsgruppenleiterin bei CATALPA.

Zentrale Punkte für die Zukunft

Neben Impulsvorträgen der Gäste haben die Teilnehmenden herausgearbeitet, zu welchen Themen sie Expertise suchen und bieten – und dabei einige zentrale Punkte für die Zukunft identifizieren können. Andrea Horbach fasst die drei Punkte so zusammen:

Feedback. „Für viele von uns ist der zentrale nächste Schritt: Wie können wir die Ergebnisse der automatischen Bewertung sinnvoll an Lehrende und Lernende rückmelden? Wie lässt sich Feedback generieren, das Lehrende und Lernende weiterbringt, und wie genau müsste dieses Feedback aussehen? Um diese Herausforderung dreht sich gerade vieles.“

Individualisierung. „Eine weitere wichtige Frage, die viele von uns beschäftigt: Wie schafft man es, zielgerichtet für den Einzelnen das Richtige zum richtigen Zeitpunkt zurückzumelden?“

Übertragbarkeit. „Dies bezieht sich auf die Skalierbarkeit von technischen Lösungen auf Anwendungsfälle. Modelle werden oft für bestimmte Aufgaben entwickelt und Anwender*innen können dann nur diese Aufgaben automatisieren. Ziel ist es aber, dass sie ganz unproblematisch Technik auf neue Kurse und Aufgaben übertragen können.“

Auftakt für weitere Zusammenarbeit

Nach zwei Tagen Zusammenarbeit lautet das Fazit der Teilnehmenden: Auf der Arbeitsebene wird der Austausch in vielen Fällen jetzt erst richtig losgehen. Unter den Gästen des Symposiums befanden sich viele Forschende auf Post-Doc-Ebene und Doktorand*innen. Für sie war es besonders wertvoll, nach der Corona-Zeit in der Community live und in Farbe Kontakte knüpfen zu können.

Präsentieren im geschützten Rahmen

Der Tag startete mit einer Postersession der besonderen Art. Denn anders, als bei klassischen wissenschaftlichen Postern, ging es hier nicht nur um Forschungsfragen und -ergebnisse. Mit den Kategorien „ich suche“ und „ich biete“ eröffneten die Docs und Post-Docs auch eine kleine Tauschbörse für Wissen. „Das hat uns den Raum eröffnet für Austausch. Wir sind ja ein interdisziplinäres Forschungszentrum und so können wir auf ganz besondere Weise von den unterschiedlichen Expertisen unserer Kolleg*innen profitieren. Dafür ist es aber wichtig, sich besser zu kennen, auch persönlich. Das baut Hürden ab, einfach mal anzurufen oder über einem Kaffee die Köpfe zusammenzustecken“, erzählt Dr. Natalia Reich-Stiebert, die an der Organisation des Tages beteiligt war.

Leitungsteam war beeindruckt

Das Leitungsteam, das für diesen Teil des Netzwerktages eingeladen war, zeigte sich anschließend begeistert von der Qualität und den Ideen, die sie während der Postersessions zu sehen bekamen. „Ich bin wirklich beeindruckt, von dem, was hier auf die Beine gestellt wurde – nicht nur, weil ich in die einzelnen Forschungsarbeit tiefer einblicken konnte, sondern auch, weil jede und jeder einzelne mit zusätzlichen Steckbriefen eine persönliche Note von sich eingebracht hat“, lobte Prof. Dr. Dr. Friedrich Hesse, Wissenschaftlicher Direktor CATALPA, beim abendlichen Get-Together. Für Kolleg*innen und viele neue Gesichter am Forschungszentrum ergaben sich so zahlreiche Ansatzpunkte zum aktiven Netzwerken.

Vom Hochstapeln zum Speed-Dating

Im Verlaufe des Tages stellte auch der Graduierten Service vor, mit welchen Themen und Fragen Wissenschaftler*innen hier eine Anlaufstelle finden. Besonders gut kam der vom Graduierten Service angebotene Workshop zum Imposter Syndrom, oder dem Hochstapler Syndrom, an. Hier ging es vor allem darum, Erfolge stärker seinen eigenen Fähigkeiten zuzuschreiben und anzunehmen, statt sie für glückliche Umstände zu halten. In der abschließenden Warp-Konferenz, einer Art Speed-Dating für fachlichen Austausch, hielten die Forschenden dann nochmal in kleinen Gruppen konkret fest, wo sie künftig voneinander profitieren können und wollen.

Der Tag kam bei allen Beteiligten so gut an, dass er ein festes Format des Forschungszentrums wird. Künftig soll der CATALPA-Nachwuchstag auch für Interessierte der FernUni geöffnet und weiter ausgebaut werden.

Es ist ja so: Wenn wir uns zum Beispiel miteinander unterhalten, E-Mails schreiben oder telefonieren, dann verstehen wir uns ziemlich gut. Das ist aber gar nicht so selbstverständlich. Ein Beispiel: Ich sage dir den Satz: „Der Detektiv verfolgte den Gangster im Sportwagen.“ Nehmen wir mal an, ich würde dich fragen, wer im Sportwagen sitzt. Was würdest du mir dann antworten?

Sandra Kirschbaum: Es könnte der Detektiv sein, es könnte aber auch der Gangster sein.

Andrea Horbach: Genau. Und das ist bei Sprache häufig so. Es gibt zwar mehrere Möglichkeiten, aber wir verstehen den Satz in der Regel dennoch ganz gut. Der Witz an der Sache ist: Du bist auf zwei Möglichkeiten gekommen, weil du weißt, wie groß ein Mensch ist, wie groß ein Auto ist und wie viel Platz zwei Leute brauchen, um sich gegenseitig verfolgen zu können. Der Computer, der dieses Wissen vielleicht nicht hat, könnte auch auf folgende Interpretation kommen: Beide befinden sich zusammen im Auto und dort findet die Verfolgung statt. Wenn wir als Menschen Sprache interpretieren, dann steckt da immer ganz viel Wissen über die Welt drin.

Sandra Kirschbaum: Mit welcher Frage konkret beschäftigt sich deine Nachwuchsgruppe?

Andrea Horbach: Was uns ganz konkret interessiert ist: Wie können wir Lehrende und Lernende dadurch unterstützen, dass wir Texte, die Lernende produzieren, automatisch auswerten? Das heißt, unsere beiden klassischen Anwendungsgebiete sind Essay Scoring und Short Answer Grading. Der große Unterschied zwischen diesen beiden Gebieten ist, dass wir beim Short Answer Grading inhaltlich das Wissen der Lernenden bewerten möchten. Wir schauen uns hier also an, ob das, was sie antworten, richtig ist in Bezug auf die Frage. Beim Essay Scoring geht es neben dem Inhalt vor allem um die Struktur, die Grammatik oder den Wortschatz usw. – die sprachlichen Aspekte also. Das Ziel ist, dass wir das automatisch auswerten können. Wir wollen dabei nicht nur in der Lage sein, zum Beispiel Noten von 1 bis 6 zu vergeben, sondern den Lernenden konkreteres Feedback zu geben. Dazu gehört zum Beispiel eine Begründung im Sinne von: Du hast 3 Punkte bekommen, weil das Fazit deiner Argumentation fehlte.

Sandra Kirschbaum: Auf welche Aspekte lässt sich dieses Feedback denn beziehen?

Andrea Horbach: Ein ganz konkreter Aspekt, mit dem sich Yuning die letzten Monate beschäftigt hat und worüber wir demnächst unser erstes Paper veröffentlichen, ist die Argumentationsstruktur in argumentativen Essays. Auf der Basis von einem großen Essaykorpus haben wir gelernt, wie wir die automatische Erkennung von argumentativen Elementen, wie z.B. der Position der Schreibenden, auf neue Texte automatisch anwenden können, sodass wir das in einem neuen Essay zu einem anderen Thema markieren können. Die Idee ist, dass man Lernenden sagen kann: Wir haben in deinem Aufsatz keine eigene Position gefunden, schau mal, ob da vielleicht noch etwas fehlt. Wir wollen also nicht nur eine Note vergeben, sondern bestenfalls didaktisch plausibles Feedback, aus dem Lernende etwas für künftige Aufgaben oder zur Verbesserung der aktuellen Aufgabe mitnehmen können. Dieses Feedback geht stark in Richtung Erklärbarkeit. „Explainable AI“ ist ja nicht umsonst ein heißes Topic. Es kann jedoch ganz verschiedene Dinge bedeuten. Zum einen kann es bedeuten, dass mein Algorithmus an sich nachvollziehbar ist. Zum anderen kann es heißen, und das ist in unserem Kontext deutlich hilfreicher, dass das Feedback, das der Algorithmus generiert, nachvollziehbar ist.

Sandra Kirschbaum: An welchem Punkt steht ihr in eurer Forschung zur Erklärbarkeit aktuell?

Yuning Ding: Mit dem automatischen Scoring beschäftigen Andrea und ich uns schon länger. Jetzt gerade sind wir seit gut einem halben Jahr dabei, den Fokus auf sinnvolles formatives Feedback zu legen. Hier arbeiten wir daran, unsere Erkenntnisse in realen Settings mit Lernenden erproben zu können, dafür müssen unsere Analysen aber noch genauer werden. Vor allem müssen wir in interdisziplinärer Zusammenarbeit erst einmal handfeste Kriterien bestimmen, was genau gutes Feedback ist und was es beinhaltet.

Drei Fragen an Prof. Dr. Dr. Friedrich Hesse, Wissenschaftlicher Direktor CATALPA

Wie entwickelte sich der Gedanke zum neuen Namen?

Foto: privat

„Zuerst einmal kristallisierte sich in den letzten Monaten immer deutlicher heraus: Inhaltlich passt D²L² nicht mehr so gut zu unseren Forschungsgegenständen. Zu breit und unpräzise waren die Begriffe Digitalisierung, Diversität und Lebenslanges Lernen für das, was wir hier tun. Die neue Forschungsprofessur im Bereich der Computerlinguistik, aber auch unsere Projekte, die sich mit künstlicher Intelligenz in der Bildung und adaptiven Lernplattformen beschäftigen, wurden mit D²L² nicht mehr ausreichend gut beschrieben. Zudem arbeiten mittlerweile 50 Forschende interdisziplinär zusammen. Mit der Größe und Expertise können wir uns in der Forschungswelt durchaus sehen lassen, darum ist die Bezeichnung ,Forschungszentrum‘ auch angemessener als ,Forschungsschwerpunkt‘. Und so haben wir zusammen mit dem Leitungsteam, aber auch in Einzelgesprächen überlegt, welche Elemente in einem neuen Namen enthalten sein müssten, um unsere Größe, aber auch die stärkere inhaltliche Fokussierung zu transportieren – Technology Assisted Learning und Predictive Analytics waren hier Elemente, mit denen sich alle aus unserem Leitungsteam schnell wohl gefühlt haben. Zudem verbinden die unterschiedlichsten Wissenschaftlerinnen und Wissenschaftler unseres Zentrums gemeinsame Wurzeln: Das Interesse daran, bestmögliche Bedingungen zu schaffen – für Studierende und Dozierende. Es ist also eine passende Metapher, dass CATALPA auch für den sogenannten Trompetenbaum steht.“

Was macht die FernUniversität in Hagen zu so einem guten Forschungsstandort für die Themen von CATALPA?

„An der FernUni kommt eine diversere Studierendenschaft zusammen als an Präsenzuniversitäten. Damit lassen sich unterschiedliche Lerneigenschaften und Konstellationen besser untersuchen. Zudem gibt es mit über 70.000 Studierenden die Möglichkeiten valide Daten durch große Stichproben zu erheben. Und schlussendlich, und das ist für unser Forschungszentrum hoch relevant: Die Lehre findet zu großen Teilen unterstützt durch Online-Tools statt. Die FernUni bietet den idealen Nährboden, um starke Wurzeln für die Hochschulbildung der Zukunft ausbilden zu können. Denn insbesondere im Bereich der digitalen Lerntechnologien, die sich adaptiv an Lernende anpassen lassen und mit Hilfe von künstlicher Intelligenz und Predictive Analytics Lehrenden helfen können, sich besser auf ihre Studierenden einzustellen, finden wir hier passende Strukturen für unsere Forschung.“

Was sind die Pläne mit CATALPA für die Zukunft?

„Inhaltlich gehen wir genau den Weg weiter, den wir nun mit dem neuen Namen eingeschlagen haben. Prozesse für die Qualitätssicherung, die auch einer Prüfung für eine Bund-Länder-Förderung unserer Einrichtung bestehen würden, haben wir bereits eingeführt und rollen diese nun sukzessive aus. Zudem ist der neue Name auch unser Auftakt, stärker in der Öffentlichkeit aufzutreten. Wir wollen das Thema adaptive Lerntechnologien stärker auf die Agenda setzen und auf einschlägige Erkenntnisse in dem Bereich aufmerksam machen.“

Durchgeführt wurde die Studie mittels Pfadanalysen auf Gruppenebene. Studierende bekamen die Aufgabe, in Gruppenarbeit einen wissenschaftlichen Artikel zusammenzufassen. Jan-Bennet Voltmer und seine Kolleg*innen schauten sich daraufhin die Netzwerkdaten an, die sie anonymisiert über einen Datentreuhänder bekamen. So konnte der Datenschutz für die Studierenden sichergestellt werden. In den Netzwerkdaten konnten die Forschenden sehen, wie Studierende sich in ihren Gruppen untereinander verbinden und austauschen. In einigen Gruppen stellten sie ein hohes Integrationslevel (=Interaktionen zwischen vielen Gruppenmitgliedern) fest, in anderen Gruppen gab es dafür einzelne Mitglieder, die für sich allein arbeiteten oder gar ganze Gruppen, die kaum miteinander interagierten.

Ergebnisse

Insgesamt ließ sich festhalten: Sofern es nicht explizit geleitet wurde, war ein höherer Grad an soziodemografischer Vielfalt negativ verknüpft mit der strukturellen Interaktion innerhalb der Gruppe. Ein geringer Grad an struktureller Interaktion, auf der anderen Seite, war verknüpft mit geringerer aufgabenbezogener Zusammenarbeit und schlussendlich sogar mit einer schlechteren Bewertung der Gruppenarbeit durch unabhängige Tutor*innen. Verstärkend hierauf wirkte sich die aufgabenbezogene Diversität aus. Wenn in einer Gruppe also große Unterschiede z.B. in der Erfahrung der Lektüre wissenschaftlicher Artikel, mit Online-Kollaboration oder in der Vorerfahrung im Studium herrschten, verstärkte dies den negativen Zusammenhang soziodemografischer Unterschiede mit der Zusammenarbeit. Mit ihrer Studie fanden die Forschenden des DivAdapt-Projekts also eine Risiko-Konstellation die aktive Intervention erfordert.

Weitere Forschung

„Es lassen sich erste Ideen für Interventionen aus unserer Studie ableiten. Bevor wir den Weg jedoch weitergehen können, müssen wir zunächst die zugrundeliegenden Phänomene verstehen. Dafür wäre beispielsweise die Frage zu beantworten, woher die Interaktion innerhalb der Gruppen kommt“, erklärt Dr. Voltmer. Erst dann könne man untersuchen, welche Interventionen sich gezielt einsetzen ließen.

Hohe Qualität

Die Studie weist zwei besondere Qualitätsmerkmale auf: „Zum einen waren die Datensätze, die wir nutzen konnten, sehr groß. Wir hatten eine riesige Stichprobe von 1.525 Studierenden in 343 zufällig zugeteilten Gruppen. Das macht unsere Aussagen belastbar. Zum anderen lobten die Reviewer ausdrücklich, die handfesten Ergebnisse zum Thema Diversität“, berichtet Erstautor Jan-Bennet Voltmer.

Link Paper: https://www.sciencedirect.com/science/article/pii/S1096751622000240?via%3Dihub#!

Link Ranking Faktor: https://www.scimagojr.com/journalrank.php?category=3304

Ziel: Learning Analytics für die FernUniversität Hagen

Die CATALPA-Projekte IMPACT und NOVA:ea beschäftigen sich beide mit der Implementierung von LA an der Hochschule, jedoch aus unterschiedlichen Perspektiven. IMPACT betrachtet den Einfluss von Trusted Learning Analytics mit einem besonderen Blick auf ethische Leitlinien und bietet wissenschaftliche Unterstützung beim Einsatz von LA in der Hochschule. NOVA:ea bringt einen Fokus für den Einsatz studiengerechter E-Assessments mit und ist besonders an der Akzeptanz von LA in der Hochschullehre interessiert. Ihr gemeinsames Ziel: Trusted Learning Analytics an der FernUni unter Einbeziehung von Lehrenden und Studierenden zu implementieren.

Ethik und Datenschutz haben höchsten Stellenwert

Die Vorhaben sind zudem in das Metaprojekt LEAD (Learning und Educational Analytics und Data Mining an der FernUniversität in Hagen) eingebunden, das an einer hochschulweiten Infrastruktur für LA und Data Mining arbeitet. Besondere Herausforderungen sind hier unter anderem die Themen Ethik und Datenschutz. Prof. Dr. Stefan Stürmer, Teilprojektleiter des Projekts NOVA:ea und Initiator von LEAD: „Unter anderem aus diesem Grund haben wir eine FernUni-weite Umfrage gestartet. Wir möchten damit bedarfsgerechte Abstimmungen schaffen, weil wir auch wissen, dass die Nutzung personenbezogener Daten informierte Akzeptanz bei allen Beteiligten voraussetzt.“ Bei Trusted Learning Analytics geht es schließlich um Vertrauen. „Es geht uns um Transparenz und einen verantwortungsvollen Umgang mit Daten. Und völlig klar ist: es geht nur mit einer frühen Einbeziehung der Lehrenden und Studierenden. Wir sind sehr offen für ihre Vorschläge und Bedenken“, ergänzt IMPACT Projektleiterin Prof. Dr. Claudia de Witt.

Ihre Meinung ist gefragt

Aktuell werden in einer gemeinsamen Umfrage der Projekte IMPACT und NOVA:ea alle Lehrenden und Studierenden um ihre Meinung gebeten. Die Umfragen dauern circa 20 Minuten und umfassen Fragen zu Chancen und Problemen, die beim Einsatz von LA gesehen werden sowie Einschätzungsfragen etwa zur Erwartungshaltung zu einer sicheren Datenaufbewahrung durch die FernUni.

Da Studierende die Hauptprofiteure von Learning Analytics sein sollen, ist es sehr wichtig, dass ihre Meinungen und Erwartungen schon bei der Gestaltung berücksichtigt werden. Studierende können sich daher durch die Erstellung dieses Meinungsbildes an den Entwicklungen im Rahmen der Projekte konkret beteiligen. Die Befragung findet noch bis Ende August statt und sollte bereits im Postfach aller Studierenden angekommen sein.

Um aber weiter vorne anzufangen: Was sind eigentlich Stereotype? Stereotype sind Zuschreibungen von Eigenschaften auf bestimmte Gruppen – ein Beispiel wäre, wenn wir sagen: Deutsche sind pünktlich. Das ist eine Übergeneralisierung, denn manche Deutsche sind natürlich auch unpünktlich. An und für sich ist solch eine Übergeneralisierung kein Problem. Ein Problem wird sie aber dann, wenn es sich bei den Zuschreibungen um negative Eigenschaften handelt. Denn man möchte sich eigentlich gut fühlen mit der Gruppe, der man angehört. Wenn diese aber negativ gesehen wird, z.B. im Bildungsbereich als wenig begabt, dann wird es zum Problem, weil es verschiedene negative Folgen für die stereotypisierte Person haben kann. Beispiele dafür wären etwa, dass sie nicht objektiv bewertet wird, schlechter Anschluss in Lerngruppen findet oder sich Sorgen macht, die negativen Stereotype zu bestätigen und dann tatsächlich schlechtere Leistungen aufgrund dieser ablenkenden Sorgen erbringt.

Das habe ich mir während meiner Promotion im Schulkontext mit Jugendlichen angeschaut. Diese Art der Forschung mit Fokus auf den Migrationshintergrund und Stereotype über ethnische Gruppen habe ich an der FernUniversität fortgeführt. Denn bei ethnischen Gruppen geht es nicht nur um Leistung und Bildungserfolg. Es geht auch um das Zusammenspiel der eigenen Identitäten in Bezug auf die ethnisch-kulturelle Gruppe und die Gruppe des Landes, in dem man gerade lebt.

Da ich bereits zuvor an der FernUni als Wissenschaftlerin gearbeitet habe, wollte ich im Rahmen des Forschungszentrums und der Nachwuchsgruppe die Infrastrukturen, die es hier gibt, stärker nutzen und die diverse Studierendenschaft mehr in den Fokus nehmen. Stereotype spielen auch in der Hochschulbildung eine wichtige Rolle. Es gibt aber Selektionseffekte, welche Personen es überhaupt bis an die Universität schaffen – das hat zum Teil wiederum mit Gruppenzugehörigkeiten und Stereotypen zu tun. An der FernUni kommen diversere Leute als an Präsenzuniversitäten. Deswegen ist die FernUniversität es ein spannender Kontext mit einer großen und heterogenen Studierendenschaft. Relevant ist die Forschung vor allem, weil bestimmte Studierendengruppen, die eher in der Minderheit sind – sogenannte nicht-traditionelle Studierendengruppen (z.B. mit Migrationshintergrund, mit Behinderungen oder chronischen Erkrankungen) – durchschnittlich schlechter abschneiden als andere Studierendengruppen. Hier gibt es also noch Forschungsbedarf.

Außerdem sind im digitalen Kontext der FernUni die folgenden Fragen spannend: Wie verändern sich Bildungsprozesse, wenn man sich nicht persönlich, sondern nur virtuell kennt? Wie relevant sind dann die eigenen Identitäten für den Bildungserfolg? Eine These wäre, dass es völlig egal ist, wer genau im Fernstudium hinter dem Laptop sitzt. Aber ist das wirklich so? Das wollen wir uns in der Nachwuchsgruppe anschauen.

Sandra Kirschbaum:Weil es vielleicht sogar eher zu stärkerer Stereotypisierung kommt, wenn wir nur einen Namen sehen, statt uns persönlich kennen lernen zu können?

Laura Froehlich: Genau. Stereotype sind erstmal funktional. Sie helfen uns, aus Informationen in unserer sozialen Umwelt Sinn zu generieren. Wenn du jetzt in einen Fahrstuhl einsteigst und es stehen schon Leute drinnen, dann willst du ganz schnell, innerhalb weniger Millisekunden, beurteilen, was für Leute das sind und ob sie dir z.B. gefährlich werden können. Für dieses Urteil sind dann die Gruppenzugehörigkeiten und damit verbundenen Stereotype wichtig: Welches Geschlecht haben die anderen Personen im Fahrstuhl, welches Alter, welche Kleidung tragen sie? Das heißt: Vor allem wenn man nicht so viel über andere Leute weiß, sind Stereotype einflussreich. Wenn ich in der Präsenzlehre mit anderen Studierenden zusammen bin, wir auch mal einen Kaffee trinken gehen oder auch nur bei der Gruppenarbeit in der Pause über andere Dinge sprechen, erfahre ich natürlich einiges über sie und nehme die Personen dadurch auch mehr als Individuen wahr. Die sozialpsychologische Forschung legt aber nahe, dass Stereotype in Online-Situationen eine besonders starke Rolle für die Beurteilungsprozesse spielen, weil man so wenig über die anderen Personen weiß. Kennt man nur den Namen, das Profilbild und eventuell einen kleinen Videoausschnitt bei Zoom von den Mitstudierenden, dann bleiben einem häufig nur Stereotype über die sozialen Gruppen, um die Mitstudierenden einzuschätzen. Diese Informationen über die Gruppenzugehörigkeiten stehen dann besonders im Vordergrund und haben Konsequenzen für das gemeinsame Lernen.

Sandra Kirschbaum:Wo steht ihr denn gerade mit eurer Arbeit in der Nachwuchsgruppe?

Laura Froehlich: Wir haben damit angefangen einen Status Quo zu beschreiben, wie eigentlich die Lage für verschiedene Studierendengruppen an der FernUni ist. Wir schauen uns unter anderem an, welche Gruppen negativ stereotypisiert werden. Zum einen wurde das noch nicht in Bezug auf Studierendengruppen allgemein untersucht und zum anderen gibt es speziell an der FernUniversität natürlich auch einige Gruppen, die an vielen Präsenzuniversitäten nicht so zahlreich vertreten sind, beispielweise Menschen mit einer chronischen Erkrankung. Und, wie schon erwähnt, liegt ein Fokus auch auf dem Migrationshintergrund. Aktuell geht es erstmal um die soziale Wahrnehmung der Studierendengruppen. Da ist die Frage: Was nimmt man über andere wahr? Eine darauf aufbauende weitere Perspektive ist: Was ist, wenn man selbst von negativen Stereotypen betroffen ist? Hier fragen wir, inwieweit man sich mit einer stereotypen Wahrnehmung der eigenen Gruppe wohlfühlen kann, wenn sie negativ ist oder man selbst den Eindruck hat, dass sie negativ ist. Hier wird es spannend, wenn wir darauf schauen, ob und wie sich das zum Beispiel auf die Leistung im Fernstudium oder auch auf die sozialen Beziehungen mit anderen Studierenden in virtuellen Lerngruppen auswirkt.

Sandra Kirschbaum: Was wäre denn das Ziel, wenn sich negative Wahrnehmungen und Auswirkungen herauskristallisieren?

Laura Froehlich: Perspektivisch ist immer die Frage: Was kann man machen, um den Einfluss der Stereotype zu reduzieren? Hier wollen wir stärker in Richtung Intervention kommen. Im digitalen Kontext kann man Interventionen passend zuschneiden, wo sie wirklich gebraucht werden. Eine spannende Zukunftsaussicht ist, dass man Interventionen adaptiv nur denjenigen darbietet, die sie wirklich brauchen oder davon profitieren würden.

Sandra Kirschbaum: Apropos Zukunftsaussicht:Was wünscht du dir als Ergebnis deiner Arbeit in der Nachwuchsgruppe?

Laura Froehlich: Auf jeden Fall mehr Wissen darüber, welche Studierenden stärkere Unterstützung brauchen. Denn letztendliches Ziel ist es, Leistungsunterschiede zwischen unterschiedlichen Studierendengruppen zu reduzieren, damit alle Studierendengruppen ihr Potential bestmöglich ausschöpfen können.

Außerdem würde ich mir wünschen, dass wir mehr darüber wissen, wie und ob Stereotypisierung dazu beiträgt, dass sich bestimmte Studierendengruppen weniger zugehörig an der Universität fühlen oder eine weniger gute Passung von sich zum akademischen Kontext wahrnehmen. Dass wir hier erste erfolgreiche Interventionen erprobt haben, um diese negativen Folgen der Stereotype zu reduzieren, wäre mein Wunschziel. Letztendlich arbeiten wir darauf hin, Tools für Interventionen zu entwickeln, die man auch anderen Modulen oder anderen Fakultäten zur Anwendung anbieten kann. Eigentlich sind solche Interventionen nicht unbedingt besonders aufwändig. Es reicht manchmal schon, dass man zu Anfang des Semesters eine kurze Reflexions- und Schreibaufgabe mit den Studierenden macht. Studien haben bereits gezeigt, dass schon solch einfache Interventionen nachhaltige positive Effekte für den Bildungserfolg von negativ stereotypisierten Studierenden erzielen können.

Früherkennung von Straftaten

Die polizeiliche Kriminalstatistik zeigt in den vergangenen Jahren einen deutlichen Anstieg von Straftaten mit Internetbezug. Um hier künftig effektiver eingreifen zu können, wird eine Technologie benötigt, die strafrechtlich relevante Hasskommentare erkennt. Sie soll den Ermittlern des Bundeskriminalamts (BKA) helfen, Straftaten im Netz besser verfolgen zu können. Die Koordination übernimmt die Zentrale Stelle für Informationstechnik im Sicherheitsbereich (ZITiS). Zahlreiche Projektpartner arbeiten an dem Vorhaben, wie auch die FernUniversität in Hagen. Gemeinsam mit dem Projektmitarbeiter Marius Hamacher ist Prof. Zesch dafür verantwortlich, mit Methoden der künstlichen Intelligenz strafbare von nicht strafbaren Inhalten zu unterscheiden.

Hier geht es zur vollständigen Meldung.

Insgesamt 15 Beiträge finden sich in dem Heft. Alle sind im sogenannten Shepherding-Verfahren erstellt worden. Das heißt, jeder Autor und jede Autorin hatten Mentor*innen an ihrer Seite, die den Beitrag komplett begleiteten. Auf diese Weise haben vor allem die Nachwuchswissenschaftler*innen für künftige Publikationen profitieren können, denn sie haben einen kompletten Veröffentlichungs-Prozess unter erfahrener Anleitung durchlaufen. Der letzte Beitrag beschäftigt sich als Spezialbeitrag genau mit diesem Verfahren. Hier gibt es auch eine Checkliste, an der sich künftige JFMHler orientieren können.

Neben den wissenschaftlichen Beiträgen und Keynotes von der Veranstaltung, haben auch Friedrich Hesse, Wissenschaftlicher Direktor CATALPA, sowie Stephanie Steimann, Administrative Leiterin CATALPA, einen Kommentar verfasst. Er stellt CATALPA (damals D²L²) vor und geht genauer auf die interdisziplinäre Arbeitsweise ein.

Neugierig geworden? Dann finden Sie hier den kompletten Sammelband.

Nachdem die Rektorin Ada Pellert und der Wissenschaftliche Direktor von CATALPA Friedrich Hesse einen allgemeinen Überblick über das Forschungszentrum und seine Einbettung in die FernUni gaben, ging es in die Projekte:

• Niels Seidel stellte die Arbeit von APLE II vor. Ziel von APLE II ist die Untersuchung der Gestaltung und Nutzung einer adaptiven personalisierten Lernumgebung.
• Jörg Haake präsentierte das Projekt LA-DIVA, im Rahmen dessen die CATALPA-Wissenschaftler auf das das Potenzial von Learning Analytics zur Unterstützung des Adaptiven Lernens im Fernstudium unter besonderer Berücksichtigung der Diversität der Lernenden schauen.
• Claudia de Witt und Lars van Rijn, erklärten, welche Forschungsfragen AI.EDU zu beantworten versucht. Erforscht werden im Kooperationsprojekt mit dem Deutschen Forschungszentrums für Künstliche Intelligenz Methoden und Anwendungen der Künstlichen Intelligenz in Studium, Lehre und Weiterbildung.
• Melissa Laufer und Bronwen Deacon vom Alexander von Humboldt Institut für Internet und Gesellschaft gaben Einblicke in das Kooperationsprojekt OrA, das sich damit beschäftigt, wie Lehr- und Lerninnovationen an Hochschulen erfolgreich adaptiert werden können.

Vom Beirat erhielten die Leiter/innen und Teams der Projekte wichtige Impulse. Und auch, wenn alle Beteiligten gerne direkt viel tiefer in die Materie eingestiegen wären und bestimmt noch Stunden hätten diskutieren können, so diente die Beiratssitzung zunächst für einen ersten Überblick. Für ein inhaltlich tiefgreifendes Sparring mit anschließenden Berichten zur Qualitätssicherung wurden den einzelnen Projekten Beiratsmitglieder zugeordnet. Einzeln werden diese Gruppen noch einmal ganz genau hinschauen und hinterfragen, um so zu fundierten wissenschaftlichen Aussagen für Digitalisierung, Diversität und Lebenslanges Lernen zu gelangen. In der nächsten Beiratsrunde sind dann die CATALPA-Projekte auf dem Plan, die bis dahin noch nicht begutachtet wurden.

Solche Eigenschaften seinen etwa: "die Fähigkeit zur Selbstregulation, Konzentration oder die Selbstwirksamkeitserwartung und in Bezug auf die Lernsituation das Angebot von guten Rückmeldungen oder passenden Lernmaterialien." Zum Beispiel könne eine Unterstützung der Selbstregulation Studenten helfen, ihre Aufgaben rechtzeitig anzugehen, statt sie so lange aufzuschieben, bis in einer Nacht-und-Nebel-Aktion alles auf einmal zu erledigen ist. "Genauso könnte eine zu hohe oder geringe Selbstwirksamkeitserwartung zu einer Unter- oder Überschätzung der eigenen Fähigkeiten führen. Eine Person mit zu geringer Selbstwirksamkeitserwartung würde eine angemessene Aufgabe oder Lernanforderung meiden, weil sie glaubt, es sowieso nicht zu schaffen, oder, im umgekehrten Fall, aufgrund von Selbstüberschätzung sich den Stoff nicht mehr anschauen. Das Ziel in diesem Fall ist es, Lerner mithilfe von digitalen Rückmeldungen zu unterstützen, sich realistischer selbst einzuschätzen." (Quelle FAZ, Ausgabe vom 12.05.2022)

Lesen Sie hier den ganzen Beitrag

Eine besondere Forschungsprofessur

Das Forschungszentrum ist die bislang einzige zentrale wissenschaftliche Einrichtung an der FernUniversität in Hagen. Die Professur von Torsten Zesch ist die erste von CATALPA und hat ihren Schwerpunkt in der Forschung. „Ich habe sozusagen eine Doppelrolle, da ich zwar vorrangig als Wissenschaftler am Schwerpunkt arbeite, aber nicht zuletzt über die Lehre auch in der Fakultät tätig bin“, erklärt Zesch. Als er die Stelle an der FernUni entdeckte, dachte er sofort, dass diese gut zu seinen Fachbereichen passt und dass er sich bewerben muss. „Den Berufungsprozess haben wir dann in Rekordzeit durchgeführt“, lacht der Professor.

Weiter zur kompletten Meldung

Thus, this workshop included six submissions in the domain of LA with emphasize on the impact of outliers on dropout prediction [1], students’ perceptions of algorithms regarding grading [3], students’ control over data collection [4], the application of the FAIR principles for data management to learning analytics [6], and the identification of indicators of group learning in collaborative software development [4,5]. Furthermore, Professor Ryan Baker from University of Pennsylvania will hold a keynote on “Algorithmic Bias in Education”.

During the paper discussions held in the morning it became clear how much impact the rationale for collecting data for LA has on users (cf. [3]). If collected data are used for anonymized analysis, this has a very different impact on perceptions of privacy and fairness than if the data are also used to assign grades. In the debate about fairness and satisfaction around grading (cf. [2]), there was also an appeal to see greater opportunities in LA applications. Even the subjective grading of teachers is not without its faults, but it seems that researchers in the LA field nevertheless have a particularly cautious view of LA applications, even though they can achieve a lot.

Furthermore, two paper presentations considered collaboration in software development teams presenting different measures for monitoring group activity and progress using data from GitLab and GitHub (cf. [4] and [5]). In order to provide formative feedback to the learner and to achieve an equal participation in the learning process teachers require support for a wide range of didactic group scenarios and collaborative programming tasks. An open question is the standardization of data formats and sharing of data sets to study group collaboration in small and large software development teams.

In addition to the paper presentations, participants debated in small working groups on given statements and questions related to underrepresented groups of students, their identification and treatment with the help of LA methods. The participants argued that most of the external diversity characteristics can hardly be captured or represented as data. Many characteristics do not become apparent in every-day online and face-to-face interactions. Besides, it is obvious that certain student benefit less from LA tools because their access to digital learning is impaired. From this discussions further research direction particularly for higher education in Germany have been collected in shared workspaces.

Ryan Baker (University of Pennsylvania) showed in his keynote that fairness and equity can only be driven if one also knows which subgroups are affected by discrimination. He presented examples from literature in which models worked less well for subgroups than for groups with whose data they were trained or tested. He said that there has been no research on algorithmic bias using data from European educational institutions. Apart from this, the research on discrimination in LA mainly focuses on gender and ethnic discrimination, but there are many groups that have not been studied at all. Here he gives the examples of non-binary people, transgender people, international students, language dialects, different educational backgrounds of parents or people with disabilities. In order to move from this unknown bias to known bias, he suggests tackling two main obstacles: lack of data on group membership and the lack of transparency on bias and group-specific outcomes. The lack of data on group membership often results from privacy concerns and legal restrictions. While the students’ privacy should be well taken care of, Baker suggests balancing the right to privacy by the right not to be discriminated against. He concludes that much more data and information should be available on the students’ demographic in order to avoid unconscious discrimination. The subsequent discussion showed here that the transferability of his idea in Europe is only partly realistic, as the differences in the education system and in the handling of personal data are great. The second obstacle, lack of transparency on bias and group-specific outcome should be tackled by defining standards for demonstrating effectiveness, for example in algorithmic bias reviews.

Paper contributions:

[1] Daria Novoseltseva, Kerstin Wagner, Agathe Merceron, Petra Sauer, Nadine Jessel, and Florence Sedes: Investigating the Impact of Outliers on Dropout Prediction in Higher Education

[2] Linda Mai, Alina Köchling, Lynn Schmodde, and Marius Wehner: Teacher vs. Algorithm: Learners’ Fairness Perception of Learning Analytics Algorithms

[3] Philipp Krieter, Michael Viertel, and Andreas Breiter: Supporting Students’ Privacy: How Does Learner Control over Their Data Affect the Dataset for Learning Analytics?

[4] Benjamin Weiher, Niels Seidel, Marc Burchart, and Dirk Veiel: Indicators of group learning in collaborative software development teams

[5] Maximilian Karl and Niels Pinkwart: Using GitHub data to analyse student’s teamwork in a programming course to prevent discrimination

[6] Ian Wolff, David Broneske, and Veit Köppen: FAIR Research Data Management for Learning Analytics

Schwerpunkt

Der diesjährige Schwerpunkt der Fachtagung war die Berücksichtigung von Diversität in der Lehre. Viele Vorträge wie auch die Key Notes widmeten sich diesem Thema, das sich insbesondere in den Ausprägungen der Studierenden und der Informatiklehre ausmacht. Auch die Rektorin der FernUniversität in Hagen sprach in ihrem Grußwort von der Bedeutung der angesprochenen Thematik, die auch im Forschungsschwerpunkt der Universität D²L² „Digitalisierung, Diversität und Lebenslanges Lernen. Konsequenzen für die Hochschulbildung” adressiert wird.

Heterogenität

Mit drei von vier Beiträgen bildeten die Veröffentlichungen aus dem D²L²-Projekt „Durchlässigkeit zwischen beruflicher Ausbildung und Bachelorstudium – vom Fachinformatiker zum Bachelor Informatik durch adaptierte Studiengestaltung“ der FernUniversität in Hagen das Gerüst zum Themenblock „Heterogenität“. An dieser Stelle wurden Maßnahmen zur Anerkennung vorhandener Kompetenzen als Reaktion auf vorliegende Diversität aufgezeigt.

Studienverkürzung durch Anerkennung von Kompetenzen. Eine Interviewstudie über Vorqualifikationen von Informatikstudierenden

Im eröffnenden Beitrag der Autoren Carsten Thorbrügge, Prof. Dr. Jörg Desel und Dr. Len Ole Schäfer wurde zunächst das Projekt Durchlässigkeit präsentiert und dann eine Interviewstudie über vorhandene Kompetenzen von Informatikstudierenden, die über eine Ausbildung als Fachinformatiker/in verfügen, vorgestellt. In diesen Interviews gaben Informatikstudierende eine Reflexion über ihre fachlichen und überfachlichen Kompetenzen in verschiedenen Bereichen der Informatik wieder. Fachinformatiker/innen der Fachrichtung Anwendungsentwicklung betonten dabei ihre Programmierkenntnisse, Fachinformatiker/innen der Fachrichtung Systemintegration ihr Netzwerkwissen. Die gewonnenen Erkenntnisse konnten so für die praktische Umsetzung von Anerkennung in Form der pauschalen Anerkennung für berufsausgebildeten Personengruppen wie die der Fachinformatiker/innen sowie der individuellen Anerkennung für Berufserfahrene genutzt werden. Ebenso profitierte die innovative Maßnahme der adaptierten Lernwege von den erzielten Ergebnissen, um das Lernmaterial nur noch auf unbekannte Lerninhalte konzentrieren zu können.

Adaption von Lernwegen in adaptierten Lehrmaterialien für Studierende mit Berufsausbildungsabschluss

In diesem Beitrag von Dr. Simone Opel, Cajus Marian Netzer und Prof. Dr. Jörg Desel wurde ein neuer Ansatz zur Würdigung von mitgebrachten Kompetenzen vorgestellt, der neben
formellen Anerkennungen eine weitere Variante darstellt. Speziell für die Zielgruppe der Studierenden mit Vorkenntnissen wurde ein adaptiertes Lehr-Lernmaterial entwickelt, das es erlaubt, genau die jeweils noch fehlenden Kompetenzen zu erwerben. Die Konstruktion dieses Lehr-Lernmaterials sowie der resultierende verkürzte Lernweg wurde anhand des Kurses „Datenbanken“ für die Studierenden mit einer abgeschlossenen Ausbildung zum Fachinformatiker / zur Fachinformatikerin erläutert.

Individuelle Anrechnung außerhochschulisch erworbener Kompetenzen am Beispiel eines informatischen Studiengangs

Auch die im nächsten Beitrag von Hoai Nam Huynh, Prof. Dr. Uwe Elsholz und Dr. Simone Opel thematisierte Anerkennungsoption bietet individuellere und kürzere Studienverläufe an, die sich an die jeweiligen Bildungsbiografien anpassen. Anhand eines Beispiels wurde gezeigt, wie das individuelle Anrechnungsverfahren entwickelt wurde und im Studiengang der Informatik umgesetzt werden kann. Kern sind dabei die Kompetenzerfassungen mithilfe eines Portfolios. Eingebettet wurde das Verfahren in einen bildungswissenschaftlichen und bildungspolitischen Kontext.

Vermittlung von Inhalten

Ein weiterer Beitrag der FernUniversität in Hagen beschäftigte sich mit der Vermittlung von Inhalten durch Trennung von algorithmischem Denken und Programmieren.

Separating Algorithmic Thinking and Programming

Der Autor Dr. Maurice Chandoo präsentierte einen Ansatz zum Unterrichten von algorithmischem Denken und Programmieren und schilderte erste praktische Erfahrungen damit. Die Grundidee besteht darin, algorithmische Probleme als Spiele zu präsentieren. Eine Gewinnstrategie für solch ein Spiel entspricht dabei einem Algorithmus zur Lösung des Problems. Dadurch soll demonstriert werden, dass insbesondere auch das Entwerfen von Algorithmen, eine Grundlage des algorithmischen Denkens, ohne Zuhilfenahme einer Programmiersprache vermittelt werden kann.

Das Tagungsthema konzentrierte sich darauf, wie sich Digitalisierungs- und Diversifizierungsprozesse im Hochschulkontext gegenseitig begünstigen und verstärken. Die Teilnehmenden kamen aus unterschiedlichen Disziplinen, was dem interdisziplinären Gedanken des JFMH entspricht: Erziehungswissenschaften, Informatik, Didaktik der Informatik, Psychologie, Medienpädagogik, Soziologie. Sie stellten Vorhaben aus unterschiedlichen Bildungsbereichen vor und nahmen zum einen verschiedene Ebenen von Diversität – individuell, interpersonal und institutionell – in den Blick. Zum anderen wurde diskutiert, wie Digitalisierung dazu beitragen kann, diese Diversitätsmerkmale in der Hochschulbildung zu berücksichtigen.

Herausforderungen für Bildungseinrichtungen

„Gesellschaftliche Veränderungen wie die Digitalisierung der Bildung, der demografische Wandel, steigende berufliche Anforderungen oder die zunehmende Bedeutung von lebenslangem Lernen stellen neue Herausforderungen an Bildungseinrichtungen“, so Len-Ole Schäfer. „Technologische Entwicklungen bringen nicht nur neue Herausforderungen für den Bildungsbereich mit sich. Sie haben auch das Potenzial, zur Lösung der entstehenden Aufgaben beizutragen.“

Unter dem Begriff der Diversität lassen sich die meisten dieser Anforderungen fassen, berücksichtigt man – statt der häufig fokussierten demografischen Unterschiede wie etwa das Geschlecht – die wachsende Vielfalt durch etwa: individuelles Vorwissen, Unterschiede aufgrund von Behinderungen und Beeinträchtigungen, unterschiedliche Bildungsbiografien, verschiedene Fähigkeiten der Selbstregulation.

Erfahrung trifft Nachwuchs

An der Tagung nahmen auch viele erfahrene Wissenschaftler:innen teil, die häufig selbst an frühen JFMH-Tagungen beteiligt waren. Diese Zusammenkunft verschiedener Stadien in der Wissenschaft und die unterschiedlichen Formen des wissenschaftlichen Austausches ermöglichten auch 2021 eine den Fachdiskurs überschreitende Atmosphäre.

Ein zentrales Ziel der Tagung ist, dass junge Wissenschaftler:innen die Möglichkeit haben in einem geschützten Rahmen ihre Forschungsideen oder erste Projektergebnisse zu präsentieren, zu diskutieren und Feedback sowie Input zu fachübergreifenden Themen zu bekommen. Dazu hatte das Organisationsteam Themenworkshops initiiert, etwa zum Thema Impostor-Syndrom. Dahinter verbirgt sich das sogenannte Hochstapler-Syndrom: ein psychologisches Phänomen, bei dem Betroffene ihre Erfolge nicht ihren eigenen Fähigkeiten oder Leistungen zuschreiben, sondern denken ihren Erfolg durch Glück oder Zufall erschlichen zu haben. Ein weiterer Workshop beschäftigte sich damit, wie sich Diversität in der Wissenschaft erkennen lässt, Privilegien hinterfragt und Ungleichbehandlungen vermieden werden können.

Interdisziplinäre Keynotes

Auch an den Keynotes der Tagung ließ sich die Interdisziplinarität ablesen: Der Informatiker Prof. Dr. Niels Pinkwart vom Deutschen Forschungszentrum für Künstliche Intelligenz berichtete, wie Digitalisierung in der Hochschulbildung unter besonderer Berücksichtigung von Diversität eingesetzt werden kann und welche Rolle Verfahren der Künstlichen Intelligenz hierbei spielen können.

Aus dem Bereich der Hochschulentwicklung präsentierten Dr. Nicole Auferkorte-Michaelis von der Universität Duisburg-Essen und Prof. Dr. Frank Linde von der Uni Köln ihr Konzept der potenziell relevanten Diversität und die zentralen Handlungsfelder des Diversity-Managements.

In ihrer Nachwuchskeynote gab Birte Heidkamp-Kergel von der Hochschule Rhein-Waal aus medienpädagogischer Perspektive einen historischen Überblick über die Entwicklung einer diversitätssensiblen Haltung und die Entwicklung einer frühen Internetkultur. Darauf aufbauend stellte sie ein Kompetenzmodell für einen diversitätssensiblen Einsatz digitaler Medien in Bildungskontexten vor.

Innovative Konzepte im Einsatz

Wichtig war es für die Veranstalter:innen vor allem, die Nachwuchsförderung zu betonen. Als Indikator führen sie an, wie mit den Beiträgen für die Publikation im Tagungsband umgegangen wird. „Wir verwenden einen sogenannten Shepherding-Prozess, bei dem die Beitragenden bis zur Veröffentlichung von einer erfahrenen Mentorin oder einem erfahrenen Mentor begleitet werden.“ Auch das Tool Etherpad diente dazu, sich – wie in einer Plenumsdiskussion in Präsenz – auf wissenschaftlicher Augenhöhe auszutauschen.

D²L²-Projekte, die im Rahmen der Tagung vorgestellt wurden:

• Clara Schumacher (Post Doc an der HU Berlin, beteiligt am D²L² Projekt „LA DIVA“): Ziel des Projektes ist es, das Potenzial von Learning Analytics zur Unterstützung des Adaptiven Lernens im Fernstudium unter besonderer Berücksichtigung der Diversität der Lernenden zu untersuchen. Dazu wird dieses Potenzial etwa unter dem Aspekt analysiert: Möglichkeiten der Unterstützung der dynamischen Bildung von Lerngruppen sowie der adaptiven Unterstützung von diversen Lerngruppen auf Basis von individuellen Profilen, Gruppenprofilen und Interaktionsdaten. Die Bildung von Arbeits- und Lerngruppen findet entweder durch Selbstauswahl, zufällige Zuteilung oder kontrollierte Zuteilung statt.
  
  Insbesondere die kontrollierte Zuteilung, welche verschiedene Charakteristika von Lernenden berücksichtigt, ist komplex. Technische und algorithmischen Unterstützung sind daher ein Ansatz, um Lehrende insbesondere in virtuellen Settings zu unterstützen. Das Projekt LA-DIVA zielt darauf ab, heterogene Studierende durch algorithmische Gruppenformationen zu unterstützen und somit ihre Lernprozesse und -ergebnisse zu optimieren. In der vorgestellten Vorstudie wurde der Ansatz in einem kleinen Kurs untersucht. Die Ergebnisse zeigen eine eher positive Wahrnehmung der Lernenden hinsichtlich des Ansatzes sowie der Passung der gebildeten Gruppen für die Projektaufgabe. Lernende wünschen mehr Einblicke in die Funktionsweise des Algorithmus und es zeigten sich keine Unterschiede hinsichtlich der Performanz zwischen algorithmisch und randomisiert zugeteilten Gruppen.

• Marc Burchart (Doktorand an der FernUniversität in Hagen, beteiligt am D²L² Projekt „LA DIVA“): In seiner Dissertation befasst sich Marc Burchart mit der adaptiven Unterstützung von Lerngruppen im Bereich des kollaborativen Schreibens, mittels eines selbst entwickelten Software-Agenten. Ziel ist es, automatisiert Probleme bei den jeweiligen Studierenden und innerhalb der Gruppe zu erkennen, geeignete Reaktionen herbeizuführen und softwaregesteuert einzugreifen. Die Reaktionen können dabei beispielsweise von einer Steigerung der gegenseitigen Wahrnehmung, über das Erteilen von Hinweisen, bis hin zu Maßnahmen wie der Auflösung dysfunktionaler Gruppen reichen.

• Regina Kasakowski (Doktorandin an der FernUniversität in Hagen, beteiligt am D²L²-Projekt „APLE“): Hauptziel des Vorhabens ist die Untersuchung der Gestaltung und Nutzung einer adaptiven personalisierten Lernumgebung (Adaptive Personalized Learning Environment, APLE), die im (Fern-)Studium sowohl den persönlichen Lernerfolg in Bezug auf Domänenkompetenz als auch die persönliche Selbstregulationskompetenz der Studierenden verbessern soll. Rückmeldungen und Lösungshinweise gehören vor allem bei der Aufgabenbearbeitung zu den essentiell wichtigen Funktionen in einer Lernunterstützungssoftware.
  
  Jedoch hat nicht jede Rückmeldung für jeden Lernenden den gleichen Effekt auf die Lernwirksamkeit. Zudem sind die bereitgestellten automatisierten Rückmeldungen eher statisch und unilateral beziehungsweise einseitig. Lernende sind auf sich allein gestellt und fordern, wenn sie überhaupt über derartige Möglichkeiten verfügen, nur in den seltensten Fällen zusätzliches Feedback ein. Das rating-basierte Feedbacksystem soll daher in der Lage sein, in einer skalierbaren Art und Weise geeignetes individuelles Feedback anhand der Bewertung von Lernenden (Ratings) und ihren Diversitätsmerkmalen automatisiert vorzuschlagen und Lernenden eine erleichterte Möglichkeit zu bieten mit der Community of Learning in Kontakt zu treten. Das vorgeschlagene adaptive Feedbacksystem stellt eine neuartige Bildungstechnologie dar, die sowohl die Generierung von wirksamem Feedback vereinfachen soll, als auch die Wirkung des Feedbacks für den individuellen Studierenden erhöhen kann.

Zur Tagungshomepage