Adaptive Personalized Learning Environment (APLE II) to Support Self-Regulation and Domain Competencies in (Distance) Higher Education
APLE II ist ein CATALPA-Projekt.
Wissen, wo die eigenen Schwächen liegen, Lernlücken vorhanden sind und so das Bewusstsein schärfen für den eigenen Lernprozess - APLE (I und II) untersucht, wie eine digitale Plattform Studierende in ihrem Lernerfolg bestmöglich unterstützen kann. Lernende erhalten zum Beispiel Empfehlungen zu ihren nächsten Lernschritten und können ihr Lernverhalten durch Visualisierungen reflektieren.
Projektziele und Forschungsfragen
APLE II baut auf den Ergebnissen im Projektes APLE (sh. Seitenende) auf. Das Hauptziel von APLE II 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.
Aktuelle Technologien aus den Bereichen Learning Analytics, Data Mining und Computerlinguistik werden genutzt, um Lernverhalten zu analysieren und kursbezogene Adaptionen zu realisieren. Innerhalb dieser Adaptionsarchitektur erhalten Lernende Empfehlungen zu relevanten nächsten Lernschritten und können ihr Lernverhalten durch Visualisierungen und personalisierte Prompts reflektieren. Die in APLE II entwickelten und im Feldstudien evaluierten Werkzeuge unterstützen Lernende bei der Planung von Lernaufgaben, dem Lesen umfangreicher Kurstexte und adaptiven (Self-)Assessments.
-
-
- Regina Kasakowskij (wissenschaftliche Mitarbeiterin)
- Dennis Menze (wissenschaftlicher Mitarbeiter)
- Slavisa Radovic, PhD (wissenschaftlicher Mitarbeiter)
- N.N. (studentische Hilfskraft)
-
09/2021 – 08/2024
-
2023
Konferenzbeiträge
- Kasakowskij, R., Haake, J. M., & Seidel, N. (2023). Self-Assessment Task Processing Behavior of Students in Higher Education. Proceedings of the 16th International Conference on Educational Data Mining, 334–341. https://doi.org/10.5281/zenodo.8115707
- Seidel, N., Dürhager, R., Goldammer, M., Henze, A., Langenbrink, F., Otto, J., & Stirling, V. (2023). Shared listening experience for hyperaudio textbooks. DELFI 2023 – Die 212 Fachtagung Bildungstec hnologien der Gesellschaft für Informatik e.V., in print.
2022
Konferenzbeiträge
- Menze, D., & Seidel, N. (2022). Support for Reading Comprehension in Digital Course Texts. In M. Mandausch & P. A. Henning (Hrsg.), Workshop Proceedings DELFI 2022 (S. 105–116). https://doi.org/10.18420/delfi2022-ws-21
- Menze, D., Seidel, Ni., & Kasakowskij, R. (2022). Interaction of reading and assessment behavior. In P. A. Henning, M. Striewe, & M. Wölfel (Hrsg.), DELFI 2022 – Die 21. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V. (S. 27–38). Gesellschaft für Informatik. https://doi.org/10.18420/delfi2022-011
- Seidel, N. (2022). Mapping course text to hyperaudio. In P. A. Henning, M. Striewe, & M. Wölfel (Hrsg.), DELFI 2022 – Die 21. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V. (S. 69–74). Gesellschaft für Informatik. https://doi.org/10.18420/delfi2022-015
- Seidel, N., & Menze, D. (2022). Interactions of reading and assessment activities. In S. Sosnovsky, P. Brusilovsky, & A. Lan (Hrsg.), 4th Workshop on Intelligent Textbooks, 2022 (S. 64–76). CEUR-WS. http://ceur-ws.org/Vol-3192/
- Seidel, N., & Schumacher, C. (2022). Workshop Learning Analytics - Intertweening Learning Analytics and Adaptive Learning. In M. Mandausch & P. A. Henning (Hrsg.), Proceedings of the DELFI Workshops 2022 (S. 99–103). Gesellschaft für Informatik e.V. https://doi.org/10.18420/delfi2022-ws-20
Datensätze
- Seidel, N., & Menze, D. (2022). Data and Analysis of Reading and Assessment Activities in Moodle [Data set]. Zenodo. https://doi.org/10.5281/zenodo.7300070
2021
Zeitschriftenartikel
- Seidel, N., Haake, J. M., & Burchart, M. (2021). From Diversity to adaptive Personalization: The Next Generation Learning Management System as Adaptive Learning Environment. eleed, 14(1). http://nbn-resolving.de/urn:nbn:de:0009-5-52421
Konferenzbeiträge
- Haake, J. M., Seidel, N., Burchart, M., Karolyi, H., & Kasakowskij, R. (2021). Accuracy of self-assessments in higher education. DELFI 2021 – Die 19. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V., 97–108. https://dl.gi.de/handle/20.500.12116/36995
- Schumacher, C., Seidel, N., & Rzepka, N. (2021). Workshop Learning Analytics - Considering student diversity with regard to assessment data and discrimination. In A. Lingnau (Hrsg.), Proceedings of the DELFI Workshops (S. 113–119). https://repositorium.hs-ruhrwest.de/frontdoor/deliver/index/docId/733/file/DELFI_2021_WS.pdf
- Seidel, N., Karolyi, H., Burchart, M., & Witt, C. de. (2021). Approaching Adaptive Support for Self-regulated Learning. In D. Guralnick, M. E. Auer, & A. Poce (Hrsg.), Innovations in Learning and Technology for the Workplace and Higher Education (S. 409–424). Springer International Publishing.
Buchbeiträge
- Goram, M., & Veiel, D. (2021a). Ethical Behavior and Legal Regulations in Artificial Intelligence (Part One): Supporting Sovereignty of Users While Using Complex and Intelligent Systems. In S. J. Thompson (Hrsg.), Machine Law, Ethics, and Morality in the Age of Artificial Intelligence (S. 12–26). IGI Global.
- Goram, M., & Veiel, D. (2021b). Ethical Behavior and Legal Regulations in Artificial Intelligence (Part Two): Representation of Law and Ethics in Intelligent Systems. In S. J. Thompson (Hrsg.), Machine Law, Ethics, and Morality in the Age of Artificial Intelligence (S. 27–46). IGI Global.
Datensätze
- Haake, J. M., Ma, L., & Seidel, N. (2021). Self-Assessment Questions - Operating Systems and Computer Networks. https://doi.org/10.5281/zenodo.5021350
2020
Zeitschriftenartikel
- Goram, M., & Veiel, D. (2020). A Context Model for Intelligible Explanations in Adaptive Personalized Learning Environments. International Journal of Information and Education Technology (IJIET), 10(5), 351–355.
Konferenzbeiträge
- Goram, M., & Veiel, D. (2020a). Linking Legal and Domain-specific Requirements in a Context-based Adaptive Personalized Learning Environment. 10th International Symposium on Frontiers in Ambient and Mobile Systems, ANT 2020, 170, 995–1002.
- Goram, M., & Veiel, D. (2020b). Supporting different Roles and Responsibilities in Developing and Using Context-based Adaptive Personalized Collaboration Environments Compliant to the Law. International Conference on Human-Computer Interaction.
- Goram, M., & Veiel, D. (2020c). Towards Traceability of Decision-making in Intelligent Context-based Adaptive System Environments. In S. Rudolph & G. Marreiros (Hrsg.), Proceedings of the 9th European Starting AI Researchers’ Symposium 2020 co-located with 24th European Conference on Artificial Intelligence (ECAI 2020), Santiago Compostela, Spain, August, 2020 (Bd. 2655). CEUR-WS.org.
- Haake, J. M., Seidel, N., Karolyi, H., & Ma, L. (2020). Self-Assessment mit High-Information Feedback. In R. Zender, D. Ifenthaler, T. Leonhardt, & C. Schumacher (Hrsg.), DELFI 2020 – Die 18. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V. (S. 145–150). Gesellschaft für Informatik (GI e.V.). https://dl.gi.de/handle/20.500.12116/34152
- Seidel, N. (2020). Video Segmentation as an Example for Elaborating Design Patterns through Empirical Studies. Proceedings of the European Conference on Pattern Languages of Programs 2020, 15. https://doi.org/10.1145/3424771.3424778
- Seidel, N., Rieger, M. C., & Walle, A. (2020). Semantic Textual Similarity of Course Materials at a Distance-Learning University. In Thomas W. Price, Peter Brusilovsky, Sharon I-Han Hsiao, Ken Koedinger, & Y. Shi (Hrsg.), Proceedings of 4th Educational Data Mining in Computer Science Education (CSEDM)Workshop co-located with the 13th Educational Data Mining Conference (EDM2020), Virtual Event, July 10, 2020. CEUR-WS.org. http://ceur-ws.org/Vol-2734/paper6.pdf
Software
- Steinkohl, K., Haake, J. M., Burchart, M., & Seidel, N. (2020). SelfAssess Question Type Plugin for Moodle. https://github.com/D2L2/qtype_selfassess
2019
Konferenzbeiträge
- Rieger, M. C., & Seidel, N. (2019). Semantic Textual Similarity von textuellen Lernmaterialien. In N. Pinkwart & J. Konert (Hrsg.), Die 17. Fachtagung Bildungstechnologien, Lecture Notes in Informatics (LNI) (S. 33–44). Gesellschaft für Informatik.
- Seidel, N. (2019). Democratic power structures in virtual communities. Proceedings of the 24st European Conference on Pattern Languages of Programs, Article No. 31, 1—–8. https://doi.org/https://doi.org/10.1145/3361149.3361181
APLE 09/2018 – 08/2021
Adaptive Personalized Learning Environment – Eine adaptive personalisierte Lernumgebung zur Unterstützung von Selbstregulations- und Domänenkompetenz im (Fern-)Studium (APLE)
Das Projekt war Teil des Forschungszentrums CATALPA „Center of Advanced Technology Assisted Learning and Predictive Analytics“ der FernUniversität in Hagen.
Es ist ein interdisziplinäres Projekt, gemeinsam durchgeführt von Prof. Dr.-Ing. Jörg M. Haake und Prof. Dr. Claudia de Witt (Projektleitung: Haake, Stv. Projektleitung: de Witt).
Projektlaufzeit: 09/2018 – 08/2021
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. Aktuelle Technologien wie Learning Analytics und Data Mining werden genutzt, um Empfehlungen zu relevanten nächsten Lernschritten und Lernmaterialien zu generieren, Reflexion und Bewusstsein über den eigenen Lernprozess zu befördern, soziales Lernen zu unterstützen sowie die Wahrnehmung des individuellen Lernverhaltens und möglichen Lernschwierigkeiten zu adressieren. Dies soll primär dadurch erreicht werden, indem Visualisierungen von zeitnahem, individuellem Feedback über ein Learning Analytics Dashboard (LAD) und adaptiv eingebundene Prompts präsentiert werden. Durch weitere reflexive Unterstützung soll ein Bewusstsein zum eigenen Lernstand, -fortschritt und -verlauf sowie zu Handlungsmöglichkeiten erreicht werden. Personalisierte Prompts sollen die Umsetzung der Lernpläne unterstützen. Das Projekt kooperiert dabei mit dem Zentrum für Digitalisierung und IT (ZDI) der FernUniversität.
Wissenschaftliche Projektmitarbeiterinnen
- Mandy Goram, M.Sc. (LG Haake, bis 29.02.2020)
- Heike Karolyi, M.A. (LG de Witt)
- Regina Kasakowskij, M.A. (LG Haake)
Technische Projektleitung
Dr. Niels Seidel (LG Haake)