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.

  • Dr. Niels Seidel

    • Regina Kasakowskij (wissenschaftliche Mitarbeiterin)
    • Dennis Menze (wissenschaftlicher Mitarbeiter)
    • Slavisa Radovic, PhD (wissenschaftlicher Mitarbeiter)
    • Chiara Sandführ (studentische Hilfskraft)
  • 09/2021 – 08/2024

  • Refereed publication

    • Menze, D., Seidel, N., & Kasakowskij, R. (2022). Interaction of reading and assessment behavior. In P. A. Henning, M. Striewe, & M. Wölfel (Eds.), DELFI 2022 – Die 21. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V. (p. in press). Gesellschaft für Informatik.
    • Kasakowskij, R., Kasakowskij, T., & Seidel, N. (2022). Generation of Multiple True False Questions. In P. A. Henning, M. Striewe, & M. Wölfel (Eds.), DELFI 2022 – Die 21. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V. (p. in press). Gesellschaft für Informatik.
    • Seidel, N. (2022). Mapping course text to hyperaudio. In P. A. Henning, M. Striewe, & M. Wölfel (Eds.), DELFI 2022 – Die 21. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V. (p. in press). Gesellschaft für Informatik.
    • Kasakowskij, R. (2022, in press). Auswahl und Generierung von passenden Feedbacks auf Basis eines Feedback Rating System Frameworks. MedienPädagogik: Zeitschrift für Theorie Und Praxis Der Medienbildung.
    • Seidel, N., Karolyi, H., Burchart, M., de Witt, C. (2022). Approaching Adaptive Support for Self-regulated Learning. In: Guralnick, D., Auer, M.E., Poce, A. (eds) Innovations in Learning and Technology for the Workplace and Higher Education. TLIC 2021. Lecture Notes in Networks and Systems, vol 349. Springer, Cham. https://doi.org/10.1007/978-3-030-90677-1_39
    • Haake, J. M., Seidel, N., Burchart, M., Karolyi, H., & Kasakowskij, R. (2021). Accuracy of self-assessments in higher education. In DELFI 2021 – Die 19. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V. (p. 97–108). Bonn. Abgerufen von https://dl.gi.de/handle/20.500.12116/36995
    • 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
    • Seidel, N., Rieger, M. C., & Walle, A. (2020). Semantic Textual Similarity of Course Materials at a Distance-Learning University. In Educational Data Mining in Computer Science. http://ceur-ws.org/Vol-2734/paper6.pdf
    • 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 (Eds.), DELFI 2020 – Die 18. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V. (p. 145–150). Bonn: Gesellschaft für Informatik. https://dl.gi.de/handle/20.500.12116/34152
    • Seidel, N. (2020). Video segmentation as an example for elaborating design patterns through empirical studies. In Proceedings of the Online European Conference on Pattern Languages of Programs (p. 1–15). Irsee: ACM. https://dl.acm.org/doi/10.1145/3424771.3424778
    • Rieger, M. C., & Seidel, N. (2019). Semantic Textual Similarity von textuellen Lernmaterialien. In N. Pinkwart & J. Konert (Eds.), Die 17. Fachtagung Bildungstechnologien, Lecture Notes in Informatics (LNI) (p. 33–44). Bonn: Gesellschaft für Informatik. https://dl.gi.de/handle/20.500.12116/24417
    • de Witt, C. & Karolyi, H. (2019). Adaptivität im Hochschulstudium. Konzeptionelle Überlegungen zur digitalisierten Unterstützung von selbstreguliertem Lernen. In MEDIENPRODUKTION – Online Zeitschrift für Wissenschaft und Praxis, (13), p. 2–9. http://www5.tu-ilmenau.de/zeitschrift-medienproduktion/index.php/category/ausgabe-13/

    Other publications

    • Menze, D., Seidel, N. (2022). Reading and scroll behavior in a distance learning course. https://anonymous.4open.science/r/A0F145/
    • Steinkohl, K., Burchart, M., Seidel, N., Kasakowskij, R., Haake, J. M. (2021). SelfAssess - A Moodle-Plugin for self assessment and self evaluation. https://github.com/D2L2/qtype_selfassess
    • Haake, J. M., Ma, L., & Seidel, N. (2021). Self-Assessment Questions - Operating Systems and Computer Networks. https://doi.org/10.5281/zenodo.5021350, 2021
    • Seidel, N., & Schumacher, C. (2022). Workshop Learning Analytics - Intertwining Learning Analytics and Adaptive Learning. In M. Mandausch (Ed.) Proceedings of DELFI Workshops 2022 (p. in press). Karlsruhe.
    • Schumacher, C., Seidel, N., & Rzepka, N. (2021). Workshop Learning Analytics - Considering student diversity with regard to assessment data and discrimination. In A. Lingnau (Eds.) Proceedings of DELFI Workshops 2021 (p. 113–119). Dortmund.

    Datensätze

    Software


APLE 09/2018 – 08/2021

mehr Infos

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

Technische Projektleitung

Dr. Niels Seidel (LG Haake)