Learning Analytics für Diversity-Inspired Adaptive Learning (LA DIVA)

LA DIVA ist ein CATALPA-Projekt.

Lernende sind individuell, haben unterschiedliche Stärken, stecken in verschiedenen Lebensphasen und brauchen darum, insbesondere im häufig digitalen Fernstudium unterschiedliche Arten von Unterstützung. LA DIVA setzt genau hier an und ermittelt, welches Potenzial Learning Analytics hier hat.


Projektziele und Forschungsfragen

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 anhand dreier Fragestellungen untersucht:

  1. Diversity-Inspired Adaptive Assessment: Möglichkeiten der Adaption der in einer konkreten Lernsituation angebotenen Assessments bzw. Aufgaben in Bezug auf drei Dimensionen: Auswahl von Aufgabenklassen, Parametrisierung/Generierung von Aufgabeninstanzen und adaptive Lösungshinweise und Rückmeldungen.
  2. Diversity-Inspired Adaptive Support for Collaborative Learning: Möglichkeiten der Unterstützung der dynamischen Bildung und ggf. Rekonfiguration von Lerngruppen sowie der adaptiven Unterstützung von diversen Lerngruppen auf Basis von individuellen Profilen, Gruppenprofilen und Interaktionsdaten.
  3. Emergence of Student Profiles: Sammlung und Analyse von Studierendendaten als Grundlage für eine langfristige Untersuchung, ob und ggf. wie sich die Diversität der Studierendenschaft hinsichtlich der lernrelevanten Parameter im Laufe der Zeit ändert.
  • Prof. Dr. Jörg Haake (FeU) und Prof. Dr. Niels Pinkwart (HU, DFKI und Visiting Professor bei CATALPA) - s. auch Kooperationen.

  • 01. April 2020 bis 31. Dezember 2024

  • 2022

    Zeitschriftenartikel

    • Burchart, M. (2022). Auf dem Weg zur skalierbaren Unterstützung des kollaborativen Schreibens in hochdiversen Fernlerngruppen. MedienPädagogik: Zeitschrift für Theorie und Praxis der Medienbildung, 48(Digitalisierung als Katalysator), 135–154. https://doi.org/10.21240/mpaed/48/2022.06.12.X
    • Kasakowskij, R. (2022). Auswahl und Generierung von passenden Feedbacks auf Basis eines Feedback-Rating-System-Frameworks. MedienPädagogik: Zeitschrift für Theorie und Praxis der Medienbildung, 48(Digitalisierung als Katalysator), 155–169. https://doi.org/10.21240/mpaed/48/2022.06.13.X
    • Kuzilek, J., Zdrahal, Z., Vaclavek, J., Fuglik, V., Skocilas, J., & Wolff, A. (2022). First-Year Engineering Students’ Strategies for Taking Exams. International Journal of Artificial Intelligence in Education, 1–26.

    Konferenzbeiträge

    • Diesner-Mayer, T., & Seidel, N. (2022). Supporting gender-neutral writing in German. Proceedings of the Conference on Mensch und Computer, (im Druck). https://doi.org/10.1145/3543758.3547566
    • Kasakowskij, R., Kasakowskij, T., & Seidel, N. (2022). Generation of Multiple True False Questions. In P. A. Henning, M. Striewe, & M. Wölfel (Hrsg.), DELFI 2021 – Die 20. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V. (S. 147–152). Gesellschaft für Informatik. https://doi.org/10.18420/delfi2022-026
    • Schumacher, C., & Kuzilek, J. (2022). How do students perceive algorithmic grouping in higher education? Companion Proceedings of the LAK2022, 48.
    • Seidel, N. (2022). Modeling study duration considering course enrollments and student diversity. Proceedings of The 15th International Conference on Educational Data Mining (EDM 2022), 621–628. https://doi.org/10.5281/zenodo.6852956

    Datensätze

    Software

    2021

    Konferenzbeiträge

    • Schumacher, C., & Kuzilek, J. (2021a). Perfect Match? Investigating Students’ Perceptions About Algorithmic Grouping in Higher Education. 2021 AECT International Convention.
    • Schumacher, C., & Kuzilek, J. (2021b, Juni). Student perspectives on automatic grouping in higher education. Presented at Junges Forum für Medien und Hochschulentwicklung, Virtual Conference, 09-06-2021.
    • Schumacher, C., Reich-Stiebert, N., Kuzilek, J., Burchart, M., Raimann, J., Voltmer, J.-B., & Stürmer, S. (2021, April). Group perceptions vs. group reality: Exploring the fit of self-report and log file data in the process of collaboration. Companion proceedings of Conference on Learning Analytics and Knowledge 2021, Virtual Conference, 15-04-2021.
    • Seidel, N. (2021). Designing Systems for Mobile Collaboration. 26th European Conference on Pattern Languages of Programs, Article 22, 13 pages. https://doi.org/10.1145/3489449.3489999
    • Weiher, B., Seidel, N., Burchart, M., & Veiel, D. (2021). Indicators of group learning in collaborative software development teams. In Andreas Lingnau (Hrsg.), Proceedings of DELFI Workshops 2021 (S. 164–175). Gesellschaft für Informatik.