Learning und Educational Analytics und Data Mining an der FernUniversität in Hagen (LEAD)

Projektauftrag

Ziel des Projekts ist der Aufbau einer hochschulweiten Infrastruktur für Learning und Educational Analytics und Data Mining unter besonderer Berücksichtigung von

• Datenschutz und Datensicherheit,
• Zielgruppenakzeptanz,
• Verzahnung von Lehre, Forschung, Academic Reporting und Qualitätsmanagement an der FernUniversität.

Die Begriffe Learning Analytics und Educational Data Mining (im Folgenden zusammenfassend: LA) beziehen sich auf die Sammlung, Verknüpfung, Analyse, Interpretation und Nutzung großer Mengen digitaler Daten, um Lehr-Lernprozesse und deren Ergebnisse besser zu beschreiben, zu verstehen und evidenzbasiert, adaptiv und studierendenzentriert zu gestalten. In vielen der aktuellen Projekte der FernUniversität fallen für lehr/lernbezogene Fragestellungen relevante Daten an. Wenn die LA-Nutzung in diesen Projekten nicht bei der Entwicklung berücksichtigt wird, sind die Daten entweder nicht / nur unvollständig nutzbar, oder die Nutzung muss mit zusätzlichem Ressourcenaufwand nachträglich ermöglicht werden.

Das übergeordnete Anliegen des Projekts LEAD ist es daher, eine hochschulweite Infrastruktur für Learning und Educational Analytics und Data Mining unter besonderer Berücksichtigung von a) Datenschutz und Datensicherheit, b) Zielgruppenakzeptanz, c) Verzahnung von Lehre, Forschung, Academic Reporting und Qualitätsmanagement an der FernUniversität aufzubauen.

• Durch LA können Studierende auf der Grundlage digitaler Verhaltens- und Nutzerprofile in Kombination mit ihren Selbstangaben individuell, zielgerichtet und empirisch fundiert dabei unterstützt werden, ihre Bildungsziele zu erreichen. Übungs- und Testaufgaben lassen sich adaptiv und am aktuellen Lernstand orientiert gestalten. Die Verbindung verschiedener Datenquellen ermöglicht zudem die (teil-) automatisierte Bereitstellung von personalisierten formativen Feedbacks im Studienverlauf.
• Für Lehrende werden durch LA Informationen zur didaktischen Bewertung der von ihnen eingesetzten Lehr-Lernszenarien bereitgestellt, die über „klassische“ Informationsquellen wie Studierendenbefragungen oder Selbsteinschätzungen hinausgehen. Diese Ergänzung klassischer Feedbackformate ermöglicht es auch, unintendierte Effekte der eigenen Lehrkonzeption aufzudecken und im Bedarfsfall zu korrigieren.
• Durch die Kombination digitaler Nutzungs- und Verhaltensdaten mit Daten aus Academic Reporting und Qualitätsmanagement gewinnt die Hochschulverwaltung eine breitere Datenbasis zur strategischen Weiterentwicklung von Studienangeboten und deren Qualitätsmanagement und der Ressourcenplanung.

Aufgrund ihres Lehr-/Lernmodells und ihrer heterogenen Studierendenschaft verfügt die FUH aktuell über ein einzigartiges Potential LA nicht nur intern zu nutzen, sondern auch bundesweite Standards für die Nutzung von LA in der Hochschulbildung zu entwickeln. Das Projekt ist daher nicht nur intern, sondern für die Profilierung der FUH insgesamt von strategischer Bedeutung. Die geforderten Funktionalitäten sind in dem Sinne „generisch“, dass sie in weiten Teilen auch bei Data Mining außerhalb von LEAD benötigt werden. Ein weiterer Mehrwert des Projekts wäre dann die Erzeugung einer (Teil-)Infrastruktur für Digital Mining, die hochschulweit genutzt werden könnte. Der Aufbau einer LA-Infrastruktur ist auch für die Digital-Daten-gestützte lehr/lernbezogene Forschung und Produkt- und Prototypenentwicklung hochrelevant, wie sie am Forschungsschwerpunkt CATALPA in Kooperation mit anderen Forschungsinstitutionen vorangetrieben wird.