Phishing is a constant threat to the online security of end-users. Since technical measures currently fall short of preventing phishing attacks completely, educating end-users is an important factor in reducing the risk of successful attacks. Here, game-based learning has emerged as a scalable, motivational educational approach. While learning games that focus on phishing emails have been created in the past, they mainly include simple game mechanics, which do not map to the complex decisions that are involved in recognizing malicious emails. To this end, we present a novel anti-phishing learning game, consisting of two different game modes: Either, players have to create phishing emails from given templates themselves, or they have to analyze emails for malicious cues and mark relevant parts. The game is designed for a broad target group of adult users with little to no prior knowledge about phishing. To facilitate immersion, the game content is generated automatically and allows for personalization. This paper presents the design, implementation, and a preliminary usability evaluation of the game.KeywordsPhishingEmailGame-based learningPersonalization

Learning Analytics provides plenty of pedagogical uses. However, the integration of learning analytics must be accompanied by different perspectives: technical, organizational, and pedagogical. At this point, there are still gaps, e.g., the need to connect the various stakeholders and support the systematic, structured, and sustainable process. This paper presents different approaches to making the learning data standard xAPI for interdisciplinary projects easier by working on other starting points. Starting with a basic infrastructure to support the interdisciplinary collection of definitions for the standardized data format, it continues with a graphical user interface supporting different stakeholders. A modular tool for quickly connecting programming IDEs with the vocabulary is also presented. Last, a connector is shown for easier multi-modal data management using virtual reality as an example.

Vielfältige Anforderungen aus unterschiedlichen Disziplinen machen die Gestaltung von Lernszenarien in Virtual Reality (VR) zu einer komplexen Aufgabe. Die Komplexität setzt sich zusammen aus einer Verbindung von technologischen Herausforderungen, didaktischem Design, Anforderungen der Stakeholder und freier und offener Bildungsmaterialien. Dieser Beitrag präsentiert ein Lösungskonzept für die technischen Herausforderungen dieser Aufgabe. Dieses betrachtet Komponenten eines VR-Szenarios als Open Educational Resources (OER), die eine direkte Integration von Learning Analytics (LA) unterstützen sollen. Das Ziel dieses Vorhabens ist die iterative Erstellung eines Frameworks zur Entwicklung erweiterbarer und wiederverwendbarer VR-Lernmodule, die unter anderem eine automatisierte Lerndatensammlung ermöglichen und in Learning Management Systemen (LMS) als WebXR-Lerneinheiten integriert werden können.

Die systematische Beobachtung von Verhalten und zwischenmenschlicher Interaktion stellt in vielen Bereichen der Bildungslandschaft eine Schlüsselmethode dar. Kooperation, Kollaboration und das soziale Miteinander bei der Lösung von Herausforderungen lässt sich durch Clickstreams und Log-Files nur schwerlich abbilden. Deshalb erfolgt die Beobachtung von Lernenden oft (zusätzlich) durch erfahrene, geschulte Kräfte, die in der Regel vorgefertigte Beobachtungsbögen nutzen und selten digitale Werkzeuge. Die vorgestellte Arbeit ermöglicht die Digitalisierung in diesem Anwendungsfeld einen Schritt voranzubringen. Hierzu wurde eine Webapplikation entwickelt, die die strukturierte Beobachtung von Individuen in Gruppensituationen unterstützt und erweitert. Durch Nutzung von Standards wie xAPI und JSON sind die Barrieren für künftige Integration in bestehende Systeme, sowohl im Bereich Learning Analytics als auch in den Potentialanalysen so gering wie nur möglich. Der modulare, konfigurierbare Ansatz lässt darüber hinaus weitere Anwendungsgebiete wie Videographie von Kollaborationsituationen, das Feedback in Lehrversuchen oder die Beobachtung von Probanden im Labor ohne Programmieraufwand offen.