Project

Learning Analytics

Updates
0 new
0
Recommendations
0 new
0
Followers
0 new
21
Reads
0 new
302

Project log

Martin Ebner
added a research item
Presentation @ track: Quality of Education and Effective Management of the Education System
Martin Ebner
added a research item
In den zentralen Informationssystemen der Technischen Universität Graz (TU Graz), dem auf Moodle basierenden TeachCenter und dem Campusmanagementsystem TUGRAZonline, werden verschiedene Services und Unterstützungen für Lehrende und Studierende angeboten. Zu den neuesten Entwicklungen gehört ein Studienfortschritts-Dashboard für Studierende. Dieses Dashboard soll einen hilfreichen Überblick über die Aktivitäten der Studierenden geben, z. B. über ihre akademischen Leistungen in ECTS im Vergleich zum Durchschnitt ihrer Kommilitonen, über den eigenen Studienfortschritt und die offizielle Studienempfehlung sowie über den Fortschritt in den verschiedenen Pflicht-und Wahlfächern. Der erste Prototyp wurde im Mai 2020 bei den Studierenden der Fakultät für Informatik und Biomedizinische Technik eingeführt, seit Dezember 2020 steht das Dashboard allen-rund 8.700 Bachelor-Studierenden der TU Graz-zur Verfügung. Der Beitrag skizziert die Prozesse und Ergebnisse von der ersten Erwähnung in einem Ideenworkshop für Studierende, über die Entwicklung und stufenweisen Implementierung, sowie die Rückmeldungen der Studierenden.
Martin Ebner
added a research item
Die Zunahme an digitalen Lernsettings führt zu einer Fülle an verfügbaren Daten zu Lehr- Lernprozessen. Gleichzeitig stellt die Interpretation dieser Daten die Akteurinnen und Akteure vor neue Herausforderungen. Learning Analytics umfassen die Aggregation und Interpretation von Lernendendaten mit dem Ziel, Lehr-Lernprozesse zu verbessern. Im Zentrum dieses Beitrages stehen die Implikationen, welche der Einsatz von Learning Analytics im Hochschulkontext mit sich bringt, exemplifiziert anhand der Implementierung in einem konkreten Forschungsprojekt. In einem ersten Schritt erfolgt eine literaturbasierte Aufarbeitung des didaktischen Potenzials aus dem Blickwinkel der Lernenden, Lehrenden sowie des Inhalts und des Learning Designs. Anhand einer qualitativen und quantitativen Begleitforschung eines aktuellen Projektes werden anschließend didaktische Implikationen für den Einsatz von Learning Analytics im Hochschulkontext abgeleitet. Deutlich wird, dass das in der Literatur verortete didaktische Potenzial auch in dieser Implementation zutage tritt, jedoch Learning Analytics gleichzeitig auch erhöhte Anforderungen an Lehrende und Lernende stellt.
Martin Ebner
added a research item
Einführung zum Themenschwerpunkt des FNMA MAGAZIN
Martin Ebner
added a research item
Wenn digitale Informationssysteme im schulischen Kontext genutzt werden, entstehen auch Sammlungen von Daten zum Lernverhalten. Einige Anwendungen sammeln und analysieren diese Daten gezielt, um damit Lernende zu unterstützen. Das Forschungsfeld dazu heißt “Learning Analytics” und ist erst rund 10 Jahre alt (Leitner et al., 2019). In diesem Beitrag möchten wir zwei Anwendungen aus dem Schulkontext vorstellen, die Datenanalysen einsetzen um Lernfortschritte von Schüler/innen zu beobachten und Rückmeldung in Echtzeit zu geben (s. Ebner, Leitner, Ebner 2020). Wir nennen zudem Chancen und Herausforderungen von Learning Analytics im Schulkontext.
Martin Ebner
added a research item
Dieser Beitrag ermöglicht eine kurze Einführung in das Themenfeld Learning Analytics mit einem besonderen Blick auf den Schulunterricht. Heute erscheint es noch weit entfernt, bis derartige Anwendungen im deutschsprachigen Raum flächendeckend Fuß fassen können. Durch die voranschreitende Technologie werden jedoch solche Anwendungen und die Auseinandersetzung mit der Frage, inwieweit künstliche Intelligenz Aspekte der eigentlichen Lehre ergänzen und erset-zen kann, zunehmend zum Diskussionsgegenstand. Die vorliegende Publikation zielt darauf ab, Learning Analytics selbst und die damit verbundenen Herausforderungen zu definieren. Anschlie-ßend werden einige allgemeine Beispiele genannt, ehe auf zwei webbasierte Informationssysteme im Detail eingegangen wird-dem Einmaleins-Trainer und dem Programm zum Aufbau von Schreibkompetenz IDeRblog. Auf Basis der dort gewonnen Erkenntnisse und Erfahrungen werden drei wesentliche Anforderungen für Lehrerinnen und Lehrer abgleitet: statistische und digitale Kom-petenz sowie grundsätzliches Wissen im Bereich Datenschutz. Der Beitrag schließt mit der Frage, inwieweit diese zukünftig in die Lehrerbildung integriert werden können und müssen.
Martin Ebner
added a research item
Learning Analytics ist sowohl international als auch national ein immer mehr an Bedeutung gewinnendes Themenfeld, welches dabei helfen kann, Lehr- und Lernprozesse besser zu verstehen und gezielt zu optimieren. Dieses Whitepaper soll eine erste Orientierung zu diesem Thema geben und dabei speziell die österreichische Hochschullandschaft adressieren. Ausgehend von der Definition: “Learning Analytics umfasst die Analyse, Darstellung und Interpretation von Daten aus Lehr- und Lernsettings mit dem Zweck, dass Lernende ihr Lernen unmittelbar verändern können” werden Herausforderungen benannt und der Status Quo in Österreich präsentiert. Daraus werden sechs Argumente für Learning Analytics abgeleitet und vier konkrete Handlungsempfehlungen ausgesprochen.
Martin Ebner
added a research item
Chatbots are already being used successfully in many areas. This publication deals with the development and programming of a chatbot prototype to support learning processes. This Chatbot prototype is designed to help pupils in order to correct their spelling mistakes by providing correction proposals to them. Especially orthographic spelling mistake should be recognized by the chatbot and should be replaced by correction suggestions stored in test data.
Martin Ebner
added 2 research items
Within the sector of education, Learning Analytics (LA) has become an interdisciplinary field aiming to support learners and teachers in their learning process. Most standard tools available for Learning Analytics in Massive Open Online Courses (MOOCs) do not cater to the individual's conception of where Learning Analytics should provide them with insights and important key figures. We propose a prototype of a highly configurable and customizable Learning Analytics Cockpit for MOOC-platforms. The ultimate goal of the cockpit is to support administrators, researchers, and especially teachers in evaluating the engagement of course participants within a MOOC. Furthermore, comparing learner's individual activity to course wide average scores should enhance the self-assessment of students, motivate their participation, and boost completion rates. Therefore, several metrics were defined which represent and aggregate learner's activity. From this predefined list, stakeholders can customize the cockpit by choosing from multiple visualization widgets. Although, the current prototype focuses only on a minimal group of stakeholders, namely administrators and researchers. Therefore, it is designed in a modular, highly configurable and customizable way to ensure future extensibility. It can be strongly carried out that customization is integral to deepen the understanding of Learning Analytic tools and represented metrics, to enhance the student's learning progress.
The availability of personal digital devices in schools and at home are offering new ways of engaging students in the area of language learning. In this publication, we present a new approach on writing and blogging for children aged 8 to 12 years, which is especially helpful for those who struggle with the acquisition of German orthography. On a web-based platform the pupils can write essays and blog them later on. Combined with learning analytics methods we offer individualized feedback during the process of writing and a training database with appropriate exercises to support the students' autonomous learning.
Martin Ebner
added a research item
Learning Analytics ist ein sehr junges Forschungsgebiet aus dem Bereich der Bildungsinformatik und versucht durch das Sammeln und Gegenüberstellen von Daten Unterstützung im Lernprozess zu geben. Dieser Beitrag gibt eine Einführung und stellt die wesentlichen Aspekte, kritischen Punkte, Ziele und Methoden vor. Weiters soll dabei ein Bezug zur berufsbildenden Schulpraxis geschaffen werden.
Martin Ebner
added a research item
Learning Analytics ist die Möglichkeit aus gesammelten Daten durch entsprechende Analyseverfahren neue Erkenntnisse für die pädagogische Praxis zu erhalten. In diesem Beitrag soll eine kurze Einführung gegeben werden, sowie anhand von zwei konkreten Beispielen gezeigt werden wir man es für den Schulalltag nutzen kann.
Martin Ebner
added a research item
Nowadays, computers and mobile devices play a huge role in our daily routines; they are used at work, for private purposes and even at school. Moreover, they are used as support for different kinds of activities and task, like for example, learning applications. The interaction of these applications with a computer is based on predefined input methods, whereas a touchscreen facilitates direct input via handwriting by using a finger or a pen. This paper deals with the invention of a mobile learning application, which is supposed to facilitate children’s learning of simple multiplication. The aim of this paper is to collect the data of children’ experiences using interactive handwriting on mobile devices. In order to gain this data, a school class of the school “Graz-Hirten” was tested and afterwards for evaluational purposes interviewed. The results of these usability tests have shown that children perceived handwriting via finger on screen as quite positive.
Martin Ebner
added a research item
Learning Analytics ist ein Bereich, der dieser Tage immer mehr in den Vordergrund rückt, da die Datenvearbeitung immer einfacher und schneller wird. Auch die Algorithmen werden besser, ausgereifter und versprechen, neue Erkenntnisse sichtbar zu machen. Learning Analytics hat sich im Zuge des Big-Data-Hypes entwickelt und wurde um 2011 als Big Data im Lernbereich gesehen.
Martin Ebner
added 2 research items
Der Einsatz von digitalen Technologien im Alltag der Jugend ist selbstverständlich geworden. Die Schülerinnen und Schüler haben die Möglichkeit mit Hilfe von Geräten wie Computern, Tablets und Smartphones Zugang zu Informationen, Kursmaterialien und Übungen zu erhalten. Die dadurch gewonnenen Daten haben das Potential die Art und Weise wie wir Lehren und Lernen tiefgreifend zu verändern. In diesem Beitrag sollen die Möglichkeiten und die Entwicklung von Learning Analytics im Bildungswesen näher betrachtet und die Rolle der Lehrenden und Lernenden beleuchtet werden. Es wird ein Ausschnitt von am Markt befindlichen Werkzeugen geboten und anhand von ausgewählten Beispielen und Fallstudien der Mehrwert des Einsatzes aufgezeigt und diskutiert. Abschließend werden Datenschutzfragen und Potenziale für die Zukunft besprochen.
Learning Analytics ist eine Methode, die helfen kann, durch Datenanalyse das Lernen von SchülerInnen gezielt zu verbessern. Es werden Daten von einzelnen SchülerInnen generiert, zusammengeführt und analysiert, um daraus resultierend ganz individuelle pädagogische Interventionen setzen zu können, damit die SchülerInnen bestmöglich gefördert werden können (Ebner/Neuhold/Schön 2013: 1). Der Beitrag stellt das Konzept eines aktuell laufenden Forschungsprojekts vor. Einerseits soll durch einen Abgleich von aus Learning Analytics und Lernstandserhebungen gewonnenen Daten untersucht werden, wie wirksam die SchülerInnen unterstützt durch digitale Medien lernen. Andererseits ergeben sich durch das automatische Sammeln und Aufbereiten von Daten im Hintergrund der Software Möglichkeiten für LehrerInnen, die auch Einfluss auf die Vorbereitung und die Durchführung von leistungsdifferenziertem Unterricht durch datengestütztes und gezieltes individuelles pädagogisches Handeln der Lehrkräfte in der Volksschule haben können.
Martin Ebner
added a research item
Dieser Beitrag beschreibt die Ziele, Methoden und Interessengruppen von Learning Analytics. Darüberhinaus werden die unterschiedlichen Struktu- ren der Daten von Big Data und Learning Analytics betrachtet. Dargestellt werden ferner die Planung des Einsatzes von Learning Analytics und die Phasen der technischen Implementierung.
Martin Ebner
added 2 research items
The main topic of this paper is the development of a web-based application that helps children to learn the one-digit multiplication table. The developed application supports individual learning process of the pupils and also provides the teachers with the possibility to intervene according to the analysis of users’ answers. The application uses modern technologies in order to offer high performance and availability to the users. The system also provides an interface for mobile clients, which present the questions and the processed data in different forms. The answers of the pupils, as well as other gathered data from the application show interesting results related to the participation and learning improvement.
In this paper, we discuss the design, development, and implementation of a Learning Analytics (LA) dashboard in the area of Higher Education (HE). The dashboard meets the demands of the different stakeholders, maximizes the mainstreaming potential and transferability to other contexts, and is developed in the path of Open Source. The research concentrates on developing an appropriate concept to fulfil its objectives and finding a suitable technology stack. Therefore, we determine the capabilities and functionalities of the dashboard for the different stakeholders. This is of significant importance as it identifies which data can be collected, which feedback can be given, and which functionalities are provided. A key approach in the development of the dashboard is the modularity. This leads us to a design with three modules: the data collection, the search and information processing, and the data presentation. Based on these modules, we present the steps of finding a fitting Open Source technology stack for our concept and discuss pros and cons trough out the process.
Martin Ebner
added a research item
Unter dem Schlagwort “Big Data” hat sich in den letzten Jahren ein neues Forschungsfeld etabliert. Es handelt sich dabei um Datenmengen, die wegen ihrer Größe, hohen Komplexität, schnellen Vergänglichkeit oder schwachen Strukturierung mit klassischen Methoden der Datenverarbeitung nicht ausgewertet werden können. Das Ziel von Learning Analytics besteht darin solche Datenmengen im Kontext von Lehren und Lernen zu sammeln, zu analysieren und zu interpretieren um neue Erkenntnisse zu gewinnen. Ein wesentlicher Punkt dabei ist die Rückführung des gewonnen Wissens an die Lehrenden und Lernenden, um das Lehr- und Lernverhalten individueller und optimierter zu gestalten und die Entwicklung von Kompetenzen in dem Bereich zu fördern. In diesem Kapitel werden die Möglichkeiten von Learning Analytics genauer erläutert, um dann den Schwerpunkt Learning Analytics in Hochschulen näher zu beleuchten. Eine Auswahl von Tools, Frameworks und Systeme gibt Aufschluss über den momentanen Stand der Technik. Im letzten Kapitel werden zukünftige Trends und Innovationen von Learning Analytics an Hochschulen aufgezeigt und wie daraus Kompetenzen gewonnen werden können.
Martin Ebner
added 2 research items
The ubiquitous availability of applications enables us to offer students opportunities to test and train competences in almost every situation. At Graz University of Technolgy two apps for testing competences in multiplication are developed. They estimate the competence level of every user and adapt to their individual development in this domain. They collect a lot of data during a longer period, which could be used on further research. In the foreground they give feedback in a compact and clearly arranged way to the single student and the teachers of classes. But furthermore the analysis of the data during a longer term showed us, that the process of testing and giving feedback has also an positive effect on learning. We emphasize that this quality in supporting the students could not be achieved by human teachers. Information Technology and Learning Analytics gives them a wider radius to perceive specific behavior and establishes their capacity for storing and processing all the relevant data.
Daten, Daten, Daten ... entstehen in der heutigen Welt durch das zuneh- mende Angebot an webbasierten Applikationen. Je mehr sich das Inter- net öffnet, je mehr Benutzer sich auf einer Plattform anmelden, desto mehr füllen sich die dahinterliegenden Datenbanken. Unter den Schlag- wörtern »Big Data« und »Data Mining« versteht man die Analyse dieser Daten, deren Interpretation und einer oft automatisierten benutzer- abhängigen Reaktion. Die Tragweite von solchem auf das Lehren und Lernen angewandten Vorgehen ist heute kaum abschätzbar. In diesem Beitrag geben wir mit Beispielen eine Einführung in das Forschungsgebiet Learning Analytics (LA). Die Darstellung soll auch helfen, LA vom konven- tionellen Bereich Educational Data Mining (EDM) abzugrenzen. Als Bei- spiele für LA werden Anwendungen zum Erlernen der Arithmetik und zur Analyse von Aktivitäten im Personal-Learning-(PLE)-Bereich der Technischen Universität Graz vorgestellt und es wird dargelegt, wie Lehr- personen von den Ergebnissen profitieren können. Charakteristisch für diese Anwendungen ist, dass dabei Unmengen von Daten erhoben, gespeichert und analysiert werden, wie das ohne Technikeinsatz nicht möglich wäre. So erkennen wir Chancen für eine wesentliche Qualitäts- verbesserung des Lehrens und Lernens durch individuelle, zeitnahe, prä- zise, aber kompakte Feedbacks für alle an Unterrichtsprozessen Beteilig- ten. Im Hinblick auf die Forschung zum Lehren und Lernenbetreten wir gerade einen Raum mit nur zu erahnenden Erkenntnismöglichkeiten.
Martin Ebner
added 16 research items
The area of Learning Analytics has developed enormously since the first International Conference on Learning Analytics and Knowledge (LAK) in 2011. It is a field that combines different disciplines such as computer science, statistics, psychology and pedagogy to achieve its intended objectives. The main goals illustrate in creating convenient interventions on learning as well as its environment and the final optimization about learning domain's stakeholders (Khalil & Ebner, 2015b). Because the field matures and is now adapted in diverse educational settings, we believe there is a pressing need to list its own research methods and specify its objectives and dilemmas. This paper surveys publications from Learning Analytics and Knowledge conference from 2013 to 2015 and lists the significant research areas in this sphere. We consider the method profile and classify them into seven different categories with a brief description on each. Furthermore, we show the most cited method categories using Google scholar. Finally, the authors raise the challenges and constraints that affect its ethical approach through the meta-analysis study. It is believed that this paper will help researchers to identify the common methods used in Learning Analytics, and it will assist by establishing a future forecast towards new research work taking into account the privacy and ethical issues of this strongly emerged field.
The area of Learning Analytics has developed enormously since the first International Conference on Learning Analytics and Knowledge (LAK) in 2011. It is a field that combines different disciplines such as computer science, statistics, psychology and pedagogy to achieve its intended objectives. The main goals illustrate in creating convenient interventions on learning as well as its environment and the final optimization about learning domain stakeholders. Because the field matures and is now adapted in diverse educational settings, we believe there is a pressing need to list its own research methods and specify its objectives and dilemmas. This paper surveys publications from Learning Analytics and Knowledge conference from 2013 to 2015 and lists the significant research areas in this sphere. We consider the method profile and classify them into seven different categories with a brief description on each. Furthermore, we show the most cited method categories using Google scholar. Finally, the authors raise the challenges and constraints that affect its ethical approach through the meta-analysis study. It is believed that this paper will help researchers to identify the common methods used in Learning Analytics, and it will assist by establishing a future forecast towards new research work taking into account the privacy and ethical issues of this strongly emerged field.
In order to study learners’ behaviors and activities in online learning environments such as MOOCs, the demanding for a framework of practices and procedures to collect, analyze and optimize their data emerged in the educational learning horizon. Learning Analytics is the field that arose to comply with such needs and was denominated as a “technological fix to the long-standing problems” of online learning platforms (Knox, 2014). This paper discusses the significance of applying Learning Analytics in MOOCs to overcome some of its issues. We will mainly focus on improving students’ retention and learning using an algorithm prototype based on divergent MOOC indicators, and propose a scheme to reflect the results on MOOC students.
Behnam Taraghi
added 9 research items
Already back in 2006 Retalis et al. [Retalis, 06] proposed their first thoughts on Learning Analytics (LA) and considered interaction analysis as a promising way to better understand the learner's behavior. A couple of years later, further activities were organized; especially Siemens and Long [Siemens, 11] predicted that the most important factor shaping the future of higher education would be big data and analytics. Just few months later, the Horizon Report [Horizon, 11] also described Learning Analytics as a big trend for the forthcoming years. Since then a number of conferences (for example LAK 111, LAK 12, ...) have been organized and different projects have been started as well as the topic has been rising on Google trends2. The number of research publications has also increased arbitrarily in different directions; for instance to define the upcoming research field [Siemens, 12] [Duval, 11] [Elias, 11] [Drachsler, 12], to gather practical experiences [Schön, 12] [Ebner, 13] or simply to confine LA from other topics (especially from Educational Data Mining (EDM)) [Baker, 12].
One-digit multiplication errors are one of the most extensively analysed mathematical problems. Research work primarily emphasises the use of statistics whereas learning analytics can go one step further and use machine learning techniques to model simple learning misconceptions. Probabilistic programming techniques ease the development of probabilistic graphical models (bayesian networks) and their use for prediction of student behaviour that can ultimately influence learning decision processes.
In this work we focus on a specific application named “1x1 trainer” that has been designed to assist children in primary school to learn one digit multiplications. We investigate the database of learners’ answers to the asked questions by applying Markov chain and classification algorithms. The analysis identifies different clusters of one digit multiplication problems in respect to their difficulty for the learners. Next we present and discuss the outcomes of our analysis considering Markov chain of different orders for each question. The results of the analysis influence the learning path for every pupil and offer a personalized recommendation proposal that optimizes the way questions are asked to each pupil individually.