No full-text available
To read the full-text of this research,
you can request a copy directly from the authors.
Learning Analytics im Hochschulkontext
... Entsprechend findet im internationalen Kontext bereits eine praktische Anwendung von Learning Analytics statt. In Deutschland zeigt sich hingegen, dass Learning Analytics vergleichsweise wenig Beachtung finden und zudem auch nur in geringfügigem Maße im Hochschulalltag und den hierzulande bevorzugt genutzten Lernmanagementsystemen (LMS) zum Einsatz kommen [2]. Der vorliegende Beitrag nimmt sich dem Thema an und widmet sich der Fragestellung, weshalb sowohl Learning Analytics (LA) als auch Academic Analytics (AA) trotz der so zahlreich herausgestellten Potentiale im deutschen Hochschulraum -und damit insbesondere in LMS -bisher so geringfügig eingesetzt werden. ...
... die Qualität der digital-gestützen Aus-und Weiterbildung gesteigert werden. So ermöglichen datenbasierte Auskünfte über das Lernverhalten Studierender es beispielsweise, dass Lehrende etwaige Probleme im Lernprozess frühzeitig erkennen und auf diese zeitnah und individuell reagieren können [2]. Darüber hinaus können vermeintlich gefährdete Lernende auf diese Weise identifiziert und passende Interventionen angestrebt werden [2]. ...
... So ermöglichen datenbasierte Auskünfte über das Lernverhalten Studierender es beispielsweise, dass Lehrende etwaige Probleme im Lernprozess frühzeitig erkennen und auf diese zeitnah und individuell reagieren können [2]. Darüber hinaus können vermeintlich gefährdete Lernende auf diese Weise identifiziert und passende Interventionen angestrebt werden [2]. Da für eben diese Zwecke jedoch der Zugriff auf personenbezogene Daten notwendig ist, bleibt eine Auseinandersetzung mit ethischen und rechtlichen Fragen besonders im Bereich LA und AA nicht aus. ...
Der Einsatz digitaler Medien hat in der nationalen Hochschullehre Tradition. LMS, E-Learning, Blended Learning, etc. sind Schlagwörter im Hochschulalltag. Aller-dings stellt sich die Frage, was Lernmanagementsysteme (LMS) und Blended Lear-ning im Zeitalter digitaler Vernetzung und der herangewachsenen Generation der “Digital Natives” leisten (können bzw. sollen)? Die Verbreitung neuer Technologien im Zusammenhang mit neuen Lehr-. und Lernkonzepten wie OER, MOOCS, etc. macht zudem die Entwicklung von Analytics-Instrumenten erforderlich. Das ist auch im nationalen Diskurs von großem Interesse und legt neue Handlungsfelder für Hochschulen offen. Doch es stellt sich die Frage, warum Learning Analytics (LA) bzw. Academic Analytics (AA) bisher nur in einem geringfügigen Maße an deutschen Hochschulen erfolgreich zum Einsatz kommen und warum eine Nutzung insbesondere in LMS, wie zum Beispiel OPAL, nicht ohne weiteres realisierbar erscheint. Hierzu sollen Einflussfaktoren, die die Implementierung von LA- und AA-Instrumenten hemmen, identifiziert und diskutiert werden. Aufbauend darauf werden erste Handlungsfelder vorgestellt, deren Beachtung eine verstärkte Einbet-tung von LA- und AA Instrumenten in LMS möglich machen soll.
... In traditional learning scenarios, it is difficult to find out whether, how intensively and regularly learners engage with the learning content beyond attendance times (i.e., lectures and seminars). By utilizing digital learning environments, i.e. learning apps or learning management systems, data of the continuous learning of students can be collected and learning analytics can enhance the learning process (Ifenthaler and Schumacher 2016). With the support of learning analytics, information about the future learning success of students can, for instance, be provided. ...
... Daten werden in Echtzeit analysiert und visualisiert, wodurch Lernende Einblicke in ihr Lernverhalten erlangen und Lehrende z. B. Schwierigkeiten bei der Bearbeitung der Lernmaterialien identifizieren und Faktoren zur Weiterentwicklung der eigenen Lehre entwickeln können (Ifenthaler & Schumacher, 2016). Learning Analytics an Hochschulen wird bereits in englischsprachigen Ländern wie Australien, den USA und Großbritannien intensiv erforscht und implementiert (Arnold & Pistilli, 2012;Sclater et al., 2016). ...
Neue und modifizierte didaktische Konzepte sind unabdingbar, um die Potenziale von Künstlicher Intelligenz (KI) in der Hochschullehre sinnvoll für Lernende und Lehrende zu nutzen. Hierzu werden ausgewählte didaktische Anwendungsszenarien und Impulse zum Einsatz von KI-basierten Technologien sowie KI als Lerninhalt beispielhaft für Online-, Präsenz- und Blended-Learning-Settings dargestellt. Um zur Entwicklung der wichtigen KI-Kompetenzen für das 21. Jahrhundert beizutragen, sind neben holistischen didaktischen Modellen auch Datenkompetenz, KI-Kompetenzrahmen und Datenschutz essenziell für ein bedeutsames Lernen und Lehren mit und über KI.
... Dieser Umstand wird vielfach ignoriert, etwa bei Mayer-Schönberger und Cukier (2014), auf deren Argumentation eine Vielzahl von Folgestudien aufbauen. Diese skizzieren das Bild einer radikalen, disruptiven Veränderung der Hochschullandschaft in Abgrenzung zu den vorherigen Möglichkeiten von Small-Data-Analysen. Dabei wird mit der Prämisse operiert, dass die Bedingungen von Big Data im Bildungswesen vorliegen und Daten in entsprechender Güte gesammelt und verwertet werden können(Ifenthaler 2020). Die Grundannahme basiert jedoch insbesondere auf der Erwartung, dass der gesamte Lernprozess digital abliefe. ...
Zusammenfassung
Der Beitrag befasst sich mit der Datafizierung, der Generierung und Nutzung von Daten zur Entscheidungsfindung an Hochschulen aus einem organisationalen Blickwinkel. Ausgangspunkt ist die Annahme, dass die organisationalen Bedingungen einen entscheidenden Einfluss auf die digitale Transformation haben und diese nicht organisationsneutral zu verstehen ist. Dies wird in der Forschung rund um digitale Transformationsprozesse jedoch oftmals vernachlässigt. Zu sehen ist dies beispielsweise am Thema einer Datafizierung in Hochschulen, das mit disruptiven Erwartungen verknüpft ist, die jedoch den Einfluss der Organisation zu vernachlässigen scheinen. Vorgeschlagen wird diesbezüglich, das Technologiedefizit in Forschung und Lehre als organisationaler Faktor der Hochschulen in die Beschreibung der Datafizierung einzubeziehen. Das wechselseitige Zusammenwirken von Datafizierung und organisationalen Faktoren wird entlang der Möglichkeiten datenbasierter Analysen unter der Bedingung des Technologiedefizits sowie der Verknüpfung von Daten mit organisationalen Entscheidungsprogrammen in der hochschulischen Entscheidungsarchitektur aufbereitet. Auf dieser Basis entsteht ein organisationssensibles Verständnis der Datafizierung in Hochschulen, das die Bedeutung der Organisation im soziotechnischen digitalen Transformationsprozess hervorhebt.
... LA is defined by the Society for Learning Analytics Research (SOLAR) as "the measurement, collection, analysis and reporting of data about learners and their contexts, for purposes of understanding and optimizing learning and the environments in which it occurs" [28]. LA can be used to dynamically generate data from learners, teachers and learning environments, with the aim of optimizing learning and teaching processes as well as the design of learning environments [29][30][31]. It contains the collection of educational data, such as static data, including learners demographics, background, perception, environmental characteristics and dynamic data, like student engagement, student performance and behavior [32]. ...
Digital learning environments, such as online laboratories offer many opportunities for collecting data for Learning Analytics (LA). This article presents a systematic literature review for LA in laboratory based learning environments for Higher Engineering Education, which yielded 23 key references. The focus of the study was formed by the following research questions (RQ): What types of data are currently collected in online laboratories (RQ 1)? How is LA used to support learning and teaching processes as well as the design of the online-laboratory environment (RQ 2)? What design recommendations for the use of LA in laboratory-based learning environments can be derived (RQ 3)? The gained results show that LA can be used to provide feedback for simple as well as for complex learning processes in online laboratories. Moreover, it assists data-informed decision making for teaching and learning processes as well as for the design of the lab environment.
Implications for future research projects were derived based on the findings and should contribute to the advancement of research on LA in online laboratories.
... Auch gewinnen Algorithmen unter den Schlagworten Learning Analytics und künstliche Intelligenz im Bildungswesen immer mehr an Bedeutung (hierzu bspw. Ifenthaler und Schumacher 2016;Hartong 2019). ...
Schulen sehen sich vor dem Hintergrund einer voranschreitenden Digitalisierung (in) der Schule (nicht erst seit der Coronapandemie) verschiedenen pädagogischen wie strukturellen Herausforderungen gegenüber. Damit sie als aktive pädagogische Handlungseinheiten in einer digitalen Welt agieren können, bedarf es einer angemessenen, kontinuierlichen Schulentwicklungsarbeit. Unterstützung sollen Schulen hierbei u. a. durch politische Initiativen wie den «DigitalPakt Schule» erfahren. Doch obwohl der DigitalPakt Schule bereits im Mai 2019 verabschiedet wurde, wurden bislang nur wenige Mittel abgerufen. Worin dies begründet liegt und welche Herausforderungen in diesem Kontext bestehen, wird meist nur spekulativ verhandelt. Der Beitrag setzt an dieser Stelle an und beleuchtet am Beispiel von Rheinland-Pfalz Herausforderungen bei Schulentwicklungsprozessen im Kontext des DigitalPakts. Herangezogen werden hierfür bestehende Studienergebnisse sowie explizierende Expert:inneninterviews mit Schulleitungen, die Einblicke in prozessinhärenten Herausforderungen im Rahmen von Schulentwicklungsarbeit unter Perspektivität von Digitalisierung bieten. Anhand der Ergebnisse werden Ambivalenzen äusserer Schulentwicklungsinstrumente und einer Steuerungsperspektive auf Schule sowie damit einhergehende Herausforderungen für die Kooperation verschiedener Akteur:innen deutlich. Diese werden im Rahmen des Beitrages diskutiert.
... In the case of DigiLab4U, the labs will be integrated into a learning platform in which not only labs but also entire learning content from different media can be formed and collected. The latter with the intention of gaining learning analytics to support learning and teaching processes as well the (re-)design of the learning environment [20]. The main challenge in the lab-context is to capture and analyse the learning processes within the lab-learning environment, because multiple signal sources that accumulate during the students work in the lab, have to be captured, processed, aggregated and analysed to produce traces that outline and describe the learning activities and user interactions of the learners within the learning processes. ...
The Sharing Economy is the basis for challenging existing business models and the creation of new cooperation’s. The BMBF-funded project Open Digital Lab 4 You (DigiLab4U) promotes the sharing of laboratory (lab) infrastructures for Internet of Things (IoT)/Industry 4.0 (I4.0) related education. Through the digitalisation in education and research, new forms of cross-location networking of lab infrastructures arise. The paper illustrates innovation options for IoT/I4.0 lab infrastructure, exemplary based on a RFID measuring chamber using (I) a Virtual Reality (VR) Mockup, (II) a Service Robot Arm and (III) VR with live data as combination of (I) + (II), to realise cross-location networking. Related IoT-/I4.0-competences within lab education are raised and applied to the curriculum for educating undergraduate engineering. A matrix containing a competence evaluation system for digital labs is provided. Considerations for the evaluation of labs are presented to allow the classification of labs as well as to provide a quick orientation for users with regard to the learning objectives to be achieved. Researchers and participants of digital labs are invited to explore the use of clustering lab experiences according to the introduced method. Clustering real, remote and virtual labs in this way can help to find out which learning outcomes can be achieved in specific labs.
... Dabei werden sie gezielt eingesetzt, um Lehr-Lernprozesse sowie Lernumgebungen zu modellieren und zu optimieren (vgl. Ifenthaler & Schumacher, 2016). Der Hauptfokus des LA-Ansatzes liegt aktuell auf der Methodik der Datenerfassung und -auswertung von etablierten und neuen Lehrformen. ...
Obwohl heutige Studierende mit Computern und dem Internet groß werden, fehlt ihnen häufig der Bezug zu grundlegenden Technologien. Dieser wird allerdings von Nachwuchsingenieurinnen und -ingenieuren erwartet, um neue Impulse für Forschung und Praxis liefern zu können. Aufgrund der geänderten Anforderungen einer digitalisierten Arbeitswelt hat sich der Studiengang Informationslogistik, der Hochschule für Technik Stuttgart das Ziel gesetzt, den Studierenden eine realitätsnahe Industrieumgebung, in Form eines Industrie 4.0 Labors mit mobilen, stationären und virtuellen Bestandteilen einzurichten. Studierende erwerben in der hybriden Laborumgebung in praxisnahen Übungen ein fundiertes theoretisches und praktisches Wissen über das Zusammenspiel von Hardware, Software und Telekommunikation. Didaktisch flankiert wird der Kompetenzerwerb der Studierenden auf der Smart Learning Platform 4.0 (SLP), einer virtuellen Lernplattform, die als studienbegleitendes Element im Pflichtcurriculum des Studiengangs verankert werden soll. Um den Lernprozess der Studierenden durch unterschiedliche Feedbackformen zu verbessern, sowie um die laborbasierte Lernumgebung weiterzuentwickeln, wird auf der SLP aktuell der Einsatz von Learning Analytics erprobt. Langfristig ist geplant das vorgestellte Modell auf weitere Studiengänge zu übertragen, um die vorgestellten Lösungsansätze vollumfänglich auszuschöpfen und um einen optimalen Wissenstransfer zwischen Studium und Berufspraxis zu gewährleisten.
... More than ever, future engineers will be confronted with complex social situation on a daily basis in their professional lives [28,29] and this fact is taken into account in the didactic design. In the lab environment will also be included Learning Analytics (LA) to develop analysis and feedback tools that are open to different data sources, objectives, interested parties, analysis and mining algorithms to be applied as well as flexible visualization and interaction options [30][31][32]. According to Greller and Drachsler [33], not only the data privacy in the context of Learning Analytics needs to be solved, rather, they advocate a trustworthy and ethically responsible handling of user data. ...
... In 2016, Ifenthaler and Schumacher [40] report that research on learning analytics in Germany is scarce and that there are only a few projects focusing on the implementation of learning analytics systems. In 2019, several research projects are being funded by the German Federal Ministry of Education and Research focusing on technology integration and analytics in educational organizations [41]. ...
Information and communication technologies are increasingly mediating learning and teaching practices as well as how educational institutions are handling their administrative work. As such, students and teachers are leaving large amounts of digital footprints and traces in various educational apps and learning management platforms, and educational administrators register various processes and outcomes in digital administrative systems. It is against such a background we in recent years have seen the emergence of the fast-growing and multi-disciplinary field of learning analytics. In this paper, we examine the research efforts that have been conducted in the field of learning analytics in Austria, Finland, Norway, Germany, Spain, and Sweden. More specifically, we report on developed national policies, infrastructures and competence centers, as well as major research projects and developed research strands within the selected countries. The main conclusions of this paper are that the work of researchers around Europe has not led to national adoption or European level strategies for learning analytics. Furthermore, most countries have not established national policies for learners’ data or guidelines that govern the ethical usage of data in research or education. We also conclude that learning analytics research on the pre-university level to a high extent have been overlooked. In the same vein, learning analytics has not received enough focus form national and European national bodies. Such funding is necessary for taking steps towards data-driven development of education.
... Um die gewonnene Breite an Daten zudem einer vollumfänglichen Auswertung und Interpretation unterziehen zu können, ist eine verstärkte Kooperation von Forscherinnen und Forschern verschiedenster Disziplinen notwendig (Merceron et al., 2015). Insbesondere mit Blick auf den Anspruch, "theoretisch fundierte Datenanalysen mit pädagogisch relevanten Lernindikatoren und pädagogisch aufbereitete Interventionen [zu] ermöglichen" (Ifenthaler & Schumacher, 2016), ist daher eine interdisziplinäre Kollaboration zwischen Informatikern und Sozialforschern unabdingbar, "um durch die Verbindung von Lehr-und Lernforschung, Datenanalyse, Informatik und Mensch-Maschine-Interaktion zu verlässlichen Ergebnissen und Anwendungen zu gelangen" (ebd., 181). ...
Der Beitrag ist als Impuls für einen Workshop auf der GMW Jahrestagung 2018 zu verstehen. Insbesondere analysiert dieser die Entwicklung des Technology Enhanced Learning (TEL) und Technology Enhanced Teaching (TET) in der akademischen Bildung mit dem Ziel einer Bestandsaufnahme aktueller Anforderungen und bildungstechnologischer Möglichkeiten. Ziel der Autoren ist der Versuch, daraus folgend perspektivische Szenarien für ein weitgehend digitalisiertes Lehren, Lernen und Prüfen in Studium, Lehre und Weiterbildung der Hochschulen in Deutschland abzuleiten. Vor dem Hintergrund der gesamt-gesellschaftlich voranschreitenden Digitalisierung ebenso wie der hohen Innovationsdynamik von Technologien der Künstlichen Intelligenz (KI) und den damit einhergehenden Veränderungs-und Transformationsprozessen ist anzu-nehmen, dass mit den o.g. TEL-und TET-Szenarien zentrale Entwicklungen angesprochen werden. Im nächsten Schritt können Überlegungen zu den Voraussetzungen an und auch der Readiness der Hochschule, betreffend Infrastruktur und Kompetenz der Lehrkräfte, aber auch betreffend Organisation und rechtliche Belange, spezifiziert werden. Damit wird eine Anschlussfähigkeit zu aktuellen Diskussionen wie dem europäischen Digital Competence Framework for Educators (DigCompEdu, vgl. https://ec.europa.eu/jrc/en/digcom-pedu) sowie Artificial Intelligence in Europe (https://ec.europa.eu/digital-single-market/en/news/communication-artificial-intelligence-europe) hergestellt, die in den letzten Monaten publiziert wurden.
Die LAMASS Studie untersucht Faktoren und Hintergründe für den Studienerfolg und -abbruch in digitalen Studienformaten. In drei Teilstudien werden Einflussfaktoren für Studienerfolg, Studienabbruch und zur studentischen Persistenz im digitalen Studienformat untersucht und mit denen in Präsenzformaten verglichen. Ergänzend wurden aus den Erkenntnissen Handlungsempfehlungen abgeleitet.
Die Anwendung von pädagogischer Diagnostik benötigt sowohl konzeptuelles als auch strategisches Wissen über diagnostische Entscheidungsprozesse. Um diese Entscheidungsprozesse für die Ausbildung im Lehramt Sonderpädagogik der Hochschule möglichst anwendungsbezogen nachzustellen, wurde ein digitales fallbasiertes Simulationsspiel entwickelt. Ziel ist es, angehende Sonderpädagog:innen im Studium zu ökonomischen diagnostischen Entscheidungen im Rahmen pädagogischer Diagnostik zu befähigen und den Aufbau von Handlungsschablonen zu fördern. Diese Studie untersucht mittels Learning Analytics, inwieweit die Simulationsspiele zur Weiterentwicklung der diagnostischen Entscheidungskompetenz von Studierenden (N = 30) beitragen. Untersucht wird, wie treffsicher und effizient Studierende aus fünf Testverfahren den jeweils passenden Test auswählen. Der wiederholte Einsatz der Simulationsspiel führt zu signifikanten Veränderungen in der Entscheidungsheuristik. Studierende treffen ihre Entscheidungen nach der Übung mit durchschnittlich 2,1 Tests und einer Treffsicherheit von 41,39%. Die Einsatzmöglichkeiten und der Mehrwert von digitalen Simulationsspielen wird für die Lehrer:innenausbildung diskutiert. Abstract It is essential that teachers possess a comprehensive understanding of the conceptual and strategic aspects of the diagnostic decision-making process. A digital case-based simulation game was developed with the objective of enabling prospective special education students to make economic diagnostic decisions in the context of educational diagnostics and to promote the development of action templates. This study employs learning analytics to ascertain the extent to which the simulation games contribute to the further development of the diagnostic decision-making skills of students (N = 30). The study examines the accuracy and efficiency with which students select the appropriate test from five test procedures. Repeated use of the simulation game leads to significant changes in decision-making heuristics. Students make their decisions after the intervention with an average of 2.1 tests and an accuracy of 41.39%. The added value of digital simulation games in teacher training is discussed.
The use and benefits of digital technology in schools has been the subject of controversial debate for more than 40 years. Artificial intelligence (AI) is already part of automated schooling through learning programs and learning performance measurement. With generative AI such as ChatGPT, Bard and others, a tool has been added that can be used to easily generate texts, images, presentations and much more.
Are systems for the automated generation of texts, images, etc. useful in schools or do they tend to hinder learning?
The historical and technical analysis of cybernetic systems, i.e., an understanding of how automated data processing works, is the prerequisite for being able to decide on their use for teaching and learning processes.
Current concepts for the use of information technology (IT) and AI in schools are not designed according to pedagogical and didactic needs. According to the United Nations Educational, Scientific, and Cultural Organization (UNESCO) report, they primarily serve the interests of the manufacturers They also endanger the physical and mental health not only of minors due to their potential for addiction and abuse.
The IT and AI systems can only be used sensibly in secondary school lessons and IT skills can only be promoted if changes are consistently implemented. This includes a ban on private digital end devices, the release of smartphones at the earliest at the age of 14 years (wait until 8th), social media applications only at the age of 16 years and no feedback channel for data from minors (ban on profiling minors, ban on digital twins). The aim must be more and real, interpersonal communication in the school social space (classroom, breaks) and working with computers and networks as tools.
Im Rekurs auf gouvernementalitätstheoretische Perspektiven ergründet der Beitrag, welche neuen Formate der Selbst- und Fremdführung durch Learning-Analytics-Architekturen an Universitäten entstehen. Wir arbeiten heraus, dass Dashboards Schnittstellen zu Verdatungsregimen sind, in denen die von den Lernsubjekten hinterlassenen digitalen Spuren in Echtzeit zu Profiling-, Prognose- und Vergleichszwecken verarbeitet und präsentiert werden. Unsere These ist, dass sich im Kontext der digitalen Hochschulbildung neuartige Verflechtungen zwischen Fremd- und Selbstregierungspraktiken herausbilden, die sich durch besondere Formen des Ineinandergreifens von Außenlenkung und freiwilliger, selbstnormalisierender Innenlenkung von den Machtpraktiken in analogen Kontexten unterscheiden.
Im Rekurs auf gouvernementalitätstheoretische Perspektiven ergründet der Beitrag, welche neuen Formate der Selbst- und Fremdführung durch Learning-Analytics-Architekturen an Universitäten entstehen. Wir arbeiten heraus, dass Dashboards Schnittstellen zu Verdatungsregimen sind, in denen die von den Lernsubjekten hinterlassenen digitalen Spuren in Echtzeit zu Profiling-, Prognose- und Vergleichszwecken verarbeitet und präsentiert werden. Unsere These ist, dass sich im Kontext der digitalen Hochschulbildung neuartige Verflechtungen zwischen Fremd- und Selbstregierungspraktiken herausbilden, die sich durch besondere Formen des Ineinandergreifens von Außenlenkung und freiwilliger, selbstnormalisierender Innenlenkung von den Machtpraktiken in analogen Kontexten unterscheiden.
QualitätsmanagementQualitätQualitätsmanagementManagementQualitätsmanagement findet in fast allen Bereichen unseres Lebens statt. Lange Zeit war die QualitätsmessungQualitätQualitätsmessung von Lern- und LehraktivitätLehreLehraktivitäten aber allein auf den Erfolg von Lernenden in ÜberprüfungsszenariPrüfungÜberprüfungsszenarioen beschränkt. Mit den modernen MethodeMethoden der QualitätsevaluierungQualitätQualitätsevaluierung für Lern- und LehraktivitätLehreLehraktivitäten gelingt es LernszenarienLernenLernszenario einerseits transparenter zu gestalten, andererseits auch schon in der KonzeptionierungsphaseKonzeptKonzeptionierungsphase die Adressat:innen von LernaktivitätLernenLernaktivitäten mit ihren Erwartungen und Bedürfnissen zu berücksichtigen. Learning AnalyticsLearning Analytics bieten zudem allen Interessensgruppen in LerninterventionenLernenLernintervention detaillierte Einsichten in den LernprozessProzessLernprozess auf mehreren Ebenen, was die Weiterentwicklung und Verbesserung von LerninterventionenLernenLernintervention weiter erhöht. Im Sinne von zyklischen Evaluierungen werden schließlich LernaktivitätLernenLernaktivitäten und deren Relevanz im Gesamtkontext der lernenden OrganisationOrganisation betrachtet.
Zusammenfassung
Die Nutzung von Smartphones und Tablets ermöglicht auch den Zugang zu Applikationen zum Lernen und Vertiefen von Schulinhalten. Allerdings werden dabei zwangsläufig eine große Anzahl persönlicher Daten gesammelt. Hierbei kann es sich um demografische Daten, administrative Informationen, Daten aus Interaktionen und individuelle Daten wie das Vorwissen oder Testergebnisse handeln. Da die Funktionsweise solcher Lernsysteme oftmals intransparent ist, stellt sich die Frage, inwiefern Kinder und Jugendliche die Bedrohung ihrer Privatheit in horizontaler (durch die Einblicke von Lehr:innen, Eltern und Mitschüler:innen in sensible Leistungsdaten) und vertikaler (durch die kommerzielle Nutzung und Weitergabe an Unternehmen) Hinsicht wahrnehmen. Im Rahmen einer empirischen Befragung von Schüler:innen sowie von Lehrkräften und Eltern wird deshalb untersucht, in welchem Umfang Lernsoftware in den Schulen und Zuhause genutzt wird, und, ob Kenntnisse über potenzielle Bedrohungen der persönlichen Daten durch die Speicherung und Weitergabe bei der Nutzung von Lernsoftware existieren und welche Schutzmaßnahmen im Zuge dessen ergriffen werden, um die eigenen Daten zu schützen.
Zusammenfassung
In den letzten Jahren hat die Popularität von mobilen Learning Apps für Kinder und Jugendliche stark zugenommen – insbesondere im Kontext der aktuell herrschenden Corona-Pandemie, in der der Präsenz-Schulbetrieb mehrfach stark eingeschränkt werden musste. Im Rahmen dieses Beitrags untersuchen wir, inwieweit Android Learning Apps vor dem Hintergrund der DSGVO die Privatheit ihrer Nutzenden (i. d. R. Minderjährige) gewährleisten bzw. Anforderungen an Datensicherheit erfüllen. Die Datengrundlage für die Untersuchung besteht aus 199 Learning Apps aus dem Google Play Store. Die Analyse unterteilt sich in zwei Schritte: die grobgranulare und die feingranulare Analyse. Die grobgranulare Analyse befasst sich mit Beobachtungen und statistischen Erkenntnissen, welche direkt aus den bereits gesammelten Metadaten der Apps ersichtlich sind. Weiterhin werden die Ergebnisse hinsichtlich Datenschutz und Datensicherheit kritisch hinterfragt, indem Metadaten bezüglich Datenschutzerklärung und Berechtigungen eingestuft werden. Die feingranulare Analyse baut auf der grobgranularen Analyse auf. Hierbei wird das Android Package (APK) mittels Tools zur statischen und dynamischen Analyse genauer betrachtet. Des Weiteren werden das Vorhandensein und die Qualität von Maßnahmen zur Absicherung des Datenverkehrs der ausgewählten Apps untersucht und bewertet. Wir stellen fest, dass viele Learning Apps Datenschutzrichtlinien oder sichere Datenübertragung bieten, die Apps auf unsichere Weise implementiert sind und oft eine zum Teil niedrige Codequalität vorweisen, was auf zusätzliche Cybersicherheits- und Datenschutzrisiken schließen lässt.
Zusammenfassung
Dass wertorientierte Technikgestaltung kaum umhinkommt, die gesellschaftsstrukturellen Bedingungen mit zu reflektieren, unter denen sie agiert, ist bekannt. Der Vortrag überträgt diese Einsicht auf den Bereich der Privatheit, indem er die strukturhistorischen Konstellationen rekonstruiert, aus denen sich versch. Formen der informationellen Privatheit in unterschiedlichen Vergesellschaftungsphasen der Moderne jeweils herausgeschält haben. Bei den so identifizierten Privatheitsformen handelt es sich um a) Reputation Management; b) Rückzug; sowie c) individuelle Informationskontrolle. Basierend auf einer solchen Genealogie informationeller Privatheitspraktiken werden in einem weiteren Schritt die strukturellen Treiber zeitgenössischer Privatheit herausgearbeitet, deren Form solchermaßen als d) Unschärfegarantie erkennbar wird. Abschließend werden Konsequenzen diskutiert, die sich aus den somit herausgearbeiteten gesellschaftsstrukturellen Bedingungen zeitgenössischer Technikgestaltung ergeben.
Zusammenfassung
Die Teilhabeplanung für Menschen mit Behinderung ist ein Instrument der Eingliederungshilfe, um soziale Partizipation und gleichberechtigte Teilhabe am Leben in der Gesellschaft zu fördern sowie die individuelle Selbstbestimmung zu ermöglichen. Im vorliegenden Beitrag wird auf Basis von 20 leitfadengestützten Interviews mit Personen aus dem Feld der Eingliederungshilfe dargelegt, wie die Praxis des Dokumentierens aussieht und unter welchen Umständen ggf. Informationen der Menschen mit Behinderungen zurückgehalten, d. h. nicht digital notiert werden. Dies soll Aufschluss darauf geben, welches Konzept von Privatheit die interviewten Personen vertreten. Zudem werden die Ergebnisse hinsichtlich der Datenschutzprinzipien diskutiert.
Zusammenfassung
Das vorliegende Paper verhandelt Anonymität und Privatheit im Kontext des Internets. Wir fassen Anonymität als Differenzierung von Handlungskontexten durch Verschleierung von Identitätsmarkern. Autonomie wird mit Rössler verstanden als autonom-authentische Wahl und ihr Ausdruck in sozialem Handeln. Privatheit schützt diese Autonomie. Anonymität bezieht sich auf Privatheit technisch als kompensatorischer Schutz kontextdifferenziert gewünschten Wissens. Das Internet wird charakterisiert als Fernkommunikation, soziales Gedächtnis und Arena technischer Beobachtung. Anonymität und Privatheit werden auf die Kommunikationssituation im Internet bezogen, dabei wird herausgestellt, wie sich Darknets zu diesem Komplex verhalten. Letztlich werden einige Anmerkungen zum Wert einer „Kultur der Anonymität“ gemacht.
Zusammenfassung
Digitalisierung stößt umfassende Wandlungsprozesse auf gesellschaftlicher, wirtschaftlicher und rechtlicher Ebene an. Übergreifend sind es vor allem fünf miteinander verschränkte, technologiegetriebene Trends, welche die zurzeit tiefgreifenden soziotechnischen Transformationsprozesse vorantreiben: Die Allgegenwart von Smartphones als dominierende Endgeräte der Informations- und Kommunikationstechnik, die Ausbreitung des Internet of Things, die Plattformökonomie, die Verbreitung von Social Networks und Fortschritte im Bereich künstlicher Intelligenz.
New approaches to identity management based on technologies such as blockchain and distributed ledgers are promoted as a chance to give users full control over their own identity data. Despite being often called the future of digital identity management, Decentralized Identity Management (DIdM) and Self-sovereign Identities (SSI) are still facing a number of challenges, usability being a major one: their concepts are too sophisticated for users and do not fit their mental models. We address this by conducting a study that analyses and evaluates the usability and practical applicability of some of the most advanced DIdM solutions. The results of the user tests reveal existing usability issues and outline the way they deprive end users of experiencing the entire range of claimed privacy and security benefits of these identity solutions.
Zusammenfassung
Ziel der vorliegenden Arbeit ist die Erstellung einer Anonymitätsmatrix. Der Fokus liegt hierbei insbesondere in der Verbindung der technischen und psychologischen Komponenten der Betrachtung. Ausgangssituation ist die Verwendung einer Privacy Enhancing Technology, konkret dem Tor-Browser. So ist das Ziel, die Tor-Nutzergruppe in Bezug auf ihre Online-Privatheitskompetenz, Nutzungsweise und Grad der Anonymität zu erforschen. Hierzu wurde eine Online-Befragung ( N = 120 ) sowie ein Leitfadeninterview mit einem Experten aus der IT-Sicherheitsforschung durchgeführt.
Zusammenfassung
Die gesetzgeberische Reichweite eines Staates ist die Voraussetzung zur Gewährleistung der Durchsetzung bestimmter Rechte. Die digitale Souveränität endet mit der Abgabe rechtlicher Durchsetzung. Falls Datensouveränität nicht gewährleistet werden kann, ergeben sich Problemfelder. Im folgenden Paper werden zunächst zwei der vorhandenen Problemfelder (Pattern of Life – Analyse und Industriespionage) erläutert und so die Notwendigkeit aufgezeigt, die einer digitalen Souveränität obliegt. Um diesen Problemen zu begegnen, wird ein Modell dargestellt, welches den notwendigen Unterbau zur Gewährleistung einer ausreichenden Reichweite gesetzlicher Initiativen im digitalen Raum beschreibt. Darauf aufbauend werden Handlungsempfehlungen gegeben, um die beschriebenen notwendigen Bedingungen zu realisieren.
Zusammenfassung
Eine anonyme Nutzung des Internets wird durch die Verwendung sogenannter „Darknet-Technologien“ wie der Tor-Software ermöglicht und ist hierzulande grundrechtlich geschützt. Neben zahlreichen positiven Verwendungszwecken werden solche Technologien allerdings oft auch zur anonymen Begehung von Straftaten eingesetzt. Da ein Verbot von Anonymisierungstechnologien sowohl aus technischer, als auch aus rechtlicher Sicht abzulehnen ist, wendet sich dieser Beitrag den Möglichkeiten der Strafverfolgung im Tor-Netzwerk zu. Es werden Vorgehensweisen zur Identifizierung tatverdächtiger Personen vorgestellt und aus rechtlicher Perspektive bewertet, ob diese von den derzeit existierenden Ermittlungsbefugnissen der Strafverfolgungsbehörden gedeckt wären. Anhand dieser Erkenntnisse soll eine Diskussionsgrundlage für strafrechtliche Ermittlungen im Tor-Netzwerk geschaffen werden, ohne die Legitimität einer anonymen Nutzung des Internets grundsätzlich in Frage zu stellen.
Europäische und deutsche Gesetzgeber:innen und Behörden sind sich einig, dass sie die negativen Folgen von Marktkonzentration begrenzen wollen. Doch inwieweit wirkt sich fehlender Wettbewerb auf den Schutz der Privatsphäre aus? Im Kontext des Facebook-Verfahrens werden v. a. zwei verschiedene Ansätze beleuchtet – einerseits, inwiefern Konzentration den Umfang der gesammelten bzw. genutzten Daten beeinflusst, und andererseits, wie Konzentration sich auf die Verhandlungsposition der Nutzer:innen auswirkt. Dieser Beitrag zeigt auf, dass der erste Ansatz nur spärlich empirisch gestützt ist, während der zweite weiterer konzeptioneller Ausarbeitung bedarf. Im Anschluss wird untersucht, inwieweit nicht nur Marktkonzentration, sondern fehlende Befähigung von Verbraucher:innen dazu führt, dass es keinen wirksamen Wettbewerb um besseren Datenschutz gibt. Beide Teile schließen mit politischen Handlungsempfehlungen ab.
Zusammenfassung
Gesetzliche Regelungen zum Datenschutz wie die DSGVO gehen davon aus, dass ein Schutzbedarf nur für personenbezogene Daten gilt, und anonymisierte Daten damit nicht dem Datenschutz unterliegen. Anonymität ist aber eine relative Eigenschaft, die u. a. vom Dateneigentümer abhängt. Daher kann sie auch in vielen Fällen wieder aufgehoben werden, wie einige in den letzten Jahren bekannt gewordene Beispiele zeigen. Die derzeitige Beschränkung des Datenschutzes auf personenbezogene Daten erscheint daher nicht angemessen, und es gibt verschiedene Ansätze, diese Herausforderung anzugehen. Zuerst einmal könnten auch anonymisierte Daten in der Gesetzgebung zum Datenschutz als schützenswert definiert werden, woraus sich die Forderung nach entsprechenden Maßnahmen wie einer Beschränkung der Weitergabe oder der Durchführung einer Datenschutz-Folgenabschätzung ergibt. Ein anderer bisher allerdings wenig verbreiteter Ansatz ist das gesetzliche Verbot einer Re-Identifikation. Ein gravierender Nachteil der Anonymisierung ist, dass sie dazu führt, dass die Betroffenenrechte wie das Recht auf Auskunft oder auf Löschung nicht mehr umsetzbar sind. Das führt zum dritten möglichen Lösungsansatz, der die Anonymisierung als Maßnahme zum Datenschutz komplett ablehnt. Als Grundlage für eine Lösung dieser Herausforderungen wird ergänzend eine Definition von „im erweiterten Sinne personenbezogenen Daten“ eingeführt.
Zusammenfassung
Mit der europäischen Datenschutzgrundverordnung wurde das Recht auf Datenübertragbarkeit eingeführt. Die Erwartungen an dieses neue Betroffenenrecht waren, dass es die informationelle Selbstbestimmung der Einzelnen stärken und Netzwerk-Effekte verringern kann. Basierend auf zwei qualitativen Studien mit Betroffenen und Unternehmen ziehen wir eine erste Bilanz. Unsere Ergebnisse zeigen, dass das Recht bisher in der Praxis kaum Relevanz hat. Aufgrund der geringen Nachfrage zögern Unternehmen, Schnittstellen bereitzustellen und Anfragen werden häufig per Hand beantwortet. Die Betroffenen wiederum sehen zwar theoretische Vorteile, aber Dienste, die den Import von Daten von Plattformen erlauben, sind rar und es besteht Skepsis gegenüber der Weitergabe umfangreicher Datensätze. Beide Gruppen sehen große Überschneidungen zwischen dem Recht auf Datenübertragbarkeit und dem Recht auf Auskunft. Für die Praxis scheint es daher sinnvoll, Hybridmodelle zu entwickeln, bei denen sowohl eine erklärende Auskunft als auch eine konfigurierbare Abrufmöglichkeit für die Daten bereitgestellt werden. Um in Zukunft die gewünschte Übertragung zwischen zwei Verantwortlichen zu ermöglichen, braucht es darüber hinaus Anreize zur Entwicklung von Schnittstellen sowie Vorgaben zu Formaten und Umfang.
Zusammenfassung
Personalisierung ist eine verbreitete Strategie in der digitalen Welt. In sozialen Netzen sammeln und verteilen Nutzer:innen persönliche Fragmente aus ihrem Leben, während Plattform-Unternehmen auf dieser Basis Angebote und Infrastrukturen personalisieren. Ziel des Aufsatzes ist es, in dieser Situation die These zu plausibilisieren, dass die Personalisierung aufseiten der Nutzer:innen eigenen Methoden und Zielen folgt. Dies soll beitragen zur Beantwortung der Frage, welche Weisen der Personalisierung vor einer möglichen Manipulation durch Plattformen geschützt werden sollten und welche Privatheit dabei helfen kann. Zu diesem Zweck skizziere ich erstens ein sozialtheoretisches Konzept, um Personalisierung als sozio-materiellen Aufbau von Erreichbarkeit verständlich zu machen. Personalisierung in diesem Sinne ist kein digitales Phänomen, sondern eine allgemeine Form der Identifikation menschlicher Wesen und Grundlage für persönliche Beziehungen aller Art. Zweitens präsentiere ich Ergebnisse einer autoethnografischen Studie zur Herstellung von Selfie-Fotografien, die eine mögliche Form der Personalisierung aufseiten der Nutzer:innen unter postdigitalen Bedingungen illustrieren. Die Selfie-Produktion erweist sich dabei als eine verteilte und artifizielle Weise der Gestaltung persönlicher Erreichbarkeit. Im Anschluss an diese Analysen bespreche ich drittens, welche spezifischen Schutzbedürfnisse sich daraus ergeben und welche Form des Privaten zu diesen passt.
Zusammenfassung
Das Recht auf Nichtwissen ist ein Teil der informationellen Selbstbestimmung. Als Persönlichkeitsschutz wurde es bislang überwiegend aus medizinischer Sicht betrachtet, dort ist es anerkannt und wird angewendet. Durch den Output Maschineller Lernsysteme, die u. a. mit persönlichen Daten trainiert werden, kann das aufgeklärte Recht auf Nichtwissen ebenfalls bedroht werden. Selbstanalysen, Selbstoptimierungsvorschläge und ggf. Hinweise zur Anpassung, die auf diesem Wege erstellt werden, bergen Gefahren für die freie Entfaltung der Persönlichkeit und sozialisatorischer Beziehungen – die vermittelte Information ist irreversibel. Dieser Beitrag ordnet die technischen Möglichkeiten zu Selbstanalysen, Selbstoptimierungsvorschlägen und Prognosen durch Maschinelles Lernen ein und verknüpft diese mit einer philosophischen Betrachtung entlang folgender Fragestellung: Wie steht es um die Freiheit der Entscheidung, ob das Individuum durch Maschinelles Lernen berechnete, auf sich bezogene Analysen wissen sollen muss oder ob es sich dazu entschließen darf, diese nicht wissen zu wollen.
Zusammenfassung
Zunächst wird an konkreten Beispielen gezeigt, dass die digitale Welt für Menschen mit Behinderungen nicht problemlos zugänglich ist (Accessibility) und darüber hinaus unterschiedliche Konflikte zwischen Accessibility und Privacy bestehen. Zu den Konflikten tragen verschiedene Aspekte nicht hinreichender oder nicht vorhandener Accessibility wie Privacy bei. Die Ursachen für diese Situation liegen teilweise sehr früh und sehr tief in den Entwicklungsprozessen moderner Software und IT-Systeme, in mangelndem Bewusstsein wie fehlendem Wissen um entsprechende Anforderungen bei Entwickler:innen und Verantwortlichen. Eine Lösung dafür bietet der Europäische Standard EN 16234-1:2019 „e-Competence Framework (e-CF) – A common European Framework for ICT Professionals in all industry sectors“. In seiner neuesten Fassung werden unter anderem Accessibility und Privacy als „transversal aspects“ besonders hervorgehoben und alle IT-Fach- und Führungskräfte zu ihrer Berücksichtigung verpflichtet.
Zusammenfassung
Uploadfilter sind in der jüngeren Vergangenheit Gegenstand von zahlreichen Diskussionen geworden, die teilweise verschiedene Aus-prägungen dieser Systeme vermischen und oft nur unzureichend auf die Herausforderungen und Limitierungen eingehen. In diesem Beitrag soll daher das Thema strukturiert werden, um die Möglichkeiten und Risiken, die bei einem Einsatz von Uploadfiltern entstehen, zu strukturieren. Diese Filter können entweder Inhalte wiedererkennen, was vergleichsweise einfach ist und niedrige Fehlerraten aufweist, oder sie sollen auch Ähnlichkeit erkennen können, wodurch die Fehler ansteigen. Wiedererkennen ist eine beispielsweise Aufgabe bei Urheberrechtsverletzungen, Ähnlichkeit bei Hate Speech. Die Fehlerraten reichen dabei vom Promille bei zu zweistelligen Prozenten und haben dadurch deutliche Auswirkungen auf die Praktikabilität und Auswirkungen der Lösungen. So kann ein autonomer Einsatz in sozialen Medien zu einer hohe Anzahl Fehleinschätzungen führen, was wiederum manuelle Kontrolle erfordert.
During interaction with today’s internet services and platform ecosystems, consumer data is often harvested and shared without their consent; that is, consumers seized to be the sovereigns of their own data with the proliferation of the internet. Due to the rapid and abundant nature of interactions in today’s platform ecosystems, manual consent management is impractical. To support development of semi-automated solutions for reestablishing data sovereignty, we investigate the use of policy definition languages as machine-readable and enforceable mechanisms for fostering data sovereignty. We conducted a realist literature review of the capabilities of policy definition languages developed for pertinent application scenarios (e.g., for access control in cloud computing). We consolidate extant literature into a framework of the chances and challenges of leveraging policy definition languages as central building blocks for data sovereignty in platform ecosystems.
Dieser Artikel lotet verschiedene Spielarten eines pädagogischen Misstrauens gegen die Prüfung aus. Hierfür werden zunächst schulpädagogische Auseinandersetzungen v. a. zu den Problematiken der Leistungsbeurteilung diskutiert. Dafür wird erstens auf die Selektionsfunktion der Schule Bezug genommen, zweitens die Differenz zwischen Standardisierung und Individualisierung der Leistungsmessung betrachtet und drittens das Problem der prognostischen Möglichkeiten von Noten in Bezug auf künftigen Lernerfolg thematisiert. Vor dem Hintergrund dieser drei Argumentationslinien verdichtet sich das Misstrauen gegen die Prüfung als ein unauflösbarer Streit, nicht nur in der Wahl um die angemessenen Instrumente der Leistungsbeurteilung, sondern auch in der Frage danach, wie pädagogisch angemessen mit der diagnostischen Aufgabe umzugehen ist. Das neue Forschungsfeld der Learning Analytics wird anschliessend als eine mögliche Antwort auf diese Frage thematisiert, und es wird gezeigt, wie mit digitalen Prüfungspraktiken das Versprechen einhergeht, auf die genannten Probleme zu reagieren und das schulische Lernen insgesamt zu optimieren. Gleichzeitig wird deutlich gemacht, dass auf diese Weise hinsichtlich des Lernsubjekts, des Lerngegenstands und der pädagogischen Beziehungen Verengungsdynamiken produziert werden. Der Beitrag schliesst mit der Frage danach, inwiefern das Auslagern der Prüfung an digitale Tools mit einem Verantwortungsverlust der pädagogisch Handelnden verbunden ist.
Die Erzeugung und Nutzung (digitaler) Daten gewinnt nicht nur im unterrichtlichen Kontext zunehmend an Relevanz, sondern Daten beeinflussen auch das Handeln pädagogischer Akteurinnen und Akteure und stellen diese vor (neue) Herausforderungen. Der Beitrag fokussiert hieran anknüpfend das Verständnis von Datenhandeln pädagogischen Personals in dessen Alltag. Unter der Prämisse, dass Metaphern Denk- und Handlungsorientierungen sichtbar und damit auch Un-Sagbares sowie handlungsleitende Sinnstrukturen zum Ausdruck bringen können, rekonstruieren wir die in diesem Zusammenhang gebrauchte Verwendung metaphorischer Konzepte in Interviews mit Schulleitungen. Nach einer kurzen theoretischen und methodischen Rahmung des Artikels werden im empirischen Ergebnisteil vier rekonstruierte metaphorische Konzepte (Datenhandeln ist verwalten, Datenhandeln ist schützen, Datenhandeln ist sichtbarmachen sowie Datenhandeln ist Waren austauschen) vorgestellt und diskutiert. Diese unterscheiden sich zwar hinsichtlich ihrer Funktionen, weisen aber als Common Sense auf ein weitestgehend vergegenständlichtes Verständnis von Daten in Schule hin.
Der digitale Wandel führt zu einer Zunahme des Datenvolumens und neuen Möglichkeiten der Datennutzung. Auch an Hochschulen befördert der voranschreitende Technologieeinsatz in Studium und Lehre die als „Datafication“ beschriebene Entwicklung. Hieraus erwachsen einerseits Anforderungen bezüglich des kompetenten Umgangs mit Daten (Data Literacy) und insbesondere des Datenschutzes, denen sich Hochschulen schon heute nicht entziehen können, andererseits aber auch neue Potenziale der gezielten Datennutzung. Unter „Learning Analytics“ werden seit etwa einer Dekade Möglichkeiten der Datenauswertung entwickelt und diskutiert, die ein tieferes Verständnis und eine Optimierung von Lernumgebungen und -prozessen in Aussicht stellen und sowohl Dozierende und Studierende als auch hochschulische Leitungspersonen und -gremien adressieren. Ungeachtet der technischen Dimension der Datenverarbeitung ist die Implementierung von Learning Analytics vor allem auch organisational anspruchsvoll. Zugleich korrespondieren mit Szenarien hochschulischer Datennutzung begründete Einwände und ethische Bedenken. Im Beitrag wird zunächst in das noch junge Feld Learning Analytics eingeführt und anschließend ein Orientierungsrahmen für Hochschulen vorgelegt, der aus institutioneller Perspektive 25 Handlungsanforderungen für einen sensiblen, potenzialorientierten und organisationsbewussten Umgang mit lehr- und lernbezogenen Daten beschreibt.
Zusammenfassung
Lernangebote müssen hochwertig und didaktisch innovativ sein, um Lernenden mit ihrem individuellen Bedarf gerecht zu werden. Für digitale Lernangebote gilt dies in besonderem Maße, da zum Beispiel die Möglichkeit des direkten Austauschs wie in Präsenzformaten nicht gegeben ist. Gleichzeitig ermöglichen digitale Lernangebote ein hochgradig individualisiertes und personalisiertes Lernangebot. Künstliche Intelligenz (KI) gewinnt im Alltag und auch als Lerninhalt an Bedeutung. KI findet zunehmend in alle Lebensbereiche Eingang. Entsprechend wichtig ist die Beschäftigung mit der Thematik ebenso wie die Vermittlung von KI-Kompetenzen, um verstehen zu können, wie KI funktioniert. Im Fokus des Beitrags steht deshalb die Frage, welchen didaktisch-methodischen Anforderungen eine digitale Lehr-Lern-Plattform zum Thema KI gerecht werden muss. Dies wird anhand einer Analyse digitaler Lern-/Lehrformate auf etablierten digitalen Lernplattformen diskutiert. Im Fokus steht dabei die Frage, welche didaktischen Lern-/Lehrformate und Lernsettings geeignet sein könnten, um eine Stärkung von KI-Kompetenzen durch vorrangig digitale Lernangebote zu erreichen. In der Diskussion werden Implikationen der Ergebnisse unter Berücksichtigung der Gestaltung und des Aufbaus der digitalen Lernplattform „KI-Campus – Die Lernplattform für Künstliche Intelligenz“ skizziert.
Die fortschreitende Digitalisierung umfasst immer mehr Bereiche des Alltagslebens. Die damit verbundenen Gefahren waren ein wesentlicher Grund für die Entstehung der Datenschutz-Grundverordnung (DS-GVO), mit der die Ermächtigung des Individuums verfolgt wurde. Ähnlich wie schon in der Vergangenheit in anderen Bereichen (etwa im Verbraucher- oder Umweltschutz), ist angesichts der komplexen Digitalisierungsprozesse in den letzten Jahren jedoch in zunehmendem Maße die Frage in den Vordergrund gerückt, ob und inwiefern sich ein wirksamer Datenschutz auf Grundlage eines individualistischen Konzepts in Form der Ermächtigung des Individuums realisieren lässt.
Vor dem Hintergrund dieser Debatten diskutiert der vorliegende Beitrag die Herausforderungen, denen sich individualistische Datenschutz-Konzeptionen ausgesetzt sehen und anschließend anhand ausgewählter Teilbereiche des Daten-schutzrechts Lösungsansätze, die über die Fokussierung auf das Individuum hinausgehen und die als eine Art Mittelweg zwischen individualistischen und kollektivistischen Ansätzen verstanden werden können. Im Zentrum der Gestaltungsvorschläge steht die sog. Multi-Stakeholder-Datenschutz-Folgenabschätzung, die gemeinsam mit weiteren überindividuellen Maßnahmen geeignet wäre, die Gefahren moderner Datenverarbeitungen in angemessener Weise zu adressieren.
Wer sich als Pädagoge und Wissenschaftler mit dem Thema Digitalisierung im Kontext von Unterricht, Lehre und Bildungsprozessen befasst, stellt schnell fest: Kaum jemand realisiert die Tragweite der durch Digitaltechnik und Netzwerke möglichen und von IT-Konzernen forcierten Transformation von Bildungseinrichtungen zu immer stärker automatisierten, kybernetisch gesteuerten Beschulungs- und Prüfanstalten. „It’s the economy, stupid“ wird zum Mantra auch der Bildung. Der Begriff Learning Analytics als Teilaspekt von Big Data Analytics weist ebenso auf Automatisierungstechnik für Lernprozesse wie der Begriff der datengestützten Schulentwicklung (Hartong, Learning Analytics und Big data in der Bildung, 2019). Mit Summit Learning (Facebook), Google Classroom oder Apple Education sind vollautomatisierte Systeme in den USA bereits im Einsatz. Der DigitalPakt Schule schafft die technischen Voraussetzungen für die Beschulung per Netz und Cloud in Deutschland (Lankau, Bildungsmarkt Schule. Tatsächliche Kosten des Digitalpakt Schule und verdeckte Interessen, 2019).
Seit nahezu einer Dekade werden Learning Analytics im Hochschulkontext als Ansatz zum Verständnis sowie zur Optimierung von Lehr-Lern-Prozessen und Lernumgebungen verwendet. Der Beitrag skizziert zentrale Entwicklungslinien von Learning Analytics und geht auf deren Potenziale sowie damit verbundene Fragen zum Datenschutz ein. Basierend auf einer systematischen Übersichtsarbeit und Stakeholderinterviews werden Handlungsempfehlungen für die Implementation von Learning Analytics an Hochschulen vorgestellt. Der Ausblick diskutiert aktuelle Forschungsdesiderata.
In diesem Thementeil wird die historische, bildungstheoretische, ästhetische und machtsensible Reflexion und Kritik von digitalen Bildungs-, Erziehungs-, Sozialisations- und Lernprozessen im Mittelpunkt stehen. Dabei wird weder der Anspruch erhoben, die Kritik an der Digitalisierung der Bildung verfassen zu wollen, noch eine komplette Kartierung potenzieller Kritikfelder zu erstellen. Vielmehr unternehmen die hier versammelten Artikel kritische Explorationen in verschiedene Themenfelder digitaler Bildung.
Computer-unterstütztes kooperatives Lernen (CSCL) bedeutet, dass mehrere Lernende gemeinsam Lernaufgaben bearbeiten und dabei von Computern unterstützt werden. Basierend auf Merkmalen von Lernaufgaben sowie verschiedenen technischen Unterstützungsmöglichkeiten wird hier ein Modell von CSCL-Szenarien vorgestellt. Das Modell ermöglicht es Wirkzusammenhänge von Unterstützungsmaßnahmen für CSCL-Szenarien einschätzen und überdauernde Gestaltungsmerkmale für CSCL-Szenarien entwickeln zu können.
Der Forschungsbereich um Learning Analytics hat sich in den vergangenen fünf Jahren rasant entwickelt. Learning Analytics verwenden statische Daten von Lernenden und dynamische in Lernumgebungen gesammelte Daten über Aktivitäten (und den Kontext) des Lernenden, um diese in nahezu Echtzeit zu analysieren und zu visualisieren, mit dem Ziel der Modellierung und Optimierung von Lehr-Lernprozessen und Lernumgebungen. Learning Analytics kann sowohl auf Kursebene als auch auf curricularer Ebene sowie institutionsweit bzw. -übergreifend implementiert werden. Trotz der großen Aufmerksamkeit für das Thema Learning Analytics in der Wissenschaft steckt die praktische Anwendung von Learning Analytics noch in den Anfängen. Dennoch müssen Bildungsinstitutionen bereits jetzt Kapazitäten entwickeln, um der aktuellen Entwicklung folgen zu können. Es bleibt zu erwarten, dass neben datenschutzrechtlichen Regelungen in der Verwendung von Learning Analytics auch technische Standards zum Austausch von Daten aus dem Bildungskontext entwickelt werden.
The development of Technology Enhanced Learning (TEL) and Technology Enhanced Teaching (TET) in academic education is explored by mapping current needs and educational opportunities. The theoretical target is to derive perspective scenarios for a largely digitized teaching, learning and testing in study, teaching and further education of universities in Germany. While the digitization movement is progressing throughout society, as well as the high innovation dynamics of artificial intelligence (AI) technologies and the associated transformation processes, related TEL and TET Scenarios can be concluded. In the next step, considerations of the prerequisites and also of the readiness of the university, regarding infrastructure and competence of the teachers, but also regarding organizational and legal aspects, can be specified. This will allow to link the current European discussions such as DigCompEdu, the European Digital Competence Framework for Educators (see https://ec.europa.eu/jrc/en/digcompedu), and the role of Artificial Intelligence in Europe (cp. https://ec.europa.eu/digital-singlemarket/en/news/ communication-artificial-intelligence-europe).
Die Digitalisierung aller Lebensbereiche ist kein Technik-, sondern ein Systemwechsel. Alles, was wir im Netz tun, wird verdatet; idealiter prenatal bis postmortal. Dieser Datenpool wird mit immer ausgefeilteren Algorithmen des Big Data Mining analysiert und mit Methoden der Empirie, Statistik und Mustererkennung ausgewertet. Der Mensch wird zum Datensatz. Je früher Menschen psychometrisch vermessen werden können, desto exaktere Persönlichkeits-, Lern- und Leistungsprofile entstehen – und umso leichter ist die Einflussnahme. Das ist der Grund für die Forderung nach Digitaltechnik in KiTas und Grundschulen. Menschen werden daran gewöhnt zu tun, was Maschinen ihnen sagen. Das ist Gegenaufklärung aus dem Silicon Valley per App und Web. Wie Alternativen aussehen können, zeigt dieser Beitrag.
Learning Analytics can provide powerful tools for teachers in order to support them in the iterative process of improving the effectiveness of their courses and to collaterally enhance their students' performance. In this paper, we present the theoretical background, design, implementation, and evaluation details of eLAT, a Learning Analytics Toolkit, which enables teachers to explore and correlate learning object usage, user properties, user behavior, as well as assessment results based on graphical indicators. The primary aim of the development of eLAT is to process large data sets in microseconds with regard to individual data analysis interests of teachers and data privacy issues, in order to help them to self-reflect on their technology-enhanced teaching and learning scenarios and to identify opportunities for interventions and improvements.
Nell’era di Internet, delle tecnologie mobili e dell’istruzione aperta, la necessità di interventi per migliorare l’efficienza e la qualità dell’istruzione superiore è diventata pressante. I big data e il Learning Analytics possono contribuire a condurre questi interventi, e a ridisegnare il futuro dell’istruzione superiore. Basare le decisioni su dati e sulle evidenze empiriche sembra incredibilmente ovvio. Tuttavia, l’istruzione superiore, un campo che raccoglie una quantità enorme di dati sui propri “clienti”, è stata tradizionalmente inefficiente nell’utilizzo dei dati, spesso operando con notevole ritardo nell’analizzarli, pur essendo questi immediatamente disponibili.
In questo articolo, viene evidenziato il valore delle tecniche di analisi dei dati per l’istruzione superiore, e presentato un modello di sviluppo per i dati legati all’apprendimento. Ovviamente, l’apprendimento è un fenomeno complesso, e la sua descrizione attraverso strumenti di analisi non è semplice; pertanto, l’articolo presenta anche le principali problematiche etiche e pedagogiche connesse all’utilizzo delle tecniche di analisi dei dati in ambito educativo. Cionondimeno, il Learning Analytics può penetrare la nebbia di incertezza che avvolge il futuro dell’istruzione superiore, e rendere più evidente come allocare le risorse, come sviluppare vantaggi competitivi e, soprattutto, come migliorare la qualità e il valore dell’esperienza di apprendimento.
The field of learning analytics has the potential to enable higher education institutions to increase their understanding of their students’ learning needs and to use that understanding to positively influence student learning and progression. Analysis of data relating to students and their engagement with their learning is the foundation of this process. There is an inherent assumption linked to learning analytics that knowledge of a learner’s behavior is advantageous for the individual, instructor, and educational provider. It seems intuitively obvious that a greater understanding of a student cohort and the learning designs and interventions they best respond to would benefit students and, in turn, the institution’s retention and success rate. Yet collection of data and their use face a number of ethical challenges, including location and interpretation of data; informed consent, privacy, and deidentification of data; and classification and management of data. Approaches taken to understand the opportunities and ethical challenges of learning analytics necessarily depend on many ideological assumptions and epistemologies. This article proposes a sociocritical perspective on the use of learning analytics. Such an approach highlights the role of power, the impact of surveillance, the need for transparency, and an acknowledgment that student identity is a transient, temporal, and context-bound construct. Each of these affects the scope and definition of learning analytics’ ethical use. We propose six principles as a framework for considerations to guide higher education institutions to address ethical issues in learning analytics and challenges in context-dependent and appropriate ways.
This article considers the developing field of learning analytics and argues that to move from small-scale practice to broad scale applicability, there is a need to establish a contextual framework that helps teachers interpret the information that analytics provides. The article presents learning design as a form of documentation of pedagogical intent that can provide the context for making sense of diverse sets of analytic data. We investigate one example of learning design to explore how broad categories of analytics—which we call checkpoint and process analytics—can inform the interpretation of outcomes from a learning design and facilitate pedagogical action.
With the increase in available educational data, it is expected that Learning Analytics will become a powerful means to inform and support learners, teachers and their institutions in better understanding and predicting personal learning needs and performance. However, the processes and requirements behind the beneficial application of Learning and Knowledge Analytics as well as the consequences for learning and teaching are still far from being understood. In this paper, we explore the key dimensions of Learning Analytics (LA), the critical problem zones, and some potential dangers to the beneficial exploitation of educational data. We propose and discuss a generic design framework that can act as a useful guide for setting up Learning Analytics services in support of educational practice and learner guidance, in quality assurance, curriculum development, and in improving teacher effectiveness and efficiency. Furthermore, the presented article intends to inform about soft barriers and limitations of Learning Analytics. We identify the required skills and competences that make meaningful use of Learning Analytics data possible to overcome gaps in interpretation literacy among educational stakeholders. We also discuss privacy and ethical issues and suggest ways in which these issues can be addressed through policy guidelines and best practice examples.
Cognitive scientists have studied internal cognitive structures, processes, and systems for decades in order to understand how they function in human learning. In order to solve challenging tasks in problem situations, learners not only have to perform cognitive activities, e.g., activating existing cognitive structures or organizing new information, they also have to set specific goals, plan their activities, monitor their performance during the problem-solving process, and evaluate the efficiency of their actions. This paper reports an experimental study with 98 participants where effective instructional interventions for self-regulated learning within problemsolving processes are investigated. Furthermore, an automated assessment and analysis methodology for determining the quality of learning outcomes is introduced. The results indicate that generic prompts are an important aid for developing cognitive structures while solving problems. © International Forum of Educational Technology & Society (IFETS).
We propose that the design and implementation of effective Social Learning Analytics (SLA) present significant challenges and opportunities for both research and enterprise, in three important respects. The first is that the learning landscape is extraordinarily turbulent at present, in no small part due to technological drivers. Online social learning is emerging as a significant phenomenon for a variety of reasons, which we review, in order to motivate the concept of social learning. The second challenge is to identify different types of SLA and their associated technologies and uses. We discuss five categories of analytic in relation to online social learning; these analytics are either inherently social or can be socialised. This sets the scene for a third challenge, that of implementing analytics that have pedagogical and ethical integrity in a context where power and control over data are now of primary importance. We consider some of the concerns that learning analytics provoke, and suggest that Social Learning Analytics may provide ways forward. We conclude by revisiting the drivers andtrends, and consider future scenarios that we may see unfold as SLA tools and services mature. © International Forum of Educational Technology & Society (IFETS).
This paper examines the current state of learning analytics (LA), its stakeholders and the benefits and challenges these stakeholders face. LA is a field of research that involves the gathering, analyzing and reporting of data related to learners and their environments with the purpose of optimizing the learning experience. Stakeholders in LA are students, educators, researchers, institutions, and government agencies. The way in which analytics information flows from students to other stakeholders involves a hierarchy, where all stakeholders are able to provide input and offer recommendations to enrich the learning process for the student. Challenges faced by stakeholders include the movement of traditional analytics to learner-centered analytics, working with datasets across various settings, addressing issues with technology and resolving ethical concerns. Despite these challenges, research points to solutions that will allow LA to transform teaching and learning.
Interest in collecting and mining large sets of educational data on student background and performance to conduct research on learning and instruction has developed as an area generally referred to as learning analytics. Higher education leaders are recognizing the value of learning analytics for improving not only learning and teaching but also the entire educational arena. However, theoretical concepts and empirical evidence need to be generated within the fast evolving field of learning analytics. The purpose of the two reported cases studies is to identify alternative approaches to data analysis and to determine the validity and accuracy of a learning analytics framework and its corresponding student and learning profiles. The findings indicate that educational data for learning analytics is context specific and variables carry different meanings and can have different implications across educational institutions and area of studies. Benefits, concerns, and challenges of learning analytics are critically reflected, indicating that learning analytics frameworks need to be sensitive to idiosyncrasies of the educational institution and its stakeholders.
The massive adoption of technology in learning processes comes with an equally large capacity to track learners. Learning analytics aims at using the collected information to understand and improve the quality of a learning experience. The privacy and ethical issues that emerge in this context are tightly interconnected with other aspects such as trust, accountability and transparency. In this paper, a set of principles is identified to narrow the scope of the discussion and point to pragmatic approaches to help design and research learning experiences where important ethical and privacy issues are considered.
purposes. For instance, in the world of e-commerce, it is a common practice to use publicly available datasets
from different application environments (e.g. MovieLens or Bookcrossing) to support research on
recommendation techniques. These datasets are used as benchmarks to develop new algorithms and to compare
them to other algorithms in given settings. Finding such available datasets for experimentation can be a
challenging task in technology enhanced learning, as there are various sources of data that have not been
identified and documented exhaustively. In this paper, we provide such an analysis of datasets that can be used
for research on learning and knowledge analytics. First, we present a framework for the analysis of educational
datasets. Then, we analyze existing datasets along the dimensions of this framework and outline future
challenges for the collection and sharing of educational datasets.
How Purdue University is changing the academic behavior of struggling students.
Let's not forget: Learning analytics are about learning
- D Gaševiae
- S Dawson
- G Siemens
Gaševiae, D., S. Dawson, G. Siemens, Let's not forget: Learning
analytics are about learning, in: TechTrends, Vol. 59, No. 1
(2015), S. 64-71.
Technology Outlook for Australian Tertiary Education
- L Johnson
- S Adams Becker
- M Cummins
- A Freeman
- D Ifenthaler
- N Vardaxis
Johnson, L., S. Adams Becker, M. Cummins, A. Freeman, D. Ifenthaler, N. Vardaxis, Technology Outlook for Australian Tertiary
Education 2013-2018: An NMC Horizon Project Regional
Analysis, Austin, TX 2013.