Learning Analytics in OPAL - Potentiale und zukünftige Entwicklungen

Learning Analytics sind aktuell ein vielgenanntes Schlagwort, dass auch im Kontext der Hochschullehre immer häufiger diskutiert wird. Wir haben uns diesen Trend im Projekt "Know your Students" einmal angesehen und untersucht, was diesbezüglich in OPAL bereits für Informationen zur Verfügung stehen und wie diese zur Verbesserung der Hochschullehre eingesetzt werden können.

Unter Learning Analytics wird vor allem "die Sammlung und Auswertung von Daten aus Lernprozessen [verstanden], um diese in lernunterstützende Aktionen zu übertragen. (…) [Wobei sich diese] nicht auf die (voll-)automatische Analyse und Auswertung der Daten beschränken.“ (Chatti et al. 2012a, S. 22).

Dabei steht aus unserer Sicht nicht die Datenerhebung und -auswertung im Vordergrund, sondern eine auf den Analyseergebnissen begründete didaktische Intervention, also eine Reaktion/Veränderung des Lehrenden und seiner Lehrhandlungen. Der Lehrende kann demnach verschiedene Fragen an das Datenmaterial stellen und daraus didaktische Konsequenzen ableiten.
Wir haben im Rahmen des Projektes in Fallanalysen sechs OPAL-Kurse von Lehrenden der TU Dresden untersucht und dazu die OPAL-Kursstatistik, den Personenfilter und das Bewertungswerkzeug genutzt. Parallel dazu haben wir Gruppeninterviews mit Studierenden aus den entsprechenden Lehrveranstaltungen geführt, um die Analyse-Ergebnisse durch diese kommentieren zu lassen.

Beispielhaft soll in diesem Blogbeitrag die Analyse eines Kurses mit Hilfe der OPAL-Kursstatistik vorgestellt werden. Hierzu wurde folgende Frage an das Datenmaterial gestellt: "Wann nutzen die Studierenden meine Materialien?". Da OPAL alle Zugriffe auf jeden Kursbaustein erfasst und über die Kursstatistik verfügbar macht, lassen sich zu dieser Frage bereits Antworten gewinnen. In OPAL sieht die Anzeige der Kursstatistik so aus:

Abb.: OPAL-Kursstatistik, Anzahl der Zugriffe pro Kursbaustein (zum Vergrößern bitte auf die Abbildung klicken)

Um die Daten besser interpretieren zu können, haben wir sie in Excel exportiert und grafisch mit Annotationen aufbereitet. So können die Daten in Bezug zum Semester und den Handlungen des Lehrenden gestellt werden.

Abb.: annotierte Kursstatistik in Excel (zum Vergrößern bitte auf die Abbildung klicken)

In diesem Beispiel konnten wir feststellen, dass die Studierenden grundsätzlich am Tag der Lehrveranstaltung sowie am Vortag verstärkt auf den OPAL-Kurs (vor allem auf den Ordner mit den Vorlesungspräsentationen) zugegriffen haben. Der Lehrende hat jedoch zu Beginn des Semesters neue Materialien erst am Veranstaltungstag zur Verfügung gestellt. Eine didaktische Konsequenz des Lehrenden war es also, die Materialien im Verlauf des Semesters bereits am Vortag der Veranstaltung hochzuladen. In diesem Fall hat sich jedoch am Nutzungsverhalten der Studierenden nichts geändert.

Weitere mögliche Fragen an diesen Kurs könnten sein: "Welche Materialien werden genutzt und welche nicht?" Als mögliche Konsequenz könnten nicht verwendete Materialien in der Veranstaltung erklärt und eingebunden werden, damit Studierende überhaupt erst einmal darauf aufmerksam werden.

Diese Beispiele zeigen, wie Learning Analytics zur Unterstützung der Hochschullehre genutzt werden können. Weitere Beispiele haben wir im Paper und Vortrag zum "Workshop on E-Learning" im September vorgestellt. Die Erfahrungen aus dem Projekt haben uns gezeigt, dass Learning Analytics durchaus Potenziale zur Verbesserung der Hochschullehre haben. Die dafür in OPAL zur Verfügung stehenden Mittel sind dafür jedoch momentan zu umständlich und nicht für diesen Zweck angelegt. Die BPS GmbH als Betreiberin der Lernplattform ist jedoch bestrebt, das Thema weiter zu verfolgen und hier weitere Möglichkeiten zu schaffen. 

Was ist Ihre Meinung zu diesem Thema? Haben Sie bereits eigene Erfahrungen? Was würden Sie gern über das Nutzungsverhalten Ihrer Studierenden erfahren? Tauschen Sie sich aus: entweder hier im Blog mittels Kommentar oder teilen Sie uns Ihre Meinung mit per E-Mail an unsere verantwortliche Mitarbeiterin.