Learning Analytics & Adaptive Learning

Laufzeit: Januar 2022 – Dezember 2025
Status: Abgeschlossen
Bildungsstufe: Tertiärstufe
Thema: Artificial Intelligence AI, Digital Tools
Keywords: Digitalisierte Lehrmodule

Ausgangslage

Individuelles Lernen und Lehren sind auf der tertiären Stufe aufgrund der mitunter hohen Studierendenzahlen eine grosse Herausforderung, insbesondere in Methodenfächern, in denen der Aufwand für gute Lehre besonders hoch ist. Um diesen Herausforderungen zu begegnen, haben sich an der Universität Bern die Institute für Psychologie und Sportwissenschaft (Philosophisch-humanwissenschaftliche Fakultät) sowie das Institut für Mathematik (Philosophisch-naturwissenschaftliche Fakultät) in diesem Projekt zusammengeschlossen. Ziel ist es, die technischen Möglichkeiten digitaler Lehre stärker auszuschöpfen und innovative Lehr-Lern-Formate zu entwickeln. Im Zentrum des Projekts steht der Ausbau und Transfer eines Learning-Analytics-Systems, das den Präsenzunterricht begleitet und den Student*innen hilfreiche Lehrmittel sowie personalisierte Rückmeldungen bieten kann, um ihnen ein optimiertes, individuelles Lernen zu ermöglichen.

Ziele

Über den Learning-Analytics-Ansatz ist es möglich, viele Aspekte des Lernverhaltens digital messbar zu machen. Diese Daten müssen jedoch in ihrer inhaltlichen und prognostischen Bedeutung besser verstanden werden, um ihren Nutzen für die Unterstützung von Student*innen bei der Erreichung der Lehrziele auszuschöpfen. Dieses BeLEARN-Projekt hat sich den folgenden Fragen gewidmet:

1. Wie können grosse Datenmengen sinnvoll verarbeitet und auf eine überschaubare Menge reduziert werden, die aber immer noch relevante Informationen beinhaltet? Können Machine-Learning-Ansätze hierzu beitragen?
2. Lassen sich Daten, die über den Learning-Analytics-Ansatz gewonnen werden, konzeptuell in lernrelevante Aspekte der Persönlichkeit einordnen, wie z.B. allgemeine Leistungsfähigkeit, Bearbeitungseffizienz, Mühe bei der Bearbeitung, Gewissenhaftigkeit oder Selbstwirksamkeit?
3. Über welche Aspekte des Lernverhaltens ist es möglich, die Abschlussnote in universitären Kursen vorherzusagen?
   Können anhand der über den Learning-Analytics-Ansatz gewonnenen Daten individualisierte und personalisierte Lernempfehlungen vorgenommen werden, welche den Student*innen helfen, ihr Lernverhalten schon während des Semesters und erfolgsversprechend für anstehende Prüfungen anzupassen?
4. Können anhand der über den Learning-Analytics-Ansatz gewonnenen Daten individualisierte und personalisierte Lernempfehlungen vorgenommen werden, welche den Student*innen helfen, ihr Lernverhalten schon während des Semesters und erfolgsversprechend für anstehende Prüfungen anzupassen?

Methode

Im Projekt wurden Online-Assessments (initial, formativ und summativ) eingesetzt, die Student*innen Aufgaben zu Vorlesungsinhalten stellten und direktes, erklärendes Feedback zu ihren Lösungen gaben. Die Online-Assessments erlaubten die automatische Erfassung von Leistungsdaten und Bearbeitungszeiten sowie wiederholte Befragungen zum Lernverhalten. So konnten über ganze Semester hinweg Lernprozesse analysiert werden. Die Daten waren dabei streng pseudonymisiert, sodass nur die Student*innen wussten, welches Pseudonym zu ihren Daten gehörte, während die Lehrenden und Forscher*innen diese Zuordnung nicht vornehmen konnten. Ergänzend wurden Dashboards entwickelt, um Student*innen eine Übersicht über ihren Leistungsstand zu geben und Lehrenden Einblicke in den Lernfortschritt zu ermöglichen.

Ergebnisse

• Unsere Forschung zeigt, dass Learning Analytics individuelles Lernen auch in grossen Gruppen sinnvoll unterstützen kann.
• Die eingesetzten Online-Assessments ermöglichen, Lernverhalten datenbasiert zu erfassen und relevante Persönlichkeitsmerkmale wie Gewissenhaftigkeit oder Bearbeitungseffizienz zu identifizieren. Diese verbesserten die Vorhersage der späteren akademischen Leistung.
• Machine-Learning-Ansätze konnten eingesetzt werden, um komplexe Daten auf wenige, lernrelevante Muster zu reduzieren. Verschiedene Verhaltenstypen mit unterschiedlichem Lernerfolg konnten erkannt werden.
• Die Ergebnisse ermöglichen personalisierte Rückmeldungen, um Student*innen frühzeitig beim Anpassen ihres Lernverhaltens zu unterstützen, sie im selbstregulierten Lernen zu fördern und Lernziele besser zu erreichen.

Umgesetzte Translation

Um geeignete Translationspartnerinnen und -partner für unser Projekt zu finden, wurden Gespräche mit verschiedenen Bildungseinrichtungen und Unternehmen geführt. Dabei wurden die Erwartungen und Bedürfnisse von Lernenden, Lehrenden, Verantwortlichen aus der betrieblichen Weiterbildung sowie Entwickelnden von Lehr-Lernmaterialien im fortlaufenden Austausch herausgearbeitet. Auf Grundlage dieser Analysen wurde der Verein Swiss Learning Analytics (learning-analytics.ch) gegründet. Der Verein berät Unternehmen und Bildungseinrichtungen bei der evidenzbasierten Umsetzung von Learning Analytics und stellt skalierbare, übertragbare Open-Source-Tools bereit, die im Rahmen der Learning-Analytics-Projekte entwickelt wurden. Ziel ist es, Learning Analytics sowohl im Forschungs- als auch im Anwendungskontext weiterzuentwickeln und in der Schweiz zu verbreiten. Aktuell wird im Rahmen des Vereins ein erstes Projekt mit der Swisscom umgesetzt. Langfristig soll der Verein als Plattform für die nachhaltige Zusammenarbeit zwischen Forschung und Praxis im Bereich Learning Analytics etabliert werden.

Die Projektergebnisse wurden laufend in die Lehrpraxis überführt und führten zur nachhaltigen Verankerung datenbasierter Lehrentwicklung. Lehrpersonen nutzen die Erkenntnisse zur Anpassung von Lehrformaten und Unterstützungsangeboten. Student*innen profitieren von personalisierten Rückmeldungen und gezielter Förderung – auch in grossen Gruppen. Ein erweitertes Dashboard unterstützt Student*innen gezielt beim Lernen. Der Impact wird durch wiederholte Evaluationen, Leistungsdaten sowie Rückmeldungen von Student*innen und Lehrenden gemessen.

Beteiligte Institutionen