AFLEK – Analyse und Förderung von Lernverläufen zur Entwicklung von Kompetenzen

Projektbeschreibung

Mit der automatischen Auswertung von bei der Bearbeitung digitaler Lerneinheiten generierten Daten soll Lehrkräften ermöglicht werden, unproduktive Lernverläufe zeitnah zu erkennen, die ursächlichen Lernschwierigkeiten zu identifizieren und instruktionale Interventionen, die die unproduktiven Lernverläufe in produktive überführen, zu unterstützen. 
Zu untersuchende Fragen und Hypothesen:

1a) Welche (Prozess-) Daten aus der Lernumgebung werden in welchem Umfang benötigt, um verlässlich und valide Rückschlüsse auf Lernen bzw. Lernschwierigkeiten zuzulassen?  

1b) Wie können die heterogenen Daten integriert werden, um mit Blick auf die Kompetenzentwicklung produktive und unproduktive Lernverläufe verlässlich und valide zu erkennen?

2a) Welche Lernverläufe führen zu Kompetenzentwicklung (d.h. sind produktiv) bzw. nicht zu Kompetenzentwicklung (d.h. sind unproduktiv)? (Hypothesen: Produktive Lernverläufe sind durch kontinuierliche erfolgreiche Bearbeitung der Aktivitäten und damit Wissensintegration gekennzeichnet. Unproduktive Lernverläufe sind durch nicht erfolgreiche Bearbeitung einer Aktivität und in der Folge weitere nicht erfolgreiche Bearbeitungen gekennzeichnet.)

2b) Welche Lernschwierigkeiten lassen sich als Ursache unproduktiver Lernverläufe identifizieren? (Hypothese: Neben fehlendem – aber notwendigem – Vorwissen, lassen sich vorherrschende Alltagsvorstellungen als Lernschwierigkeiten identifizieren.)

3) Inwieweit lassen sich als unproduktiv identifizierte Lernverläufe durch gezielte Instruktion in produktive Lernverläufe überführen? (Hypothesen: Unproduktive Lernverläufe, die ihre Ursache in fehlendem Vorwissen haben, lassen sich durch direkte Instruktion im Anschluss an die nicht erfolgreiche Bearbeitung einer Aktivität in produktive Lernverläufe überführen. Unproduktive Lernverläufe, die ihre Ursache in Alltagsvorstellungen haben, lassen sich durch geführte Instruktion zur doch noch erfolgreichen Bearbeitung der Aktivität in produktive Lernverläufe überführen.)

Projektziel

Mit der Hilfe von Learning Analytics sollen beim digitalen Lernen im Schulunterricht nicht-invasiv (also ohne explizites Assessment) Lernverläufe erkannt werden können, die zur Kompetenzentwicklung beitragen bzw. nicht beitragen. Dies soll der Unterstützung der Kompetenzentwicklung (möglichst) aller Schüler*innen dienen.

Kooperationen

Prof. Dr. Knut Neumann, IPN - Leibniz-Institut für die Pädagogik der Naturwissenschaften und Mathematik

Prof. Dr. Nikol Rummel, Fakultät für Philosophie und Erziehungswissenschaft der Ruhr-Universität Bochum

Projektleitung

Projektteam

• Dr. Daniele Di Mitri
• Onur Karademir

Projektdaten