Studierendenerfolg mit Learning Analytics (STELA)

Studienerfolg

Das Projekt STELA untersuchte, ob mittels sozio-technologischer Ansätze, mithilfe derer Bildungsdaten zum Verständnis und zur Optimierung von Lern-Lehr-Prozessen und Lernumgebungen analysiert werden, der Lernerfolg an Hochschulen nachhaltig unterstützt werden kann. Im Interview berichtet Projektleiter Professor Dirk Ifenthaler (Universität Mannheim) von den Forschungsergebnissen und deren Bedeutung für deutsche Hochschulen.

Worum ging es in Ihrem Forschungsprojekt STELA?

Durch Analysen von umfassenden Bildungsdaten entstehen Potentiale für unterschiedliche Stakeholder einer Organisation. Auf der Organisationsebene können Ressourcen anhand von datenevidenten Informationen bedarfsgerecht verteilt werden. Lehrende erhalten jederzeit Einblicke in die Fortschritte der Lernenden und wie diese die Lernmaterialen nuten. Auch können Lernangebote an die heterogenen Zielgruppen angepasst oder für anstehende Projekte optimiert werden. Darüber hinaus kann der individuelle Lernerfolg vorhergesagt und es können relevante nächste Lernschritte und Lernmaterialien empfohlen werden. Visualisierungen von Lernprozessen ermöglichen die Reflexion über das eigene Lernen und identifizieren unerwünschtes Lernverhalten und -schwierigkeiten. Schließlich können Datenanalysen soziale Lernprozesse unterstützen.

Das Projekt STELA hatte sich zum Ziel gesetzt, eine systematische Übersichtsarbeit aus internationalen Studien zu Learning Analytics im Zusammenhang mit Studienerfolg zu erstellen und diese mit Stakeholdern deutscher Hochschulen zu validieren. Auf dieser Grundlage sollten Handlungsempfehlungen für deutsche Hochschulen erstellt werden.

Was sind die zentralen Befunde der systematischen Übersichtsarbeit?

Ein zentraler Befund aus den mehr als 6000 gesichteten Studien zeigen, dass Learning Analytics über Reflexionsanreize (sogenannte Prompts) den Lernprozess in nahezu Echtzeit fördern können, wobei durch zeitnahes Feedback und das Wissen über das eigene Lernen der Lernerfolg unterstützt werden kann.

Die Studien zeigen außerdem, dass Learning Analytics für Hochschulen vielfältige Potentiale entwickeln können. Zum Beispiel werden Studierenden relevante nächste Lernschritte und Lernmaterialien empfohlen (d.h. adaptives Lernen), Reflexion und Bewusstsein über den Lernprozess gefördert, soziales Lernen unterstützt indem Lerntandems vorgeschlagen werden, unerwünschtes Lernverhalten und -schwierigkeiten identifiziert oder Optimierungen für Curricula bzw. einzelne Kurse vorschlagen. Auch für Lehrende werden Potentiale durch Learning Analytics generiert, zum Beispiel durch eine (semi-)automatisierte Unterstützung der Kommunikation mit Lernenden in großen Kursen oder der gezielten Unterstützung von heterogenen Lerngruppen bzw. deren individuellen Förderung.

Zur Validierung der internationalen Befunde wurden Interviews mit Stakeholdern aus deutschen Hochschulen durchgeführt.

... und welche zentralen Erkenntnisse zeigten sich in den Interviews?

Die Experten an deutschen Hochschulen bestätigten die Potentiale von Learning Analytics, wiesen aber auch auf Hürden für die Einführung von Learning Analytics hin. Diese sind u.a. Datenschutz, fehlende datenbasierte Systeme und Unsicherheiten bei Lehrenden und Lernenden.

Evident wurde, dass die erfolgreiche Einführung von Learning Analytics an Hochschulen eine sorgfältig geplante Veränderungsstrategie voraussetzt, die auf einer eingehenden Überprüfung der vorhandenen Praktiken, Verfahren und Fähigkeiten aller Beteiligten basiert. Die Veränderungsstrategie verlangt Entscheidungen darüber, welche Potentiale und spezifischen Merkmale von Learning Analytics einbezogen werden sollen und welche Infrastruktur für eine erfolgreiche Implementierung von Learning Analytics erforderlich ist.

Die eingehende Bewertung (Readiness Assessment) erfordert belastbare Daten der Hochschule, welche mittels standardisierter Instrumente gewonnen werden. Diese Daten werden auf organisatorischer Ebene (z.B. bestehende Richtlinien, Datenschutzbestimmungen), mit einem besonderen Schwerpunkt auf erforderliche Technologien (z.B. Data Warehouse, Systemintegration) und in Bezug auf die Fähigkeiten, die Mitarbeitende der Hochschule besitzen (z.B. Bildungsdatenkompetenz, Data Analytics), durchgeführt. Basierend auf den Ergebnissen der eingehenden Bewertung deckt die resultierende Umsetzungsstrategie alle Bereiche der Veränderung ab. Darüber hinaus soll die schrittweise Implementierung von Learning Analytics im Hinblick auf vordefinierte und messbare KPIs (Key Performance Indicators) überwacht und bewertet werden.

Wie lauten nun die Handlungsempfehlungen für Hochschulen?

Für den institutionsweiten Ausbau von Learning Analytics an deutschen Hochschulen kann ein Learning Analytics Toolkit hilfreich sein, welches neben technologischen Lösungen (Datenschnittstelle, Dashboard) auch Workshops zum Change Management aller Stakeholder und pädagogische bzw. hochschuldidaktische Weiterbildungen inkludiert. An solch einem Toolkit arbeitet die Forschergruppe um Learning Analytics aktuell.

Außerdem sind robuste empirische Erkenntnisse aus experimentellen Studien und Längsschnittuntersuchungen ausstehend, die Hinweise auf die Wirksamkeit von Learning Analytics für Lernen und Lehren an Hochschulen geben.

Eine vollständige Auflistung der Handlungsempfehlungen aus dem Projekt ist unter folgendem Link abrufbar (externer Link).

Interview mit Prof. Dr. Dirk Ifenthaler zum Forschungsprojekt STELA

Interview with Prof. Dr. Dirk Ifenthaler about the research project STELA