Learning Analytics: Challenges and Future Research Directions

Autor/innen

  • Mohamed Amine Chatti RWTH Aachen University , Informatik 9 (Learning Technologies)
  • Vlatko Lukarov RWTH Aachen University , Informatik 9 (Learning Technologies)
  • Hendrik Thüs RWTH Aachen University , Informatik 9 (Learning Technologies)
  • Arham Muslim RWTH Aachen University , Informatik 9 (Learning Technologies)
  • Ahmed Mohamed Fahmy Yousef RWTH Aachen University , Informatik 9 (Learning Technologies)
  • Usman Wahid RWTH Aachen University , Informatik 9 (Learning Technologies)
  • Christoph Greven RWTH Aachen University , Informatik 9 (Learning Technologies)
  • Arnab Chakrabarti RWTH Aachen University , Informatik 9 (Learning Technologies)
  • Ulrik Schroeder RWTH Aachen University , Informatik 9 (Learning Technologies)

Schlagworte:

context modeling, e-learning, educational data mining, learning analytics, lifelong learner modeling, open assessment, personalization, seamless learning

Abstract

In den letzten Jahren hat Learning Analytics (LA) viel Aufmerksamkeit im Bereich der technology-enhanced learning (TEL) Forschung auf sich gezogen, da Anwender, Institutionen und Forscher zunehmend das Potenzial sehen, das LA hat um die Zukunft der TEL Landschaft zu gestalten. Generell beschäftigt LA sich mit der Entwicklung von Methoden, die Bildungsdatensätze nutzbar zu machen um den Lernprozess zu unterstützen. Dieses Manuskript bietet eine Grundlage für die zukünftige Forschung im Bereich LA. Es bietet einen systematischen Überblick über dieses aufstrebende Gebiet und seine Schlüsselkonzepte durch ein Referenzmodell für LA, welches auf vier Dimensionen basiert, namentlich Daten, Umgebungen und Kontext (Was?), Akteure (Wer?), Ziele (Warum?) und Methoden (Wie?). Darüber hinaus identifiziert es verschiedene Herausforderungen und Forschungsmöglichkeiten im Bereich LA in Bezug auf jede dieser Dimensionen.

Veröffentlicht

2014-11-06

Ausgabe

Rubrik

Artikel

URN