Was ist Mediendidaktik? Was hat Mediendidaktik mit Learning Analytics zu tun? Und wieso gibt es dazu eigentlich ein Teilprojekt bei KI:edu.nrw? Mit diesen und weiteren Fragen beschäftigt sich das neueste Projekttagebuch. Zur Erinnerung: In unseren Projekttagebüchern geben wir Einblick in den aktuellen Projektstand der verschiedenen Teilprojekte und Querschnittsthemen.

Für die aktuelle Ausgabe hat uns Laura Platte vom Teilprojekt Learning Analytics Einsichten in ihre Arbeit an der RWTH Aachen gegeben.

Ich arbeite als Mediendidaktikerin im Teilprojekt Learning Analytics. Ganz einfach gesagt: Ich schaue auf das „Learning“ in Learning Analytics. Mich interessiert die Frage, welche Herausforderungen im Lehren und Lernen wir durch Learning Analytics unterstützen und wie wir unsere Angebote verständlich gestalten können.

Eine Menge. Die Mediendidaktik beschäftigt sich mit dem Einsatz von Medien in Lehr- und Lernprozessen. In Bezug auf Learning Analytics gibt es zwei Perspektiven, in denen die Mediendidaktik wichtig wird: Zum einen entstehen durch Learning-Analytics-Angebote selbst neue digitale Medien, zum Beispiel Datenvisualisierungen oder Mitteilungen, die sich in die bestehenden Lehr- und Lernmedien einfügen. Zum anderen müssen wir bei Learning-Analytics-Angeboten hohe Anforderungen an die Verständlichkeit stellen. Zum Beispiel müssen wir potenzielle Nutzende so gut wie möglich dabei unterstützen, eine informierte Entscheidung zu treffen, ob sie diese neuen Angebote ausprobieren wollen. Auch die Dashboards müssen so angereichert sein, dass die dargestellten Informationen auch für Personen mit wenig Statistikvorkenntnissen interpretierbar sind. Als Teil unserer Learning-Analytics-Angebote entwickeln wir daher verschiedene begleitende Informationsressourcen.

Unter einem Dashboard versteht man eine grafische Nutzungsoberfläche, die mithilfe verschiedener Datenvisualisierungen und Kennzahlen eine Übersicht über relevante Informationen ermöglicht.

Wir entwickeln in KI:edu.nrw Dashboards für verschiedene Zielgruppen und Anwendungsfälle. Ein Dashboard für Studierende, das die Reflexion eines persönlichen Lernprozesses unterstützt, muss natürlich andere Informationen beinhalten als ein Dashboard für Lehrende oder Mitarbeitende in der Studienberatung.

Wie schon erwähnt ist es dabei unverzichtbar, dass wir auf die Verständlichkeit achten. Bei der Dashboard-Gestaltung ist die Versuchung groß, viele sehr anspruchsvolle Datenvisualisierungen auszuwählen. Das sieht zwar auf den ersten Blick beeindruckend aus, bietet den Betrachtenden jedoch keine echte Unterstützung. Gerade bei Studierenden zu Beginn des Studiums können wir nicht davon ausgehen, dass sie ausgeprägte Statistikkenntnisse im Sinne einer Data Literacy mitbringen. Ein gutes Dashboard ist schlicht, funktional und konsistent gestaltet und bietet zusätzliche Erklärungstexte, die auch Personen mit wenig Vorkenntnissen bei der Einordnung der dargestellten Informationen unterstützten.

Ich arbeite mit vielen verschiedenen Personen zusammen, zum Beispiel aus dem Design-Team oder dem Datenschutz. Besonders spannend sind auch unsere Kooperationen mit Lehrstühlen an der RWTH, die in Projekten zur Verbesserung der Lehre Learning Analytics einsetzen möchten. Hier bekomme ich sehr konkrete Anforderungen und Ideen aus der Lehrpraxis mit, was besonders interessant ist. In regelmäßigen Treffen entwickeln wir Schritt für Schritt ein Learning-Analytics-Angebot, von den Anforderungen über den ersten Entwurf bis hin zur ersten Umsetzung, die dann mit den Studierenden und Lehrenden evaluiert und angepasst wird.

In Zukunft werden auch andere NRW-Hochschulen die Möglichkeit haben, Learning-Analytics-Projekte umzusetzen, nämlich im Rahmen unserer Praxis- und Transferprojekte.

Die größere Herausforderung ist tatsächlich, dass das Thema Learning Analytics so vielfältig ist. Schon allein bei der Frage, wie ein Dashboard gestaltet sein soll, muss immer nach der Zielgruppe, dem Lehr-Lern-Szenario, dem Informationsziel und so weiter unterschieden werden.

Ein gar nicht didaktisches, sondern ganz praktisches Learning ist daher: Man muss erst einmal klein anfangen. Wir entwickeln zunächst scheinbar einfache, beschreibende Statistiken. Anhand dieser konkreten Beispiele können wir dann mit verschiedenen Zielgruppen an der RWTH und anderen NRW-Hochschulen in den Austausch gehen und die Angebote weiterentwickeln.

Zwei konkrete Beispiele sind unsere Querschnittsthemen: Mit dem Teilprojekt Ethik haben wir die Entwicklung der informierten Einwilligung für Learning-Analytics-Angebote für Studierende reflektiert. Mit dem Teilprojekt Studienberatung entstehen Ideen für Dashboards, die Studienberater*innen bei der Beratung von Studierenden unterstützen.

Aktuell beschäftige ich mich unter anderem mit den Texten für unsere Dashboards. Dazu gehören Überschriften, Beschriftungen und kurze Fließtexte, die beispielsweise eine Statistik genauer erklären. Auf der POLARIS-Plattform wird es außerdem ausführlichere Erklärungen zu Learning Analytics, POLARIS und weiteren Themen geben.

Solche Texte mögen auf den ersten Blick wie eine Nebensache erscheinen. Sie sind jedoch ein wichtiger Baustein, damit unsere Learning-Analytics-Angebote für alle nachvollziehbar und damit überhaupt wirksam sind. Ich achte darauf, dass wir Bezeichnungen einheitlich verwenden und dass die Texte niederschwellig und leicht verständlich bleiben. Dazu arbeite ich in kurzen Iterationen und in engem Kontakt mit dem Design-Team und der IT.

Ich freue mich sehr auf das nächste jährliche Projekttreffen in Person, das Anfang März stattfinden wird. So ein intensiver Austausch über zwei gemeinsame Tage in Präsenz bringt immer noch einmal neue Ideen und Perspektiven für die Projektarbeit.