[publication] Learning Analytics in Hochschulen und Künstliche Intelligenz. Eine Übersicht über Einsatzmöglichkeiten, erste Erfahrungen und Entwicklungen von KI-Anwendungen zur Unterstützung des Lernens und Lehrens. #KI #KünstlicheIntelligenz #Artificialintelligence #Learninganalytics #research #tugraz

Es freut uns sehr, dass unser Beitrag zu „Learning Analytics in Hochschulen und Künstliche Intelligenz. Eine Übersicht über Einsatzmöglichkeiten, erste Erfahrungen und Entwicklungen von KI-Anwendungen zur Unterstützung des Lernens und Lehrens.“ nun erschienen ist. Das Ziel war den Unterschied herauszuarbeiten und einen ersten Einblick zu geben in das Themenfeld. Wir hatten seinerzeit auch ein Video, quasi als Teaser für das Kapitel erstellt:

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

[full article @ ResearchGate]
[full article @ Verlag Homepage]

Zitation: Schön, Sandra; Leitner, Philipp; Lindner, Jakob & Ebner, Martin (2023). Learning Analytics in Hochschulen und Künstliche Intelligenz. Eine Übersicht über Einsatzmöglichkeiten, erste Erfahrungen und Entwicklungen von KI-Anwendungen zur Unterstützung des Lernens und Lehrens. In: Tobias Schmohl, Alice Watanabe, Kathrin Schelling (Hg.), Künstliche Intelligenz in der Hochschulbildung, Bielefeld: transkript, S. 27-49. Online zugänglich unter: https://www.transcript-verlag.de/media/pdf/c9/16/59/oa9783839457696.pdf

[master] Math trainer as a chatbot via system(push) messages for Android #tugraz #research #chatbot

Mirza defended successfully his master thesis about „Math trainer as a chatbot via system(push) messages for Android“. Find here his final slides:

Klicken Sie auf den unteren Button, um den Inhalt von www.slideshare.net zu laden.

Inhalt laden

[publication] Towards Trustworthy Learning Analytics Applications: An Interdisciplinary Approach Using the Example of Learning Diaries #LearningAnalytics #tugraz

Our poster/chapter about „Towards Trustworthy Learning Analytics Applications: An Interdisciplinary Approach Using the Example of Learning Diaries“ at HCII 2022 conference is published and available.

Abstract:
Learning analytics (LA) is an emerging field of science due to its great potential to better understand, support and improve the learning and teaching process. Many higher education institutions (HEIs) have already included LA in their digitalisation strategies. This process has been additionally accelerated during the COVID-19 pandemic when HEIs transitioned from face-2-face learning environments to hybrid and e-learning environments and entirely relied on technology to continue operating. Undoubtedly, there was never a time when so much student data was collected, analysed, and reported, which brings numerous ethical and data protection concerns to the forefront. For example, a critical issue when implementing LA is to determine which data should be processed to fulfil pedagogical purposes while making sure that LA is in line with ethical principles and data protection law, such as the European General Data Protection Regulation (GDPR). This article contributes to the discussion on how to design LA applications that are not only useful and innovative but also trustworthy and enable higher education learners to make data-informed decisions about their learning process. For that purpose, we first present the idea and methodology behind the development of our interdisciplinary Criteria Catalogue for trustworthy LA applications intended for students. The Criteria Catalogue is a new normative framework that supports students to assess the trustworthiness of LA applications. It consists of seven defined Core Areas (i.e., autonomy, protection, respect, non-discrimination, responsibility and accountability, transparency, and privacy and good data governance) and corresponding criteria and indicators. Next, we apply this normative framework to learning diaries as a specific LA application. Our goal is to demonstrate how ethical and legal aspects could be translated into specific recommendations and design implications that should accompany the whole lifecycle of LA applications.

[article @ book’s homepage]
[draft @ ResearchGate]

Reference: Veljanova, H., Barreiros, C., Gosch, N., Staudegger, E., Ebner, M., Lindstaedt, S. (2022). Towards Trustworthy Learning Analytics Applications: An Interdisciplinary Approach Using the Example of Learning Diaries. In: Stephanidis, C., Antona, M., Ntoa, S. (eds) HCI International 2022 Posters. HCII 2022. Communications in Computer and Information Science, vol 1582. Springer, Cham. https://doi.org/10.1007/978-3-031-06391-6_19

[publication] Patterns of quiz attempts in a MOOC. The full-points-pattern and other patterns on the way to a successful MOOC in a lecture setting #tugraz #edil22 #MOOC #imoox #LearningAnalytics

Our research about „Patterns of quiz attempts in a MOOC. The full-points-pattern and other patterns on the way to a successful MOOC in a lecture setting“ was presented at EdMedia + Innovate Learning 2022:

Abstract:
The analysis of learner data in MOOCs provides numerous opportunities to look for patterns that may indicate participants‘ learning strategies. In this article, we investigated how participants in a MOOC (N=1,200), in which they must successfully complete a quiz in each unit, deal with the fact that they can repeat this quiz up to five times. On the one hand, patterns can be identified regarding the success of the quiz attempts: For example, 32.7% of the course participants always repeat the quizzes up to a full score, while about 16.0% of the participants repeat, but only until they pass all quizzes. Regarding the number of attempts, independent of the success, there is only a uniformity in „single attempt“; 12.6% of the participants only take exactly one attempt at each of the quizzes in the MOOC. An analysis of a subgroup of 80 learners which were students of a course where the MOOC was obligatory, shows that the proportion of learners attributed to patterns making more attempts is generally bigger. It can be shown as well that learners who uses several attempts, even after a full score results, tend to get better exam. The article concludes by discussing how these patterns can be interpreted and how they might influence future MOOC developments.

[full article @ conference homepage]
[draft @ ResearchGate]

Reference: Mair, B., Schön, S., Ebner, M., Edelsbrunner, S., Leitner, P., Schlager, A., Teufel, M. & Thurner, S. (2022). Patterns of quiz attempts in a MOOC. The full-points-pattern and other patterns on the way to a successful MOOC in a lecture setting. In T. Bastiaens (Ed.), Proceedings of EdMedia + Innovate Learning (pp. 1169-1179). New York City, NY, United States: Association for the Advancement of Computing in Education (AACE). Retrieved July 13, 2022 from https://www.learntechlib.org/primary/p/221430/

[publication] Entwicklung und Einführung eines Studierenden-Dashboards an der TU Graz. Co-Design mit Studierenden, Visualisierungsdetails und Rückmeldungen #Analytics #tugraz

Im Rahmen der heurigen DELFI Konferenz haben wir unsere Arbeiten am Studierenden-Dashboard der TU Graz vorgestellt mit dem Titel „Entwicklung und Einführung eines Studierenden-Dashboards an der TU Graz. Co-Design mit Studierenden, Visualisierungsdetails und Rückmeldungen

In den zentralen Informationssystemen der Technischen Universität Graz (TU Graz), dem auf Moodle basierenden TeachCenter und dem Campusmanagementsystem TUGRAZonline, werden verschiedene Services und Unterstützungen für Lehrende und Studierende angeboten. Zu den neuesten Entwicklungen gehört ein Studienfortschritts-Dashboard für Studierende. Dieses Dashboard soll einen hilfreichen Überblick über die Aktivitäten der Studierenden geben, z. B. über ihre akademischen Leistungen in ECTS im Vergleich zum Durchschnitt ihrer Kommilitonen, über den eigenen Studienfortschritt und die offizielle Studienempfehlung sowie über den Fortschritt in den verschiedenen Pflicht- und Wahlfächern. Der erste Prototyp wurde im Mai 2020 bei den Studierenden der Fakultät für Informatik und Biomedizinische Technik eingeführt, seit Dezember 2020 steht das Dashboard allen – rund 8.700 Bachelor-Studierenden der TU Graz – zur Verfügung. Der Beitrag skizziert die Prozesse und Ergebnisse von der ersten Erwähnung in einem Ideenworkshop für Studierende, über die Entwicklung und stufenweisen Implementierung, sowie die Rückmeldungen der Studierenden.

[full article @ conference homepage]
[full article @ ResearchGate]

Referenz: Leitner, P., Ebner, M., Geisswinkler, H. & Schön, S., (2021). Entwicklung und Einführung eines Studierenden-Dashboards an der TU Graz. Co-Design mit Studierenden, Visualisierungsdetails und Rückmeldungen.. In: Kienle, A., Harrer, A., Haake, J. M. & Lingnau, A. (Hrsg.), DELFI 2021. Bonn: Gesellschaft für Informatik e.V.. (S. 175-180)

[video] Learning Analytics – Studierende im Fokus #learninganalytics #tugraz

Das laufende Projekt „Learning Analytics – Studierende im Fokus“ befindet sich etwa in der Mitte der Laufzeit und da wurden wir gebeten einen Zwischenstand zu berichten. Herausgekommen ist dieses Video:

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Learning Analytics – Studierende im Fokus

[publication] Diagnose leicht gemacht (Learning Analytics in der Schule) #LearningAnalytics #tugraz

Wir freuen uns, dass unser Beitrag zu Learning Analytics in der Schule nun veröffentlicht wurde:

Zusammenfassung:
Wenn digitale Informationssysteme im schulischen Kontext genutzt werden, entstehen auch Sammlungen von Daten zum Lernverhalten. Einige Anwendungen sammeln und analysieren diese Daten gezielt, um damit Lernende zu unterstützen. Das Forschungsfeld dazu heißt “Learning Analytics” und ist erst rund 10 Jahre alt (Leitner et al., 2019). In diesem Beitrag möchten wir zwei Anwendungen aus dem Schulkontext vorstellen, die Datenanalysen einsetzen um Lernfortschritte von Schüler/innen zu beobachten und Rückmeldung in Echtzeit zu geben (s. Ebner, Leitner, Ebner 2020). Wir nennen zudem Chancen und Herausforderungen von Learning Analytics im Schulkontext.

[Preprint @ ResearchGate]

Referenz: Schön, S., Ebner, M. (2021) Diagnose leicht gemacht. In: on. Lernen in der digitalen Welt. Schiefner-Rohs, M. & Aufenanger, S. (Betr.). Heft 5/2021 (Jg. 2). S. 10-11. ISSN: 2700-1091