Literaturnachweis - Detailanzeige
Autor/inn/en | Mandausch, Martin; Meinhard, David B. |
---|---|
Titel | Learning Analytics - ein hochschuldidaktischer Diskurs zu Datenanalysen in der Lehre. |
Quelle | Aus: Schmohr, Martina (Hrsg.); Müller, Kristina (Hrsg.); Philipp, Julia (Hrsg.): Gelingende Lehre: erkennen, entwickeln, etablieren. Beiträge der Jahrestagung der Deutschen Gesellschaft für Hochschuldidaktik (dghd) 2016. Bielefeld: W. Bertelsmann Verl. (2018) S. 19-34
PDF als Volltext |
Reihe | Blickpunkt Hochschuldidaktik. 132 |
Beigaben | Abbildungen 1; Literaturangaben S. 31-33 |
Sprache | deutsch |
Dokumenttyp | online; gedruckt; Sammelwerksbeitrag |
ISBN | 978-3-7639-5941-9; 978-3-7639-5942-6; 978-3-7639-5986-0 |
DOI | 10.3278/6004636w |
Schlagwörter | Lernerfolg; Lernverhalten; Lehre; Datenanalyse; Lehrevaluation; Prognose; Student; Studentin; Deutschland |
Abstract | Die Analyse von lerner- oder lernprozessbezogenen Daten gewinnt im Hochschulbereich immer mehr an Bedeutung. Die Learning Analytics wurde bereits 2011 als eine der Schlüsseltechnologien für zukünftige Lehr- und Lernansätze identifiziert, ist aber in der pädagogischen Praxis noch nicht verankert. Datenanalysen wecken gleichermaßen Begeisterung wie Skepsis: Werden Studierende und Dozierende in Zukunft gläsern und auf die von ihnen hinterlassenen Datenspuren reduziert? Oder ergeben sich durch die Learning Analytics neue didaktische Wirkungsfelder zur Bereicherung der Hochschullehre? Der Beitrag führt in das Thema Learning Analytics ein. Anschließend folgen die Beschreibung bereits durchgeführter Workshops und deren Reflexion. Dabei werden die potentiellen Chancen und Risiken beim Einsatz der Learning Analytics in der Hochschullehre aus unterschiedlichen (Fach-)Blickwinkeln thematisiert. Die seitens der Teilnehmenden in einem intensiven Austausch über den Einsatz von Datenanalysen in der Hochschullehre erarbeiteten Ergebnisse werden zusammengefasst, bevor abschließend ein kurzer Blick auf die mögliche zukünftige Entwicklung des Forschungs- und Praxisfelds der Learning Analytics geworfen wird. GLIEDERUNG: 1 Die Auswertung von Daten Lernender als hochschuldidaktisches Handlungsfeld (20). - 2 Was ist Learning Analytics? (22). - 2.1 Verwandte Begrifflichkeiten (23). - 2.2 Die Betrachtungsebenen bei der Learning Analytics (24). - 3 Die Durchführung und die Ergebnisse der Workshops (27). - 3.1 Die Feedbackmechanismen (28). - 3.2 Die Prognose über den studentischen Lernerfolg (28). - 3.3 Die Evaluation des Lernens und der Lehre (29). - 4 Ausblick: Wie kann die Learning Analytics gelingen? (30). (zhb/Text übernommen). |
Erfasst von | Zentrum für HochschulBildung - Technische Universität Dortmund |
Update | 2019/2 |