Lebensbegleitendes Lernen in einer digitalen Welt

  • In unserer digitalisierten Welt verlagert sich das Lernen in die Cloud. Vom Unterricht in der Schule und der Tafel zum Tablet, hin zu einem lebenslangen Lernen in der Arbeitswelt und sogar darüber hinaus. Wie erfolgreich und attraktiv dieses zeitgemäße Lernen erfolgt, hängt nicht unwesentlich von den technologischen Möglichkeiten ab, die digitale Lernplattformen rund um MOOCs und Schul-Clouds bieten. Bei deren Weiterentwicklung sollten statt ökonomischen Messgrößen und KPIs die Lernenden und ihre Lernerfahrungen im Vordergrund stehen. Hierfür wurde ein Optimierungsframework entwickelt, das für die Entwicklung von Lernplattformen anhand verschiedener qualitativer und quantitative Methoden Verbesserungen identifiziert, priorisiert und deren Beurteilung und Umsetzung steuert. Datengestützte Entscheidungen sollten auf einer ausreichenden Datenbasis aufbauen. Moderne Web-Anwendungen bestehen aber oft aus mehreren Microservices mit jeweils eigener Datenhaltung. Viele Daten sind daher nicht mehr einfach zugänglich. Daher wird in dieserIn unserer digitalisierten Welt verlagert sich das Lernen in die Cloud. Vom Unterricht in der Schule und der Tafel zum Tablet, hin zu einem lebenslangen Lernen in der Arbeitswelt und sogar darüber hinaus. Wie erfolgreich und attraktiv dieses zeitgemäße Lernen erfolgt, hängt nicht unwesentlich von den technologischen Möglichkeiten ab, die digitale Lernplattformen rund um MOOCs und Schul-Clouds bieten. Bei deren Weiterentwicklung sollten statt ökonomischen Messgrößen und KPIs die Lernenden und ihre Lernerfahrungen im Vordergrund stehen. Hierfür wurde ein Optimierungsframework entwickelt, das für die Entwicklung von Lernplattformen anhand verschiedener qualitativer und quantitative Methoden Verbesserungen identifiziert, priorisiert und deren Beurteilung und Umsetzung steuert. Datengestützte Entscheidungen sollten auf einer ausreichenden Datenbasis aufbauen. Moderne Web-Anwendungen bestehen aber oft aus mehreren Microservices mit jeweils eigener Datenhaltung. Viele Daten sind daher nicht mehr einfach zugänglich. Daher wird in dieser Arbeit ein Learning Analytics Dienst eingeführt, der diese Daten sammelt und verarbeitet. Darauf aufbauend werden Metriken eingeführt, auf deren Grundlage die erfassten Daten nutzbar werden und die somit zu verschiedenen Zwecken verwendet werden können. Neben der Visualisierung der Daten in Dashboards werden die Daten für eine automatisierte Qualitätskontrolle herangezogen. So kann festgestellt werden, wenn Tests zu schwierig oder die soziale Interaktion in einem MOOC zu gering ist. Die vorgestellte Infrastruktur lässt sich aber auch verwenden, um verschiedene A/B/n-Tests durchzuführen. In solchen Tests gibt es mehrere Varianten, die an verschiedene Nutzergruppen in einem kontrollierten Experiment erprobt werden. Dank der vorgestellten Testinfrastruktur, die in der HPI MOOC Plattform eingebaut wurde, kann ermittelt werden, ob sich für diese Gruppen statistisch signifikante Änderungen in der Nutzung feststellen lassen. Dies wurde mit fünf verschiedenen Verbesserungen der HPI MOOC Plattform evaluiert, auf der auch openHPI und openSAP basieren. Dabei konnte gezeigt werden, dass sich Lernende mit reaktivierenden Mails zurück in den Kurs holen lassen. Es ist primär die Kommunikation der unbearbeiteten Lerninhalte des Nutzers, die eine reaktivierende Wirkung hat. Auch Übersichtsmails, die die Forenaktivität zusammenfassen, haben einen positiven Effekt erzielt. Ein gezieltes On-Boarding kann dazu führen, dass die Nutzer die Plattform besser verstehen und hierdurch aktiver sind. Der vierte Test konnte zeigen, dass die Zuordnung von Forenfragen zu einem bestimmten Zeitpunkt im Video und die grafische Anzeige dieser Informationen zu einer erhöhten Forenaktivität führt. Auch die experimentelle Erprobung von unterschiedlichen Lernmaterialien, wie sie im fünften Test durchgeführt wurde, ist in MOOCs hilfreich, um eine Verbesserung der Kursmaterialien zu erreichen. Neben diesen funktionalen Verbesserungen wird untersucht wie MOOC Plattformen und Schul-Clouds einen Nutzen bieten können, wenn Nutzern nur eine schwache oder unzuverlässige Internetanbindung zur Verfügung steht (wie dies in vielen deutschen Schulen der Fall ist). Hier wird gezeigt, dass durch ein geschicktes Vorausladen von Daten die Internetanbindungen entlastet werden können. Teile der Lernanwendungen funktionieren dank dieser Anpassungen, selbst wenn keine Verbindung zum Internet besteht. Als Letztes wird gezeigt, wie Endgeräte sich in einem lokalen Peer-to-Peer CDN gegenseitig mit Daten versorgen können, ohne dass diese aus dem Internet heruntergeladen werden müssen.show moreshow less
  • In our digitized world, learning is moving to the cloud. From blackboards to tablets, from learning in classes to lifelong learning at our workplaces and even beyond. How successful this contemporary learning plays out, however, depends not insignificantly on the technological possibilities that digital learning platforms offer around MOOCs and school clouds. In their further development, instead of economic measurements and key performance indicators (KPI), the focus should be on learners and their learning experiences. For this purpose, an optimization framework was developed that identifies and priorities improvements for the development of learning platforms using various qualitative and quantitative methods — and controls their assessment and implementation. Databased decisions should be based on a sufficient range of data. However, modern web applications often consist of several micro-services, each with its own data storage. A lot of data is therefore no longer easily accessible. Therefore, a learning analytics service isIn our digitized world, learning is moving to the cloud. From blackboards to tablets, from learning in classes to lifelong learning at our workplaces and even beyond. How successful this contemporary learning plays out, however, depends not insignificantly on the technological possibilities that digital learning platforms offer around MOOCs and school clouds. In their further development, instead of economic measurements and key performance indicators (KPI), the focus should be on learners and their learning experiences. For this purpose, an optimization framework was developed that identifies and priorities improvements for the development of learning platforms using various qualitative and quantitative methods — and controls their assessment and implementation. Databased decisions should be based on a sufficient range of data. However, modern web applications often consist of several micro-services, each with its own data storage. A lot of data is therefore no longer easily accessible. Therefore, a learning analytics service is introduced in this thesis, which collects and processes the data of microservices. Building on this, several metrics are introduced. On their basis, the recorded data is made usable for various purposes. In addition to visualizing the data in dashboards, the data is used for automated quality control. This way it can be determined if tests are too difficult or the social interaction in a MOOC is too low. The infrastructure presented can also be used to perform various A/B/N tests. In such tests, there are several variants that are tested on different user groups in a controlled experiment. Thanks to the test infrastructure presented, which was integrated into the HPI MOOC platform, it can be determined whether statistically significant changes in usage can be determined for these groups. This was evaluated with five different improvements to the HPI MOOC platform, on which openHPI and openSAP are also based. Learners, for example, can be brought back into the course with reactivating emails, which notify the users about learning content they did not engage with yet. Overview emails summarizing forum activity also have a positive effect. Target-driven onboarding can result in a better understanding of the platform and therewith more active users. The fourth test of this thesis indicates that the assignment of forum questions at a certain point in videos as well as the graphical display of this information leads to increased forum activity. Experimental testing of different learning materials, like in the fifth test, is also helpful in MOOCs in order to improve the course materials. In addition to these functional improvements, it is being investigated how MOOC platforms and school clouds can offer benefits if users only have a weak or unreliable internet connection (as is the case in many German schools). Here the internet connection can be relieved by a smart preloading of data. Parts of the learning applications work thanks to these adaptations, even if there is no connection to the Internet. Finally, it is shown how end devices can mutually supply each other with data in a local peer-to-peer content delivery network (CDN) without having to download the data again from the Internet.show moreshow less

Download full text files

  • renz_diss.pdfdeu
    (25472KB)

    SHA-512:fd8970d906ecd2b9b09059fc5dd88b9e9d2565b3c9516d8663fb91799227ec8d9f309fef2a75018e881e08cae40a5801089f62ac3a76ea93a57318a5171645f5

Export metadata

Additional Services

Search Google Scholar Statistics
Metadaten
Author details:Jan RenzORCiDGND
URN:urn:nbn:de:kobv:517-opus4-472573
DOI:https://doi.org/10.25932/publishup-47257
Subtitle (German):Nutzerzentrierte Konzepte und Lösungen zum Optimieren digital gestützten Lernens in Schule und Arbeitsleben
Subtitle (English):User centric concepts and solutions to optimize digital enhanced learning in schools and working life
translated title (English):Lifelong learning in a digitized world
Supervisor(s):Christoph Meinel
Publication type:Doctoral Thesis
Language:German
Publication year:2020
Publishing institution:Universität Potsdam
Granting institution:Universität Potsdam
Date of final exam:2020/06/30
Release date:2020/07/14
Tag:Bildungstechnologien; Digitale Bildung; Learning Analytics; Lernerlebnis; MOOCs; P2P
Digital education; Education technologies; Learning Analytics; Learning experience
Number of pages:vii, 184
RVK - Regensburg classification:ST 670, DP 2600
Organizational units:Digital Engineering Fakultät / Hasso-Plattner-Institut für Digital Engineering GmbH
DDC classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 000 Informatik, Informationswissenschaft, allgemeine Werke
License (German):License LogoKeine öffentliche Lizenz: Unter Urheberrechtsschutz
Accept ✔
This website uses technically necessary session cookies. By continuing to use the website, you agree to this. You can find our privacy policy here.