Data and Analytics Icon

Daten und Analytics

Schnittmengen von Open Content, Open Data und Open Learning Analytics erkunden#CPT10

Warum ist das wichtig?

Je mehr die Nutzung von Technologie im Bildungsbereich zunimmt, umso größer werden die Datenmengen, die sich aus grundlegenden Lehr- und Lernvorgängen ergeben. Diese Daten beschreiben das Verhalten von Menschen: von dem, was die Lernenden gelesen oder sich nicht angesehen haben, bis hin zur Zeitdauer, die ein Lehrender für die Bewertung einer Arbeit benötigt. Gleichzeitig gibt es eine explosionsartige Zunahme von Werkzeugen zur Analyse des Lernens (learning analytics), die Lernenden und Lehrenden durch maschinelles Lernen, Statistiken und andere Algorithmen helfen sollen, diese Datenflut zu verstehen. Diese Tools empfehlen Maßnahmen, die auf die Lernenden zurückwirken, zum Beispiel welche Aufgabe als nächstes zu erledigen ist oder wer zusätzliche Hilfe erhalten soll.

Einerseits sollten wir diese Entwicklungen mit offenen Armen begrüßen, denn sie haben enormes Potenzial für wertvolle Hilfestellungen beim Lehren und Lernen. Andererseits werfen diese Veränderungen auch ernsthafte Fragen zur Gestaltung und Verwaltung von Daten und Algorithmen auf, von denen der Bereich Open Education tiefgreifend beeinflusst werden kann.

Worin besteht die Gelegenheit?

Die Open-Education-Bewegung muss anfangen, über die Wechselbeziehungen zwischen Open Content, Open Data, Werkzeugen für Open Analytics und Pädagogik nachzudenken – sowohl über die Chancen als auch über die Herausforderungen. Wie können wir zum Beispiel die Macht von #Open hinsichtlich der Daten ausspielen und gleichzeitig die Privatsphäre der Lernenden respektieren? Wir müssen auch eine klare Haltung in Bezug auf die Eigentümerschaft von Daten einnehmen: Daten, die von Lernenden erstellt werden, gehören den Lernenden – Punkt. Es ist nicht akzeptabel, wenn Softwareanbieter (ob offen oder proprietär) Anspruch auf den Besitz von Daten erheben, die Lernende als Nutzer*innen erzeugen. Und schließlich: Da wir den Analysetools zunehmend wichtigere Entscheidungen in Bezug auf Lehren und Lernen übertragen, müssen für ihre Algorithmen Transparenz, Verantwortung und Peer-Review gelten. Wie können wir die Vorteile von Open-Source-Software-Methoden im Kontext von Learning Analytics-Tools nutzen? Die Bewegung für Open Education muss sich mit diesen und verwandten Fragen auseinandersetzen.

Die Bearbeitung dieser Fragen wird uns helfen, die potenziellen Verbesserungen der Pädagogik (und in Folge dessen des Lernens) besser zu verstehen, die sich aus der kreativen Kombination von Open Content, Open Data und Open-Learning-Analytics-Tools ergeben können.

Wie kann man sich beteiligen?
  • Produzent*innen und Käufer*innen von Technologie sollten sich an best-practice-Beispielen für Daten und Analytics orientieren. Lernende sollten Eigentümer*innen der von ihnen erstellten Daten sein und Zugriff auf sie haben. Analysen, Algorithmen und Implementierungen sollten Transparenz und Peer-Reviews unterliegen.
  • Seien Sie sich bewusst, wie Ihre Organisation mit den Daten der Lernenden umgeht, insbesondere im Zusammenhang mit einem Lernmanagementsystem (LMS). Fragen Sie Lernende, IT-Mitarbeiter*innen und Administrator*innen, ob die Lernenden Ihrer Organisation Zugriff auf ihre Daten haben. Zu den wichtigen Fragen gehört, ob Lernende eine Kopie herunterladen können und ob es ihnen frei steht, ihre Arbeit offen zu lizenzieren, wenn sie das wollen.
  • Machen Sie sich bewusst: Software zu Learning Analytics nutzen „Black-Box“-Algorithmen, die Entscheidungen auf Grundlage geheimer Regeln treffen, die nicht durch Peers gereviewt oder nachgeprüft werden können. Thematisieren Sie die damit verbundene Problematik, indem Sie sie im Lehr- und Lernprozess aufgreifen.
  • Sprechen Sie mit den Lernenden über die potenziellen Vorteile der Öffnung ihrer Lerndaten und die potenziellen Datenschutzprobleme, die die Öffnung ihrer Lerndaten mit sich bringen kann. Welche kreativen Lösungen können Sie zusammen finden?