Veröffentlicht am
Dr. Julian Rasch
Data Scientist
Kategorie:
Lesezeit:
10
Die Zukunft der Personalisierung im professionellen Online-Lernen liegt in detaillierten, aber schnellen und effektiven Skill Assessments. Hier sehen Sie, wie wir das bei edyoucated machen.
Willkommen in der Zukunft des personalisierten Online-Lernens und -Assessments!
In dieser Reihe von Blogbeiträgen führen wir Sie behutsam an das Konzept und die Herausforderungen des personalisierten Lernens heran und geben Ihnen einen Einblick in den Ansatz von edyoucated zu diesem Thema. Wir fangen ganz einfach an und erklären Ihnen, warum wir Personalisierung beim Online-Lernen brauchen und wie Skill Assessments uns dabei helfen. In den nächsten Beiträgen werden wir uns auf die Data Science hinter den Skill Assessments konzentrieren und sogar darlegen, wie wir mathematische Modelle erstellen können, die in der Lage sind, Ihre persönlichen Skills und Kenntnisse vorherzusagen.
Interessieren Sie sich für die Zukunft der Personalisierung von Lerninhalten?
Los geht's!
Die Personalisierung und Anpassung des Lernens ist ein heißes Thema und verdient sicherlich eine ganze Blogpost-Serie für sich, also fassen wir uns hier kurz. Im Grunde läuft es ohnehin auf das ziemlich Offensichtliche hinaus:
Jeder Mensch ist anders!
Wir alle bringen unterschiedliche Persönlichkeiten, Kulturen, Vorkenntnisse und Erfahrungen, Wünsche, Ziele, Erwartungen und vieles mehr mit, und das beeinflusst die Art und Weise, wie wir leben, arbeiten und vor allem,wie wir lernen. Leider spiegelt sich diese Heterogenität in den meisten Online-Lernangeboten nicht gut wider, die eher versuchen, Lerninhalte für ein möglichst breites Spektrum von Lernenden anzubieten.
Das Bedauerliche daran?
Die meisten dieser Schulungen und Kurse folgen einer Einheitsstrategie und berücksichtigen nicht die unterschiedlichen Qualifikationen, Bedürfnisse und Lernziele ihrer Teilnehmer.
Unsere Aufgabe bei edyoucated ist es, die individuellen Bedürfnisse unserer Lernenden in ihre Lernprozesse zu integrieren, und zwar in einer Vielzahl von Dimensionen (von denen wir einige in unserem KAMAELEON-Projekt erforschen). Hier sind ein paar Beispiele:
In diesem Beitrag konzentrieren wir uns auf die Personalisierung im Hinblick auf das Vorwissen.
Und warum?
Unser Hauptziel ist es, den Lernprozess individuell und genau an der richtigen Stelle für jeden Lernenden zu beginnen. Jeder beginnt den Lernprozess mit einem anderen Skill-Set, und wirwollen dem Einzelnen die besten Skills empfehlen, die er als nächstes lernen sollte. Die allgemeinen Informationen darüber, welche Skills ein Lernender bereits beherrscht, nennen wir den Wissensstand des Lernenden.. Die allgemeinen Informationen darüber, welche Fähigkeiten ein Lernender bereits beherrscht, nennen wir den Wissensstanddes Lernenden .
Aber wie können wir den Wissensstand unserer Lernenden herausfinden? Der Schlüssel dazu sind Assessments!
Vielleicht haben Sie bereits Erfahrungen mit Wissens-Assessments als Teil eines Bewerbungsverfahrens gemacht, bei dem Sie mit anderen Bewerbern verglichen werden. Dabei wird ermittelt, welche Skills Sie bereits beherrschen und in das neue Unternehmen einbringen werden. Doch die eigentliche Stärke von Assessments liegt meist woanders:
Es geht darum, die Bereiche zu ermitteln, in denen es Ihnen noch an Wissen oder Erfahrung mangelt!
Einfach ausgedrückt: Assessments helfen, Ihren Bedarf zu ermitteln, der dann zur Steuerung Ihrer Lernaktivitäten und Ihrer persönlichen Entwicklung genutzt werden kann. Und es gibt sie in sehr unterschiedlichen Formen.
Aus der Schule kennen Sie vielleicht vor allem formative und summative Assessments. Erstere werden während Ihres Lernprozesses vorgenommen, um über anstehende Lernaktivitäten zu entscheiden. Letztere sind Bewertungen Ihrer Kompetenzen am Ende einer Lerneinheit, um zu überprüfen, ob Sie das Thema beherrschen.
Während die besprochenen Assessment-Arten in Form von Tests oder Prüfungen stattfinden, müssen Sie bei Self-Assessments Ihr Wissen und Ihre Skills selbst reflektieren. Zur schnellen Überprüfung:
Wie würden Sie Ihre Fähigkeiten zur Selbstreflexion auf einer Skala von 1 bis 10 einstufen 🙂 ?
Schwierig, genau zu sein? Das ist bei Self-Assessments oft der Fall, auch wenn die Fragen gezielter sind. Es ist schwierig und sehr subjektiv, Bewertungen auf einer Skala abzugeben, nicht wahr?
Dennoch spielen Selbsteinschätzungen eine große Rolle, wenn es um die persönliche Entwicklung und die Auswahl von Lernaktivitäten geht. Wann immer Sie sich entscheiden, was Sie als Nächstes lernen wollen, abgesehen von Ihrem Interesse, tun Sie dies (un)bewusst: In welchem Bereich muss ich meine Skills verbessern? Wo bin ich bereits auf einem höheren Niveau?
Viele Lernempfehlungssysteme adaptieren die oben beschriebene Art des Self-Assessments, was zu zwei großen Problemen für den Lernenden führt. Zum einen wird das Assessment subjektiv und für den Lernenden schwierig. Zum anderen erlaubt die Granularität (z.B.: Wie gut können Sie mit Microsoft Excel umgehen?) nur recht ungenaue Empfehlungen; die meisten Plattformen empfehlen ganze Kurse. So wie Netflix ganze Serien zum Anschauen anbietet.
Aber passen diese wirklich?
Oder kennen Sie bereits den gesamten Anfang und müssen ihn überspringen, um den ersten relevanten Stoff zu finden? Als Abhilfe verwenden wir so genannteatomare Assesments.
Bei edyoucated zerlegen wir Lernthemen in die elementarsten Bausteine und eröffnen so die Möglichkeit, Skills auf einer sehr feinen Ebene zu empfehlen und zu lernen.
Wie wir sie nennen? Skill-Atome, natürlich! Was könnte kleiner sein?
Ein Beispiel: Eine atomare Fertigkeit für Microsoft Excel wäre nicht "Excel-Grundlagen", sondern "Öffnen und Speichern von Arbeitsmappen" oder "Verwendung des Ausfüllgriffs". Auf dieser Granularität werden die Themen dann nicht nur in ein paar verschiedene Bits, sondern in bis zu ein paar Hundert unterteilt. Dies gibt uns die Möglichkeit, Ihnen die beste nächste Fähigkeit anzubieten, die Sie auf einer viel feineren Granularität und mit viel mehr Präzision lernen können.
Ihr Vorteil als Lernende/r? Sie bekommen genau das, was Sie brauchen!
Atomare Assessments lösen noch ein weiteres Problem: Die daraus resultierenden Self-Assessment-Fragen, z. B. "Wissen Sie, wie man Arbeitsmappen in Excel öffnet und speichert?", können einfach mit "Ja" oder "Nein" beantwortet werden, anstatt ein schwieriges Assessment auf einer Skala zu verlangen. Und schon ist das Self-Assessment viel weniger subjektiv und einfacher zu handhaben.
Noch Probleme? Keine, die wir nicht lösen können.
Atomare Assessments geben zwar Aufschluss über Ihre Skills und ermöglichen sehr präzise Empfehlungen, aber sie haben ihren Preis. Natürlich müssen wir zunächst Informationen über Ihren gesamten aktuellen Wissensstand sammeln.
Und das kann zu einer mühsamen Aufgabe werden!
Im Falle eines Self-Assessments wären Sie gezwungen, eine große Anzahl von Fragen zu beantworten (im schlimmsten Fall eine Frage pro atomarem Skill!), bevor Sie mit dem eigentlichen Lernprozess beginnen können. In den meisten praktischen Lernsituationen ist dies fast unmöglich oder zumindest eine große Einschränkung.
Um dieses Problem zu lösen, arbeitet unsere Forschungsabteilung an datengesteuerten Methoden, die in der Lage sind, die wahrscheinlichsten Wissensstände der Lernenden während des gesamten Beurteilungsprozesses vorherzusagen. In Kombination mit einer intelligenten Assessment-Strategie (die Reihenfolge, in der einzelne Skills bewertet werden) können wir den Assessment-Prozess zuverlässig und deutlich beschleunigen, so dass Empfehlungen für Skills in der Praxis praktikabel und effektiv sind.
Wie machen wir das? Bleiben Sie dran für Teil 2 unserer Blogserie zum Assessment!
[Clair 2015] R. S. Clair, L. R. Winer, A. Finkelstein, A. Fuentes-Steeves, and S. Wald. Big hat and no cattle? The implications of MOOCs for the adult learning landscape. Canadian journal for the study of adult education, 27:65–82, 2015.
[Daradoumis 2013] T. Daradoumis, R. Bassi, F. Xhafa, and S. Caballé. A review on massive e-learning (MOOC) design, delivery and assessment. In 2013 Eighth International Conference on P2P, Parallel, Grid, Cloud and Internet Computing, pages 208–213, 2013.
[Gasevic 2016] D. Gasevic, S. Dawson, T. Rogers. Learning analytics should not promote one sizefits all: The effects of instructional conditions in predicting academic success. The Internet andHigher Education, 28:68–84, 2016.
[McBride 2004] B. G. McBride. Data-driven instructional methods: ’one strategy fits all’ doesn’t work in real classrooms. T.H.E. Journal Technological Horizons in Education, 31:38, 2004.
[Murray 2004] R. Murray, M. Shea, B. Shea, and R. Harlin. Issues in education: Avoiding the one-size-fits-all curriculum: Textsets, inquiry, and differentiating instruction. Childhood Education, 81(1):33–35,2004.
[Rhode 2017] Rhode, J., Richter, S. & Miller, T. Designing Personalized Online Teaching Professional Development through Self-Assessment. TechTrends 61, 444-451 (2017).
[Saadatdoost 2015] R. Saadatdoost, A. T. H. Sim, H. Jafarkarimi, and J. M. Hee. Exploring MOOC from education and information systems perspectives: a short literature review. Educational Review, 67(4):505–518, 2015.
[Silver 2008] Silver, I., Campbell, C., Marlow, B. and Sargeant, J. (2008), Self-assessment and continuing professional development: The Canadian perspective. J. Contin. Educ. Health Prof., 28: 25-31.
edyoucated wird von führenden Forschungseinrichtungen wie dem Bundesministerium für Bildung und Forschung (BMBF), dem Bundesinstitut für Berufsbildung (BIBB) und dem Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gefördert.
