Die umfangreiche Sensorik mobiler Endgeräte erlaubt es verschiedene Informationen über den Kontext des Nutzers eines mobilen Endgerätes zu bestimmen. Das Wissen über den Kontext eines Nutzers lässt sich dann nutzen um Lernanwendungen adaptiv zu gestalten. Die Adaptivität der Lernanwendung hat das Ziel den Lernenden automatisiert in seinem Lernprozess zu unterstützen. Der Vortrag gibt einen Überblick über verschiedene Formen der Kontextbestimmung und der Nutzung der Kontextinformation innerhalb von Lernanwendungen sowie die damit einhergehenden Potenziale. Zugleich werden die Grenzen der Kontextbestimmung und Nutzung angesprochen.

1. KOM - Multimedia Communications Lab
TUD – Technische Universität Darmstadt
© 2014 author(s) of these slides including research results from the KOM research network and TU Darmstadt. Otherwise it is specified at the respective slide 10. November 2014
Christoph.Rensing@KOM.tu-darmstadt.de
Adaptivität von mobilen
Lernanwendungen
Potenziale, Formen und Grenzen
Dr.-Ing. Christoph Rensing
#Adaptivität
#Mobile_Learning

2. KOM – Multimedia Communications Lab 2
Agenda
Adaptivität von Lernanwendungen
Mobile - Kontextadaptive Lernanwendungen
Adaptivität von mobilen Lernanwendungen
Grenzen von adaptiven mobilen Lernanwendungen

3. KOM – Multimedia Communications Lab 3
Adaptivität von Lernanwendungen
Definition:
 Adaptivität ist die Fähigkeit eines Systems (hier einer Lern-
anwendung) sich automatisch an das Verhalten und die
Bedürfnisse eines Nutzers (hier eines Lernenden) anzupassen.
Lerner-Verhalten
Anpassung einer Lernanwendung
Lerner-Bedürfnisse

4. KOM – Multimedia Communications Lab 4
Adaptivität in Intelligenten Tutoriellen
Systemen
Topics
Students
Experience
Learning
Characteristics
Affective
Characteristics
Misconceptions
Existing
knowledge:
concepts,
facts,
procedures,
skills,
declarative
knowledge
User history:
student attitude
towards some
statement,
discourse,
plans,
goals,
task experience
Incorrect
„buggy“
knowledge
Learning rate,
student
preferences,
type of thinking
Engagement,
boredom,
seriousness,
level of
concentration
In Anlehnung an (Woolf, 2009) – Elements of a student model in an ITS
Auswahl von Lernressourcen
Bestimmung der Reihenfolge
von Lernressourcen
Lerner-Verhalten Lerner-
Bedürfnisse
Lerner-Eigenschaften

5. KOM – Multimedia Communications Lab 5
Adaptivität in kooperativen Lernumgebungen
Elemente und Mechanismen von Kooperationsskripts
Elemente
Teilnehmer
Gruppen
Aktivitäten
Rollen
Ressourcen
Mechanismen
Gruppen-
formation
Festlegen
Interaktions-
reihenfolge
Aufgaben- und
Rollenverteilung
In Anlehnung an (Kobbe et al., 2007)
Lerner-
Verhalten

6. KOM – Multimedia Communications Lab 6
Adaptivität vs. Adaptierbarkeit
Adaptierbarkeit bezeichnet die Möglichkeit eines Nutzers (hier eines
Lernenden) ein System (hier eine Lernanwendung) an die aktuellen
Bedürfnisse anzupassen indem er aktiv (Auswahl)-Entscheidungen
trifft.
Grad
Grad
Adaptivität
Adaptierbarkeit
Empfehlungs-
systeme
Awareness-
tools
Intelligente Tutorielle Systeme
Adaptive kooperative
Lernumgebungen

7. KOM – Multimedia Communications Lab 7
Agenda
Adaptivität von Lernanwendungen
Mobile - Kontextadaptive Lernanwendungen
Adaptivität von mobilen Lernanwendungen
Grenzen von adaptiven mobilen Lernanwendungen

8. KOM – Multimedia Communications Lab 8
Kontextinformation
Mobile - Kontextadaptive Lernanwendungen
Kontextbewusste Systeme sind Systeme, die auf Basis von
physikalischen Sensoren Kontextinformationen einer Person
erfassen und basierend auf diesen Informationen
Kommunikations-, Informations- oder andere Dienste
anbieten, steuern und anpassen (Dey & Abowd, 2000).
Lerner-Verhalten
Anpassung einer Lernanwendung
Lerner-Bedürfnisse
Sensorik
Auswahl, Steuerung und Anpassung von Diensten

9. KOM – Multimedia Communications Lab 9
Kontextdimensionen
(Rensing & Tittel, 2013)
Lerner-Verhalten
Lerner-Bedürfnisse
Geräte

10. KOM – Multimedia Communications Lab 10
Beispiel: Situiertes Lernen
Mobiles Lernen in der Agrarwissenschaft –
Projekt von httc Darmstadt und JLU Gießen
Ausgangspunkt
 Exkursionen zur Lehr- und Forschungsstation
Oberer Hardthof
Zielsetzung
 Aktivierung der Studierenden
 Eigenständige Exploration des
Kuhstalls statt nur rezipierende Aufnahme
 Eigene Erstellung von Informations-
/Lerneinheiten
 Aufteilung der Gruppe in Kleingruppen
 besseren Einblick in und direkteren Zugang
zu einzelnen Bereichen des Kuhstalls
Quelle: JLU Gießen –
Institut für Tierzucht und Haustiergenetik

11. KOM – Multimedia Communications Lab 11
Zugriff auf Lerneinheiten
 URL der Lerneinheit per QR-Code kodiert
 Zugriff auf Lerneinheit per Scan des QR-Codes
 Lerneinheit liegt in Lernplattform vor
Quelle: JLU Gießen
Quelle: JLU Gießen
Objekte in
der Umgebung
Auswahl von Lernressourcen

12. KOM – Multimedia Communications Lab 12
Beispiel:
informelles Community-basiertes Lernen
Projekt MOLEM
(Mobiles Lernen in der Elektromobilität)
 Unterstützung von
Servicetechnikern
während der Arbeit
 u.a. informeller
Erfahrungsaustausch
mittels eines Frage
und Antwortsystems

13. KOM – Multimedia Communications Lab 13
Vorschlag von Lerneinheiten
Expertenauswahl
Bestimmung der aktuellen
Aufgabe mittels Auslesen
der Fahrzeuginformationen
Vorschlag von Lerneinheiten
Vorschlag von existierenden
Frage & Antworten
hier Präsentationstitel eintragen....
Arbeitsaktivität
Auswahl von
Lernressourcen

14. KOM – Multimedia Communications Lab 14
Bestimmung verfügbarer Kollegen und
Kommunikationskanal
Aktivitätserkennung mittels
Audio-Snippets und Machine
Learning
hier Präsentationstitel eintragen....
Aktivität Verfügbarkeit Unterbrechbarkeit
Reparaturarbeiten in der Werkstatt X 
Reparaturarbeiten auf der Straße X X
Autofahren (nur per Telefon)  (nur per Telefon)
Besprechung / Auftragsannahme X X
Pause  
Arbeitsaktivität
Auswahl von
Kommunika-
tionskanal
Lernpartner-
auswahl

15. KOM – Multimedia Communications Lab 15
Kontextmodell nach Yin et al. (2014)

16. KOM – Multimedia Communications Lab 16
Agenda
Adaptivität von Lernanwendungen
Mobile - Kontextadaptive Lernanwendungen
Adaptivität von mobilen Lernanwendungen
Grenzen von adaptiven mobilen Lernanwendungen

17. KOM – Multimedia Communications Lab 17
Adaptivität von mobilen Lernanwendungen
Kontextinformation
Anpassung einer
Lernanwendung
Sensorik
Lerner-
verhalten
Anpassung einer
Lernanwendung
Lernermodell
Mobile - Kontextadaptive
Lernanwendungen
Adaptive
Lernanwendungen
+
Adaptive mobile Lernanwendungen
Lerner-
bedürf-
nisse
Lerner-
eigen-
schaften
Lerner-
verhalten
Lerner-
bedürfnisse
Diagnose-
elemente

18. KOM – Multimedia Communications Lab 18
Kontext nach Moebert et al. (2014)
Physischer Kontext:
 Wetter (aktuell & zukünftig), Umgebungsgeräusche, Lichtstärke, Zeit,
Luftfeuchtigkeit, Temperatur
Mobil:
 Position (unterteilt in Adresse, Gebäude, Region & Land), Ankunft, Abreise,
Entfernung zu einem Ort, Transportmittel, Geschwindigkeit, Ziel
Situativer Kontext:
 Körpergeste, Gesichtsausdruck, Blickrichtung
Szenario:
 Lernfortschritt, aktuelle Aufgabe, benötigte Zeit für die Bearbeitung
Persönlicher Kontext:
 Termine, Vorwissen (verifiziert & abgeleitet), Motivation, Erwartungen und Motive,
Vorlieben, soziale Verknüpfungen, Behinderungen
Technischer Kontext:
 vorhandene Infrastruktur (wie Drucker & externe Monitore), Gerätefunktionen (wie
Stimmen-, Bild- oder Videoaufnahme bzw. –ausgabe)

19. KOM – Multimedia Communications Lab 19
Kontext nach Moebert et al. (2014)
Physischer Kontext:
 Wetter (aktuell & zukünftig), Umgebungsgeräusche, Lichtstärke, Zeit,
Luftfeuchtigkeit, Temperatur
Mobil:
 Position (unterteilt in Adresse, Gebäude, Region & Land), Ankunft, Abreise,
Entfernung zu einem Ort, Transportmittel, Geschwindigkeit, Ziel
Situativer Kontext:
 Körpergeste, Gesichtsausdruck, Blickrichtung
Szenario:
 Lernfortschritt, aktuelle Aufgabe, benötigte Zeit für die Bearbeitung
Persönlicher Kontext:
 Termine, Vorwissen (verifiziert & abgeleitet), Motivation, Erwartungen und Motive,
Vorlieben, soziale Verknüpfungen, Behinderungen
Technischer Kontext:
 vorhandene Infrastruktur (wie Drucker & externe Monitore), Gerätefunktionen (wie
Stimmen-, Bild- oder Videoaufnahme bzw. –ausgabe)
Kontextbasierte Information
Lernereigenschaften
Lernerverhalten

20. KOM – Multimedia Communications Lab 20
Adaptive mobile Lernanwendungen
Sensorik
Lerner-
eigen-
schaften
Technologie-
auswahl
Gruppen-
formation
Festlegen
Interaktions-
reihenfolge
Aufgaben- und
Rollenverteilung
Auswahl von Lernressourcen
Bestimmung der Reihenfolge
von Lernressourcen
…
Lerner-
bedürfnisse
Lerner-
verhalten
Lernermodell
Diagnose-
elemente

21. KOM – Multimedia Communications Lab 21
Vorschlag von Lerneinheiten
Expertenauswahl
Aufgabe
hier Präsentationstitel eintragen....
Aktivität der Kollegen
Auswahl von
Lernressourcen
Lernpartner-
auswahl
Auswahl von
Kommunika-
tionskanal
Lernermodell

22. KOM – Multimedia Communications Lab 22
Agenda
Adaptivität von Lernanwendungen
Mobile - Kontextadaptive Lernanwendungen
Adaptivität von mobilen Lernanwendungen
Grenzen von adaptiven mobilen Lernanwendungen

23. KOM – Multimedia Communications Lab 23
Grenzen
Datenschutz
 Wer hat Zugriff auf Informationen, die mittels der Sensorik der
mobilen Endgeräte erfasst werden? Wo werden die Informationen
gespeichert?
 Gebot der
Datensparsamkeit
Benutzerakzeptanz
 Work Life Balance: Fließende Übergänge zwischen Arbeit, Lernen
und Freizeit
 Regelmäßige Diskussion mit Arbeitnehmervertretungen in
betrieblichen Szenarien
MOLEM
Plattform
MOLEM App
Aktivität ?
Sensordaten ?
Unterbrechbarkeit/Verfügbarkeit ?

24. KOM – Multimedia Communications Lab 24
Fragen & Kontakt

25. KOM – Multimedia Communications Lab 25
Referenzen
Dey, A. K. & Abowd, G.D. (2000): Towards a better understanding of context and
contextawareness. In CHI 2000 Workshop on the What, Who, Where, When, and How of
Context-Awareness.
Lucke, U. & Rensing, C. (2014): A survey on pervasive education. In: Pervasive and Mobile
Computing, no. 14, p. 3-16.
Kobbe L. et al (2007): Specifying computer-supported collaboration scripts. International
Journal of Computer-Supported Collaborative Learning, Volume 2, Issue 2-3, pp 211-224.
Moebert, T. et al. (2014): Ein generalisierter Ansatz zur kontextsensitiven Anpassung in
mobilen E-Learning-Umgebungen. In: Rensing, C. & Trahasch, S. (Hrsg.): Proceedings of
DeLFI Workshops 2014
Rensing, C. & Tittel, S. (2013): Situiertes mobiles Lernen – Potenziale, Herausforderungen
und Beispiele. In: Claudia de Witt, Almut Sieber (Hrsg.): Mobile Learning - Potenziale,
Einsatzszenarien und Perspektiven des Lernens mit mobilen Endgeräten, S. 121-142,
Springer VS.
Woolf, B. (2009): Designing Intelligent Interactive Tutors. Morgan-Kaufmann.
YIN, C. et al. (2014): A Hierarchical Ontology Context Model For Work-based Learning,
Frontiers of Computer Science, to appear.