Einführung in Learning Analytics - Data und Instruments

1. Workshop
Learning Analytics
GRADE Centre
Johann-Wolfgang Goethe Universität Frankfurt
Wolfgang Greller (PH Wien)
16.-17. Mai 2019

2. Sechs Dimensionen von LA
W. Greller
2019
Workshop Learning Analytics
2

3. Daten
W. Greller
2019
Workshop Learning Analytics
3
Datenschutz Grundverordnung (GDPR)
Offene oder geschützte Daten
Beispiele für offene Daten?
• Veröffentlichungen, nicht-personenbezogene Erhebungen (z.B.
Schwermetalle im Boden, Bücher in der UB, Entlehnungen von e-
Books)
• Linked Open Data (LOD) – auch soziale Daten
• Contextual Attention Metadata (CAM) – (cf. Schmitz, et al. 2009)
• Kollektive/aggregierte Datensätze
• Selbstveröffentlichte Daten mit Zustimmung

4. Persönliche Daten
W. Greller
2019
Workshop Learning Analytics
4
Typen von Lernerdaten:
(1) Demografische Daten: Geschlecht, Herkunft,
Erstsprache, Postleitzahl, usw.
(2) Profildaten: Lernerfolge, Tests, Noten, Anwesenheit,
Entlehnungen (LIP: Learner Information Profile)
(3) Soziale Daten: Netzwerk-Kontakte, Likes,
Kommentare, Postings, Shares (aktive Kommunikation)
(4) CAM: Logins, aktive Zeit, Views, Uploads, Ratings,
FOAF (Systeminteraktionen, Tracking)

5. Geschützte Daten
W. Greller
2019
Workshop Learning Analytics
5
Wem gehören eigentlich die Daten?
Defaultprinzip: Die Daten gehören weder dem Data Subject noch dem
Data Client, sondern dem Eigentümer des Erhebungsinstruments
z.B. Fragebogenentwickler, Besitzer von Gesichtserkennungskamera,
Plattformbetreiber, usw.
Wer darf die Daten sehen und zu welchem Zweck?
Nur sehr selten existieren verbriefte Rechte auf Datenzugriff.

6. GDPR - Datenschutz
W. Greller
2019
Workshop Learning Analytics
6
Was darf man mit persönlichen Daten?
Verschärfung des existierenden Datenschutzes.
Wichtigste Neuerungen:
- Keine Blankozustimmung (z.B. bei Studieneinschreibung)
sondern Zweckbindung
- Keine Vorratsdatenspeicherung
- Dateneffizienz und -ökonomie (nur das Nötigste, solange nötig!)
- Zustimmung erforderlich, Widerruf möglich („Right to be
forgotten“)
- Datensystemregister
- Kein Weitergaberecht, Datensicherheit
- Vernichtungspflicht
- Strenge Strafen (für kommerzielle Datenbetriebe)

7. Ent-Personalisierung
W. Greller
2019
Workshop Learning Analytics
7
Pseudonymisierung, Anonymisierung, Aggregation sind die
wichtigsten Methoden zum Datenhandling. Allerdings sind die
ersten beiden Methoden rechtlich nicht abgesichert
(kontextabhängig)
Achtung bei persönlichen Daten von Dritten: Datenschutz und
Persönlichkeitsrechte auch hier.
z.B. Fotos, Patientendaten (in Lerntagebüchern von
Medizinstudenten), Schülerdaten (von Lehrpraktikanten), usw.

8. Fragen? Diskussion!
W. Greller
2019
Workshop Learning Analytics
8

9. Sechs Dimensionen von LA
W. Greller
2019
Workshop Learning Analytics
9

10. Instrumente und Methoden
W. Greller
2019
Workshop Learning Analytics
10
Lerntheorien und Grundlagenforschung, hypothesenbasierte Ansätze
(z.B. aktive Teilnehmer weisen bessere Ergebnisse auf: Konstruktivismus)
Technologie: Datensammelinstrumente: z.B. Fragebogen, Zählungen,
Sensoren, Sentimentanalysen und AI, Statistik, Social Network Analysis,
Natural Language Processing, Algorithmen und Korrelationen (Regelwerk,
z.B. Bayesian), Maßeinheiten, Mischdaten (aus verschiedenen Quellen)
Präsentationsinstrumente: Gewichtungen, Granularität, Visualisierung,
Statistiken, Textinterpretation, Dashboard; On demand jederzeit verfügbar
oder nicht? – zweckmäßiges Design.

11. Instrumente und Methoden
W. Greller
2019
Workshop Learning Analytics
11
Beispiel: Fitness
Instrument: Schrittzähler vs. GPS Fitnessuhr
Schrittzähler zählt Schritte
GPS Uhr misst Distanz, Herzfrequenz, Höhenunterschied, Kalorien, usw.
Hypothese: Mehr Bewegung bringt mehr Fitness.
Begriffsbestimmung Fitness (instrumentenkonform um messbar zu
machen): Je fitter ich bin, desto länger bleibt Herzfrequenz niedrig
Schrittzähler: mehr Schritte gemacht – kein Hinweis auf bessere Fitness
GPS Uhr: Hypothese bestätigt: öfter gelaufen – Herzfrequenz niedriger
Gewichtung: Herzfrequenz gegenüber Kalorienverbrauch. Was sagt mehr
zur Fitness aus?

12. Instrumente und Methoden
W. Greller
2019
Workshop Learning Analytics
12
Achtung: Algorithmen und Methoden sind von Natur aus reduktiv, indem
sie die Realität auf eine Handvoll bewältigbarer Variablen beschränken.
Das führt u.U. zu einem verzerrten Bild der Tatsachen und Wirklichkeiten

13. Instrumente und Methoden
W. Greller
2019
Workshop Learning Analytics
13
• Bestimmen das Ergebnis/die Erkenntnis
• Bieten spezifische Perspektiven (qualitativ vs. quantitativ)
• Priorisieren und gewichten Informationen
• Bieten meist (nur) Wahrscheinlichkeiten
• Führen zu Plausibilitäten
• Testen theoretische Fundamente (Hypothesen verifizieren)
Die Wahl der Instrumente und Methoden bestimmt die Qualität und den
Nutzen der Erkenntnisse.
Achtung vor verstecktem Bias (Hildebrandt, 2010) z.B. durch
Vorannahmen

14. Fragen? Diskussion!
W. Greller
2019
Workshop Learning Analytics
14