Marius Wehner und Lynn Schmodde von der Wirtschaftswissenschaftlichen Fakultät der Heinrich-Heine-Universität Düsseldorf berichten von ihrer Forschung zu Learning Analytics. Im Verbundprojekt LADi haben sie Diskriminierungspotenziale und Bias in den Algorithmen untersucht sowie die Wahrnehmung der Lernenden von Beurteilungen durch Learning Analytics. Interviewer in Folge 11 des DINItus Podcasts ist Erik Reidt vom ZIM/Multimediazentrum der HHU Düsseldorf.
Wie stark lassen sich Lehrende durch Learning Analytics in ihrer Bewertung von Studierenden beeinflussen? Welche diskriminierenden aber auch ungleichheits-reduzierenden Effekte gehen von Algorithmen aus? In diesem Beitrag stellen die Autor*innen das Potential und die Gefahren von Learning Analytics vor und werten die Forschungsergebnisse eines Conjoint-Experiments aus.
Breanne K. Litts, Kristin A. Searle, Bryan M. J. Brayboy, Yasmin B. Kafai, British Journal of Educational Technology, Feb 21, 2021
Commentary by Stephen Downes
Durch digitale Lernplattformen können vermehrt Daten über Lernende, Lerninhalte und die Lernsituation ausgewertet werden. Die algorithmische Analyse nennt sich Learning Analytics. Diese Analyse ermöglicht einen individuellen Lernprozess sowie eine Früherkennung von Lernschwächen. Learning Analytics bergen allerdings auch einige Nachteile.
Tutorial, Learning Analytics Summer Institute, Ann Arbor, June 2017 As algorithms pervade societal life, they’re moving from an arcane topic reserved for computer scientists and mathematicians, to the object of far wider academic and mainstream media attention