Not all learning analytics are the same. Discover how proactive learning analytics help you influence and improve ongoing learning processes by predicting the future and creating recommendations for action. Identify the 4 key elements that will determine the success of your analytics journey.
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
It recently came to my attention that I was waging a war across multiple fronts and fatigue had struck — they were winning. For months I had battled, fighting their persistence with my propensity to click x.
Scalable learning is a key differentiator for modern enterprise business. The theory states that the institutions most likely to thrive in today’s changing economic environments will be those that provide opportunities not only to learn faster as a whole organization, but also to learn from other individuals and organizations to create new knowledge.
This edited volume includes a collection of expanded papers from the 2019 Sino-German Symposium on AI-supported educational technologies, which was held in Wuhan, China, March, 2019. The contributors are distinguished researchers from computer science and learning science.
In 1687, Sir Isaac Newton published his seminal article “Philosophiae Naturalis Principia Mathematica” in which he described the motion of celestial bodies (Newton, 1987).
Smarte Ausstattung: Um das Lernen der Zukunft digital zu gestalten, benötigen Schulen passende technische Ausstattung. Die Auswahl ist jedoch jedoch rießig.
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.
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
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.
Certain words are like sparks in a puddle of gasoline. “Bias” is definitely one of those words—and for good reason. If there is something that we are doing, that we are unaware of, that is causing harm to others, then we definitely should be taking it seriously.
Der Kurs vermittelt ein grundlegendes Verständnis für Machine Learning und den Umgang mit Algorithmen. Nach einem Einführungsteil auf der Basis inhaltlicher Wissensvermittlung, haben Sie intensiv die Möglichkeit, Kompetenzen durch forschendes Lernen und anhand realer Szenarien zu entwickeln.
This episode is all about bias. Our hosts Maren Scheffel and Nia Dowel talk to Shamya Karumbaiah and Rene Kizilcec about bias in learning analytics and some of the work they are doing in that area.
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.