Aktuelles
LA DIVA – Grundlagen für neue Reallabor-Forschung
[07.04.2025]Wie lässt sich Learning Analytics einsetzen, um Studierende passgenau zu unterstützen? Damit befasste sich das CATALPA-Projekt LA DIVA, das jetzt zu einem erfolgreichen Abschluss gekommen ist.
Foto: damircudic/E+/GettyImages
„Wir haben in dem Projekt sehr viel Grundlagenarbeit geleistet, auf dem aktuelle und zukünftige CATALPA-Forschung aufbauen kann“, berichtet Prof. Dr. Jörg Haake. Der Professor für Kooperative Systeme in der Fakultät für Mathematik und Informatik leitete das Projekt LA DIVA, kurz für „Learning Analytics for Diversity-Inspired Adaptive Learning“. Doktorand Marc Burchard baute im Rahmen seiner inzwischen abgeschlossenen Dissertation eine Plattform auf, die innerhalb von Moodle experimentelle Studien mit Gruppen ermöglicht. So können die Forschenden das Lernverhalten von Studierenden untersuchen – und zwar unter Reallabor-Bedingungen in echten Lehrveranstaltungen. „Dafür war ganz wichtig, dass die Plattform robust ist, also auch bei vielen gleichzeitigen Teilnehmenden nicht zusammenbricht“, erklärt Jörg Haake.
Foto: Hardy Welsch
Die Plattform kommt nun bereits seit fünf Semestern in dem Fernlehrkurs Einführung in das wissenschaftliche Arbeiten in der Psychologie zum Einsatz. Hier können die Forschenden etwa die Aktivitäten von Studierenden in kollaborativen Schreibaufgaben untersuchen: Wie arbeiten die Studierenden zusammen und wie läuft ihre Kommunikation ab? Das CATALPA-Forschungsprojekt Div-Adapt unter Leitung von Prof. Dr. Stefan Stürmer untersuchte damit beispielsweise aus sozialpsychologischer Perspektive, ob es Unterschiede in der Zusammenarbeit gibt, wenn Lerngruppen homogen oder heterogen zusammengesetzt sind, etwa in Bezug auf soziodemografische Merkmale oder auch Vorwissen. Ein Ergebnis: Gruppen, deren Mitglieder sowohl vielfältige soziodemografische Merkmale hatten als auch sehr unterschiedlich ausgeprägtes Vorwissen, arbeiteten weniger eng zusammen.
Weitere Forschung zu virtuellen Lerngruppen
Publikation zur Plattform
Burchart, M., & Haake, J.M. (2024). Supporting Collaborative Writing Tasks in Large-Scale Distance Education. IEEE Transactions on Learning Technologies, 17, 1051-1068. https://doi.org/10.1109/TLT.2024.3355791
Die Plattform ist darauf ausgelegt, je nach Forschungsansatz und Forschungsfrage Gruppen ganz unterschiedlich zusammenzustellen. „Entweder Studierende wählen selbst eine Lerngruppe, oder die Gruppen werden zufällig gebildet. Es ist aber auch möglich, bestimmte Vorgaben zu machen und dann die Gruppen von einem Algorithmus zusammensetzen zu lassen“, so Haake. Für diesen Teil des Forschungsprojekts arbeiteten die CATALPA-Forschenden mit Prof. Dr. Niels Pinkwart und seinem Team von der Humboldt-Universität zu Berlin zusammen. „Sie haben einen Algorithmus entwickelt, der die automatisierte Gruppenzusammensetzung nach bestimmten Vorgaben ermöglicht.“ Folge-Forschungsprojekte von CATALPA nutzen die Möglichkeiten der Plattform bereits: Das DFG-geförderte Projekt MULTIDIVERSE-CSCL untersucht damit beispielsweise den Einfluss von Stereotypen in virtuellen Lerngruppen. Vor kurzem wurde die Plattform um eine Videochat-Funktion mit automatisiertem Transkript ergänzt, was wiederum neue Forschungsansätze möglich macht.
Automatisiertes Feedback mit Verbesserungsmöglichkeiten
Publikation zum Feedback
Kasakowskij, R., Haake, J.M. Supporting a bidirectional feedback process for self-assessment tasks in a digital learning environment. International Journal of Educational Technology in Higher Education 22, 15 (2025). https://doi.org/10.1186/s41239-025-00512-6
Ein weiterer Teil von LA DIVA befasste sich mit automatisierten Feedback-Prozessen. „Üblicherweise kennen wir Feedback von Lehrenden an Lernende, wenn diese Aufgaben erledigt haben“, erklärt Haake. „Wir wissen, dass Feedback Lernprozesse fördert. Aber in großen virtuellen Lerngruppen, wie wir sie an der FernUni haben, ist das individuelle Feedback bei Übungsaufgaben kaum möglich.“ Doktorandin Regina Kasakowskij untersuchte daher in Lehrveranstaltungen in der Informatik, wie sich solches Feedback bei bestimmten Übungsaufgaben – so genannten Self-Assessments – automatisieren lässt. Dabei geben die Lehrenden einerseits Bewertungskriterien und andererseits zur Erfüllung der Kriterien passendes Feedback vor. Je nachdem, welchen dieser Kriterien eine Aufgabenlösung nach Selbstbewertung der Studierenden entspricht, erhalten diese automatisiert das dazu passende Feedback. Die Studierenden wiederum können danach rückmelden, wie hilfreich dieses Feedback für sie war. Das macht den Feedback-Prozess bidirektional, mit Verbesserungsmöglichkeiten in beide Richtungen.
Weiter mit Freiraum-Projekten
Auch aus diesem Teil von LA DIVA gingen Folgeprojekte hervor: Die Stiftung Innovation in der Hochschullehre fördert die beiden Freiraum-Projekte „METALADIN“ und „Aiducator“. Die eng miteinander zusammenhängenden Projekte wollen Ansätze, wie man KI und Large-Language-Modelle zur Generierung von Übungsaufgaben und für Feedback-Prozesse einsetzen kann, in die Praxis bringen. Diese Projekte werden am 1. April bei CATALPA starten. Auch Regina Kasakowskij hat ihre Dissertation inzwischen eingereicht und plant, in den beiden neuen Projekten dann als Postdoc weiter zu Feedback in der Lehre forschen.
