Tematyka
-
Willkommen zu dem Lernmaterial zum Selbststudium über die Beobachtung, Unterstützung und Einbindung von Studentinnen und Studenten auf Grundlage der durch digitale Technologien gewonnenen Erkenntnisse. Dieser Kurs richtet sich an Lehrkräfte in F-2-F- und Online-Kontexten.
Dieses Material enthält Leitlinien und Empfehlungen dazu, wie Lehrkräfte einen Kurs gestalten können, um Daten über das Verhalten der Lernenden und ihre Beschäftigung mit den Lerninhalten zu gewinnen. Eine datengestützte Entscheidungsfindung kann das Lehren und Lernen sowie die Neugestaltung neuer Kurse verbessern.
Dieses Lernmaterial zielt darauf ab, Lehrkräfte darauf vorzubereiten, Lernanalysen als Grundlage für datengestützte Entscheidungen bei der Lerngestaltung und Kursdurchführung zu nutzen. Die zahlreichen Best-Practices und Beispiele, die in diesem Material vorgestellt werden, bieten verschiedene Strategien und Perspektiven für die Umsetzung. Am Ende dieses Selbsttrainings werden Sie wissen, welche Tools zu verwenden sind, welche Bewertungsstrategien anzuwenden sind und welche Lernressourcen und/oder Aktivitäten zu entwerfen sind, um das Engagement der Lernenden zu fördern.
Das meiste, was Sie lernen werden, wird mit Bezug auf Moodle erklärt, gilt aber auch für andere LMS, die ähnliche Funktionen bieten.
Schauen Sie unbedingt im Glossar nach, um die Definitionen der wichtigsten Begriffe zu diesem Thema nachzulesen.
Schauen Sie sich auch das Dokument "Konzeptionelle Einführung" an, um mehr über die wichtigsten Konzepte des Kurses zu erfahren. Optional können Sie sich ein Webinar (Minute 4 bis 36) über Lernanalysen und Engagement ansehen, das auf der Europäischen Woche für Online- und Fernunterricht (EODLW) 2022 präsentiert wurde.
30 Studen
Selbstreguliertes Arbentein
Kostenlos
-
Bitte verwenden Sie diese Karte, um sich über die Struktur des Kurses zu informieren und zu entscheiden, ob Sie den gesamten Kurs oder nur einzelne Themen bearbeiten möchten.
-
Bevor Sie mit dem Kurs beginnen, sollten Sie Ihr Wissen über die Überwachung und Analyse digitaler Nachweise selbst einschätzen.
-
-
Einführung in die wichtigsten Konzepte des Kurses
-
Bitte sehen Sie sich dieses 3-minütige Video an, das Ihnen einen schnellen und visuellen Überblick darüber verschafft, was LA ist, was die Schlüsselelemente sind, die Wirksamkeit und die Lerninterventionen, die damit möglich sind.
-
Einheit 1. Entwicklung von evidenzbasierten Lehr- und Lernstrategien zur Förderung des selbstgesteuerten Lernens in VLE
-
Bei der Entwicklung von evidenzbasierten Lehr- und Lernstrategien ist es wichtig, nicht nur darüber zu sprechen, welche Daten gesammelt werden können, sondern sich darauf zu konzentrieren, wie das Lehren und Lernen so gestaltet werden kann, dass das metakognitive Lernen der Lernenden unterstützt wird. Wenn Sie wissen, welche metakognitiven Strategien das Engagement, die Leistung und das selbstregulierte Lernen der Lernenden unterstützen, können Sie entscheiden, welche Tools Sie zur Sammlung digitaler Daten über das Verhalten der Lernenden einsetzen wollen.
-
Wissen Sie, wie Ihre Studierenden lernen? Wissen die Studierenden, wie sie lernen? Indem Sie den Studierenden helfen, die Lernstrategien und -methoden zu verstehen, mit denen sie besser lernen können, können Sie ihr Engagement, ihre Leistung und ihren Erfolg fördern. Metakognitive Lernmöglichkeiten können den Studierenden dabei helfen, Verantwortung für ihr Lernen zu übernehmen. Darüber hinaus fördert metakognitives Wissen das vorausschauende Denken und die Selbstreflexion der Lernenden, die für selbstreguliertes Lernen entscheidend sind.
-
Eine Forschungsstudie über einen Online-Studiengang für Englisch
-
Wie in der konzeptionellen Einführung hervorgehoben wurde, werden bei der Gestaltung von Kursen mit digitalen Technologien und Werkzeugen, sei es zu Bewertungszwecken oder zu anderen Lehr- und Lernzwecken, eine Vielzahl von Daten erzeugt. Daher ist es für Lehrkräfte sehr wichtig zu wissen, wie sie ein Lernmanagementsystem (LMS) konfigurieren und Lernaktivitäten einrichten können, die die Art von digitalen Nachweisen erzeugen, die sie benötigen.
-
Reflektiertes Lernen, Lehren und Bewerten auf der Grundlage von Learning Analytics
-
In den vorangegangenen Abschnitten ging es darum, wie man Kurse einrichtet, um das Engagement der Lernenden zu verfolgen (1.1) und wie man Lernaktivitäten gestaltet, um Nachweise zu generieren (1.2). In diesem Unterkapitel werden wir uns auf die Liste der Tools konzentrieren, die zur Unterstützung des Lehrens und Lernens und zur Generierung von Daten verwendet werden können. Moodle-Tools sind Beispiele für Tools, die in ein Lernmanagementsystem (LMS) integriert werden können (1.3.1). Dann werden wir mögliche externe Tools aufzeigen, die zur Verbesserung der Möglichkeiten des aktiven Lernens eingesetzt werden können (1.3.2).
-
Entwicklung mehrerer Bewertungsstrategien zur Sammlung und zum Vergleich von Daten in einem Online-Kurs
-
- Welche Lernaktivitäten würden Sie konzipieren, um die Studierenden zu ermutigen, ihr Verständnis eines Themas/Konzepts mitzuteilen?
- Welche Lernaktivitäten können Ihnen helfen, etwas über die Vorerfahrungen der Lernenden zu erfahren, damit Sie die Lerninhalte an diese anpassen können?
- Welche Aktivitätseinstellungen sollten konfiguriert werden, um Daten über das Engagement der Studierenden und das Lerndesign zu generieren?
- Welche Aktivitäten können so gestaltet werden, dass sie die Selbstreflexion der Studierenden über ihren Lernprozess fördern? Welche Tools können diese Aktivitäten unterstützen?
- Welche Aktivitäten würden Sie planen, um Informationen darüber zu sammeln, wie das Kursdesign verbessert werden kann?
-
-
Einheit 2. Analyse und Interpretation von evidenzbasierten Daten als Grundlage für Lehren und Lernen
-
Abbildung 1. Learning Analytics als metakognitives Werkzeug zur Verbesserung des akademischen Erfolgs von Studierenden (Volungeviciene et al., 2021, p 175)
Gemäß dem DigCompEdu Framework (Punie & Redecker, 2017) ist die Analyse von Lerndaten ein Teil der Bewertungskompetenz und bedeutet, digitale Dokumentationen über die Aktivitäten, Leistungen und Fortschritte der Lernenden zu generieren, auszuwählen, kritisch zu analysieren und zu interpretieren, um das Lehren und Lernen zu informieren.
-
Nachdem Sie Aktivitäten entwickelt haben, um Daten über das Engagement und den Fortschritt der Lernenden zu sammeln (siehe Einheit 1), müssen Sie die LA generierten Daten auswählen, die die benötigten Informationen liefern.
In diesem Unterabschnitt werden wir Ihnen eine Reihe von Fragen stellen, die Sie je nach den Zielen der Beweisanalyse (2.1.1) beantworten müssen. Das nächste Unterkapitel (2.1.2) befasst sich dann mit den Berichten, die Sie darüber informieren können, wie engagiert die Lernenden mit den Lernaktivitäten sind und wie die Daten zur Unterstützung von SRL genutzt werden können.
Die Möglichkeit, auf die von der LA generierten Daten zuzugreifen und diese zu analysieren, sollte als eine Lösung angesehen werden, um zeitnahes und personalisiertes Feedback zur Unterstützung des selbstgesteuerten Lernens (SRL) der Studierenden zu geben. Ein personalisiertes, zeitnahes und auf die Entwicklung des selbstgesteuerten Lernens ausgerichtetes Feedback wirkt sich positiv auf die Lern- und Zeitmanagementstrategien der Lernenden aus.
-
In der Phase der Lernkonzeption (Einheit 1) müssen die Lehrkräfte metakognitive Lehr- und Lernstrategien entwerfen und entscheiden, welche Daten für die Analyse notwendig und wichtig sind. Dann müssen sie die Lernumgebung entsprechend konfigurieren und einrichten, bevor die Daten gesammelt werden. In der Lehr- und Lernphase (Einheit 2) müssen die Lehrkräfte die erhobenen Daten untersuchen und analysieren. In dieser Phase können sie mögliche Probleme bei der Lerngestaltung erkennen, Studierenden mit Erfolg oder Schwierigkeiten identifizieren und Tendenzen beim Zugriff auf Lernressourcen beobachten. Anhand dieser Daten können sie fundierte Entscheidungen treffen und eingreifen.
In der Untereinheit 2.1. wurde eine Liste von Moodle-Berichten vorgestellt, die Daten über das Engagement und den Lernfortschritt der Lernenden liefern. Wie in 2.1 beschrieben, ist es wichtig, Daten auf der Gruppen-/Klassenebene und auf der Ebene des einzelnen Schülers zu analysieren, und die Daten können wichtige Erkenntnisse über das Engagement der Schüler, den Lernfortschritt und die Gesamtleistung liefern. Dieses Unterkapitel konzentriert sich auf die generierten Daten, die den Lehrkräften Aufschluss über die erforderlichen Lehr- und Lernmaßnahmen geben können.
-
- Welche Berichte können Lehrer und Studierende über den Lernfortschritt informieren?
- Welche vorhandenen qualitativen und quantitativen Daten können genutzt werden, um Studierende zu engagieren?
- Welche Daten können überwacht und analysiert werden, um den akademischen Erfolg der Studierenden zu messen?
- Welche pädagogischen Maßnahmen würden Sie für den Fall planen, dass die Studierenden nicht auf die obligatorischen Lernressourcen zugreifen und sie nicht ansehen?
- Was würden Sie tun, wenn sich die Mehrheit der Studierenden nicht an einigen der im Kurs angebotenen Aktivitäten beteiligen würde?
-
-
-
Das Engagement der Studierenden wird durch aktives Lernen sowohl in Offline- als auch in Online-Umgebungen gefördert. Das bedeutet, dass sich die Studierenden aktiv an den ihnen zugewiesenen Aufgaben beteiligen, mit ihren Kommilitonen zusammenarbeiten und die Aufgaben pünktlich abliefern. Zu den Lernstrategien, die das Engagement der Lernenden fördern, gehören u. a. Frage-und-Antwort-Sitzungen, Peer-Review und Feedback, Diskussionen, prompte Fragen, interaktive Vorlesungen (in denen die Studierenden auf Fragen antworten oder Fragen stellen), schnelle schriftliche Aufgaben, praktische Aktivitäten und Erfahrungslernen.
-
Betts, S.; Simons, S.; Liogier, V. (2020). Einbindung von Lernenden in VLES. 25. März, 2020, ETFOUNDATION.CO.UK/EDTECH). (YouTube) Online-Webinar.
Es handelt sich um ein einstündiges Webinar, dessen Hauptziel es ist, Praktiker bei der Nutzung von VLE-Tools zu unterstützen, um Lernende online zu engagieren. Das Webinar stellt die Werkzeuge und die pädagogischen Ansätze vor, um die Lernenden zu motivieren, es befasst sich mit der Enhance Digital Teaching Platform und den unterstützenden Modulen, es behandelt auch den Badging-Prozess und die Einreichungen. Einige dieser Themen sind in diesen Lernmaterialien nicht enthalten. Dieses optionale Webinar ist jedoch eine gute Möglichkeit, Ihr Wissen über Online-Engagement und VLE zu ererweitern.
-
Wie bereits erwähnt, ist es wichtig, Lernaktivitäten zu konzipieren, die Evidenz generieren und die Metakognition und die Fähigkeiten des selbstgesteuerten Lernens (SRL) der Lernenden fördern (siehe 1.1), sowie die verfügbaren Evidenzen zu analysieren und zu interpretieren, um SRL und das Engagement der Lernenden zu unterstützen (siehe 2.1 und 2.2).
In diesem Abschnitt wird beschrieben, wie das Engagement der Studierenden gefördert werden kann und wie man Studierende in VLEs einbindet. Anschließend geben wir einen Überblick über Moodle-basierte Strategien, die die Kursgestaltung unterstützen und dabei helfen, die Lernenden auf der Grundlage von LA zu engagieren, nachdem wir die Nachweise der Lernenden analysiert haben. Schließlich werden wir erklären, wie man Studierende dazu bringen kann, ihren Lernprozess zu reflektieren und selbst zu bewerten.
-
Der Englisch-Onlinekurs über MSTeams
-
Der gemischte Kurs in Übersetzungswissenschaft
-
Learner Analytics Dashboards (LAD) als Feedback- und Engagement-Tools für Studierende
-
1. Welche Informationen würden Sie nutzen, um zu verstehen, wie die Studierenden den Kurs erlebt haben? Beispiel: Fragen im abschließenden Feedback. Was noch?
2. Der kontinuierliche Beitrag der Lehrkräfte ist entscheidend für das Engagement der Studierenden. Wie häufig sollten Lehrer Ihrer Meinung nach eingreifen und wie?
3. Was würden Sie tun, um die Aktivitäten an das Vorwissen der Studierenden anzupassen? Denken Sie an einige konkrete Beispiele!
4. Welche Unterrichtsentscheidung würden Sie treffen, wenn die Analysedaten ein geringes Engagement der Studierenden ergeben?
-
-
Selbstreflexion darüber, wie Sie auf die Beobachtung, Unterstützung und das Engagement von Studierenden vorbereitet sind.
-
Selbstreflexion darüber, wie Sie auf die Beobachtung, Unterstützung und das Engagement von Studierenden vorbereitet sind.
-
-
For more information please contact institutional representatives of DigiProf project:
UOC (Spanien) - Marcelo Fabián Maina, mmaina@uoc.edu
VMU (Litauen) - Giedre Tamoliune, giedre.tamoliune@vdu.lt
DHBW (Deutchland) - UrSula Göz, ursula.goez@heilbronn.dhbw.de
UAVR (Portugal) - António Moreira, moreira@ua.pt
USilesia (Polen) - Marta Mamet-Michalkiewicz, marta.mamet-michalkiewicz@us.edu.pl -
