Auflistung nach Autor:in "Fortenbacher, Albrecht"
1 - 7 von 7
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragAnalyse erfolgreicher Studenten in Massive Open Online Courses(DeLFI 2015 -- Die 13. E-Learning Fachtagung Informatik, 2015) Klüsener, Marcus; Fortenbacher, AlbrechtMassive Open Online Courses (MOOCs) besitzen das Potenzial, die Hochschulbildung zu skalieren und für viele Teilnehmer zugänglich zu machen. Plattformen wie Coursera, edX oder auch Iversity sind in diesem Bereich sehr erfolgreich. Trotz der unbestreitbaren Erfolge bleibt die niedrige Completion Rate in vielen MOOCs ein Problem. Ziel dieser Arbeit ist es erfolgreiche Studenten zu identifizieren und durch Bewertung ihrer Merkmale, den Dozenten handlungsweisende Informationen zur Verfügung zu stellen. Dazu wird untersucht, wie solche Informationen aus den Lernaktivitäten erfolgreicher Studenten abgeleitet werden können. Die Merkmale erfolgreicher Studenten werden zu einem Profil verbunden und können als Grundlage für Empfehlungen an \?Risikostudenten' verwendet werden, um deren Chancen zu erhöhen, einen MOOC erfolgreich abzuschließen. Dazu wurde ein Analyse-Tool entwickelt, das Merkmale von Studenten aus großen MOOC-Foren von Iversity bestimmt, mit Methoden des maschinellen Lernens analysiert und auf eine intuitive Weise visualisiert.
- Conference PaperCode of Practice for Sensor-Based Learning(DELFI 2019, 2019) Yun, Haeseon; Riazy, Shirin; Fortenbacher, Albrecht; Simbeck, KatharinaSensor-based learning refers to utilizing physiological sensor data from learners and information from a learning environment to promote learning. Sensor data enclose learner’s personal information so ethical practice of adopting sensor data in learning analytics needs to be explored thoroughly. In this positional paper, we examine current ethical practices in learning analytics to derive a code of practice for sensor-based learning. Furthermore, we critically validate a wearable sensor device developed as a learning support against the derived code of practice.
- WorkshopbeitragHeart Rate Variability als Indikator für den emotionalen Zustand eines Lernenden(Proceedings of DELFI Workshops 2019, 2019) Scheibe, Stephanie; Fortenbacher, AlbrechtDieser Poster-Beitrag stellt drei Studien vor, welche den Zusammenhang von Heart Rate Variability und Emotionen beschreiben. Die Ergebnisse werden im Projekt LISA verwendet, um an Hand von Sensordaten Indikatoren für Lernzustände zu erhalten und personalisiertes Lernen zu unterstützen.
- KonferenzbeitragLearning Analytics und Visualisierung mit dem LeMo-Tool(DeLFI 2013: Die 11 e-Learning Fachtagung Informatik, 2013) Beuster, Liane; Elkina, Margarita; Fortenbacher, Albrecht; Kappe, Leonard; Merceron, Agathe; Pursian, Andreas; Schwarzrock, Sebastian; Wenzlaff, BorisDie Entwicklung des Lernprozess Monitoring Werkzeugs (LeMo) zielt darauf hin, Lehrende, Forschende und Anbieter von e-Learning bei der Analyse von Nutzungsdaten ihrer Onlineund Blended-Learning Lernszenarien zu unterstützen. LeMo ermöglichst es Verkehrsdaten sowohl von personalisierenden Lernplattformen, wie Clix oder Moodle, als auch von nicht-personalisierenden Plattformen mit frei zugänglichen Inhalten, auszuwerten. Das Tool ermöglicht verschiedene Analysen, wie zum Beispiel den Verlauf der Intensität der Aktivitäten über die Zeit, die durchschnittliche Nutzung des Angebots zu bestimmten Zeiten in der Woche, das Erkennen häufiger Pfade, einen Graphen über die Navigation zwischen den verschiedenen Lernobjekten eines Kurses und einen Überblick über die durchschnittlichen Testergebnisse. Filtereinstellungen zur Wahl des Zeitraums, der Lernobjekte, des Lernobjekt-Typs, der Nutzergruppe und visuelle Einstellungen erlauben spezifischere Analysen. Ein Hauptaugenmerk bei der Entwicklung des LeMo-Tools liegt auf der Nutzerfreundlichkeit und der dynamischen Visualisierung der Analyseergebnisse.
- KonferenzbeitragLehren mit Learning Analytics - erste Erfahrungen mit dem Tool LeMolena(DeLFI 2014 - Die 12. e-Learning Fachtagung Informatik, 2014) Elkina, Margarita; Fortenbacher, Albrecht; Merceron, AgatheLearning Analytics Tools erlauben einen Einblick in aktuelle und bereits abgeschlossene Kurse. Mit Analysen zur Nutzung der Online-Ressourcen und zum Navigationsverhalten der Lernenden können Dozenten Tendenzen beim Lernverhalten erkennen und auf Probleme reagieren. Der Beitrag präsentiert die Auswertung einer Umfrage unter \?Erstanwendern“ von LeMo, die sich im Wesentlichen auf die Nutzbarkeit der angebotenen Analysen und auf die Relevanz für die eigene Lehre konzentriert.
- Conference PaperSensor Based Adaptive Learning - Lessons Learned(DELFI 2019, 2019) Fortenbacher, Albrecht; Ninaus, Manuel; Yun, Haeseon; Helbig, René; Moeller, KorbinianRecent advances in sensor technology allow for investigating emotional and cognitive states of learners. However, making use of sensor data is a complex endeavor, even more so when considering physiological data to support learning. In the BMBF-funded project Learning Analytics for sensor-based adaptive learning (LISA), we developed a comprehensive solution for adaptive learning using sensor data for acquiring skin conductance, heart rate, as well as environmental factors (e.g. CO2). In particular, we developed, (i) a sensor wristband acquiring physiological and environmental data, (ii) a tablet application (SmartMonitor) for monitoring and visualizing sensor data, (iii) a learning analytics backend, which processes and stores sensor data obtained from SmartMonitor, and (iv) learning applications utilizing these features. In an ongoing study, we applied our solution to a serious game to adaptively control its difficulty. Post-hoc interviews indicated that learners became aware of the adaptation and rated the adaptive version better and more exciting. Although potentials of utilizing physiological data for learning analytics are very promising, more interdisciplinary research is necessary to exploit these for real-world educational settings.
- KonferenzbeitragUser-Centric Approach to the Design of a Mobile Learning Companion(Mensch und Computer 2017 - Workshopband, 2017) Yun, Haeseon; Israel, Johann Habakuk; Fortenbacher, Albrecht; Rott, Helena; Metzler, DeliaIn the LISA project, a mobile device (SmartMonitor) to support learners will be developed. SmartMonitor serves as a learning companion, receiving a learner’s sensor data, connecting to a learning analytics system and interacting with a learner without distracting from learning. This paper is about design considerations and first prototypical work for a SmartMonitor device.