Logo des Repositoriums

Auflistung nach Autor:in "Krieter, Philipp"

1 - 3 von 3
  • Textdokument
    Entwicklung und Durchführung computerbasierter Tests zur Messung von Musikkompetenzen
    (Bildungsräume 2017, 2017) Finken, Julia; Marx, Franziska; Meyer, Michaela; Krieter, Philipp; Breiter, Andreas
    Das Fach Musik stellt besondere Herausforderungen an die Kompetenzmessung. Das gilt sowohl für die psychometrischen Modelle als auch für die Entwicklung computergestützter Testsysteme. Insbesondere die Verwendung von Bild- und Tonbeispielen als auch die Messung von Rhythmus- und Melodieverständnis setzen neuartige multimediale Testitems voraus. In Zusammenarbeit von Musikpädagoginnen und -pädagogen und Informatikerinnen und Informatikern wurde im Projekt „PosyMus – Potenziale von Feedbacksystemen im Musikunterricht“6 ein neuartiges Testsystem entwickelt und in Schulen getestet. Der Beitrag stellt die Testitems sowie die Erhebungen in den Schulen vor. Dabei wurde zweierlei deutlich: Einerseits fördern die computerbasierten Aufgabentypen die Motivation von Lernenden und andererseits sind zahlreiche praktische Herausforderungen zur Einbettung in den Unterrichtsalltag zu lösen. Insbesondere die Rückmeldung der Testergebnisse wurde als Anforderung formuliert. Diese wird in Zukunft im Projektverlauf durch ein elektronisches Rückmeldesystem umgesetzt.
  • Konferenzbeitrag
    Extracting Production Style Features of Educational Videos with Deep Learning
    (Proceedings of DELFI Workshops 2022, 2022) Maya, Fatima; Krieter, Philipp; Wolf, Karsten D.; Breiter, Andreas
    Enforced by the pandemic, the production of videos in educational settings and their availability on learning platforms allow new forms of video-based learning. This has a strong benefit of covering multiple topics with different design styles and facilitating the learning experience. Consequently, research interest in video-based learning has increased remarkably, with many studies focusing on examining the diverse visual properties of videos and their impact on learner engagement and knowledge gain. However, manually analysing educational videos to collect metadata and to classify videos for quality assessment is a time-consuming activity. In this paper, we address the problem of automatic video feature extraction related to video production design. To this end, we introduce a novel use case for object detection models to recognize the human embodiment and the type of teaching media used in the video. The results obtained on a small-scale custom dataset show the potential of deep learning models for visual video analysis. This will allow for future use in developing an automatic video assessment system to reduce the workload for teachers and researchers.
  • Konferenzbeitrag
    Track every move of your students: log files for Learning Analytics from mobile screen recordings
    (DeLFI 2018 - Die 16. E-Learning Fachtagung Informatik, 2018) Krieter, Philipp; Breiter, Andreas
    One of the main data sources for Learning Analytics are Learning Management Systems (LMS). These log files are limited though to interactions within the LMS and cannot take into account interactions of students in other applications and software in a digital learning environment. In this paper, we present an approach for generating log files based on mobile screen recordings as a data source for Learning Analytics. Logging mobile application usage is limited to rather general system events unless you have access to the source code of the operating system or applications. To address this we generate log files from mobile screen recordings by applying computer vision and machine learning methods to detect individually defined events. In closing, we discuss how these log files can be used as a data source for Learning Analytics and relevant ethical concerns.