Projektbeschreibung

In dem aus dem EU Forschungs- und Innovationsprogramm "Horizon 2020" finanzierten Forschungsprojekt AFEL (Analytics for Everyday Learning) wurden gemeinsam mit Projektpartnern aus dem In- und Ausland die Lern- und Wissenskonstruktionsprozesse im Internet erforscht. Basierend auf diesen Ergebnissen arbeiteten PsychologInnen, PsycholinguistikerInnen und InformatikerInnen gemeinsam an Software-Tools, um solche internetbasierten Lehr-Lernaktivitäten zu unterstützen.

Das Projekt zielte darauf ab, Methoden und Werkzeuge zu entwickeln, um kollektives Lernen auf Internetplattformen besser zu verstehen und zu unterstützen. Dabei stand informelles und ungeplantes Alltagslernen durch die Mitarbeit an und die Nutzung von internetbasiertem Social Media Plattformen im Vordergrund. Das AFEL-Projekt ergänzte insofern gezielt die bisherige Forschung zu "Learning Analytics" und "Educational Data Mining", die sich vorwiegend auf formale Lernumgebungen konzentrierte.

AFEL brachte Experten aus den Bereichen Data Analytics und Data Mining, Lernen und Wissenskonstruktion und Entwickler von Social Media Plattformen zusammen. Konkret wurden im Rahmen des Projekts 1) softwarebasierte Werkzeuge geschaffen, um die benötigten Informationen zu informellen Lernaktivitäten auf Social Media Plattformen abzugreifen und für eine anschließende Analyse aufzubereiten; 2) daran anknüpfend wurden Methoden zur Nutzung und Analyse dieser Daten entwickelt; dabei kamen neben Techniken aus dem Bereich der "Visual Analytics" kognitive Modelle des (kollaborativen) Lernens und der Wissenskonstruktion zum Einsatz; 3) die im Rahmen des Projekts gewonnen Erkenntnisse wurden schließlich in tatsächlichen Lernumgebungen erprobt und eingesetzt, um informelles Lernen besser zu verstehen und die in diesen Umgebungen ablaufenden Lernprozesse gezielt zu verbessern. Beispielsweise wurden über Recommender-Systeme Lernenden, die in ihrer Freizeit neues Wissen erwerben wollen, passende Lernmaterialien empfohlen. Dynamische Netzwerkdarstellungen gaben ihnen einen Überblick über bereits bearbeitete Wissensinhalte und wiesen auf mögliche inhaltsbedingte Verzerrungen hin.

Kooperationen

Knowledge Media Institute KMI, The Open University in Milton Keynes (UK)

L3S, Leibniz Universität Hannover (DE)

GNOSS (ES)

KNOW Center, TU Graz (AT)

Publikationen

Yenikent, S., Holtz, P., Thalmann, S., d'Aquin, M., & Kimmerle, J. (in press). Evaluating the AFEL learning tools: Didactalia users’ experiences with personalized recommendations and interactive visualizations. 13th European Conference on Technology Enhanced Learning Heidelberg, Dordrecht, London, New York: Springer.

Holtz, P. Fetahu, B., & Kimmerle, J. (2018). Effects of contributor experience on the quality of health-related Wikipedia articles. Journal of Medical Internet Research, 20:e171. https://dx.doi.org/10.2196/jmir.9683

Yenikent, S., Buttliere, B., Fetahu, B., & Kimmerle, J. (2018). Wikipedia article measures in relation to content characteristics of lead sections. In S. Dietze, M. d'Aquin, D. Gasevic, E. Herder, & J. Kimmerle (Eds.), 7th International Workshop on Learning and Education with Web Data (#LILE2018) in conjunction with the 10th ACM Conference on Web Science (WebSci18) (pp. 5-8). Amsterdam, The Netherlands: Association for Computing Machinery.

Yenikent, S., Holtz, P., & Kimmerle, J. (2017). The impact of topic characteristics and threat on willingness to engage with Wikipedia articles: Insights from laboratory experiments. Frontiers in Psychology, 8:1960. https://dx.doi.org/10.3389/fpsyg.2017.01960