|
Das Projekt soll die Region Berlin/Brandenburg als Bildungscluster und als Hotspot für digitale Startups durch Schaffung neuer Erkenntnisse in Online-Bildung und innovativen Bildungsprodukten stärken, insbesondere im Bereich quantitativer Methoden (Statistik, Data Science). Während der Corona-Pandemie hat sich die Bildungslandschaft in Richtung mehr Digitalisierung und zeitlich-örtlicher Flexibilität verändert. Online-Lernumgebungen sind nicht mehr wegzudenken. Die voranschreitende Digitalisierung und datenbasierte Entscheidungsprozesse in innovativ ausgerichteten Berliner Unternehmen erfordern quantitative Fähigkeiten von ihren Mitarbeitern, weshalb die wissenschaftliche Betrachtung und Optimierung von Online-Lernumgebungen für die Ausbildung in quantitativen Methoden wichtig ist. An diesen Herausforderungen arbeiten wir zusammen mit unseren wirtschaftlichen Partnern aus der Berliner Bildungsbranche, um unserer Region in diesem wichtigen Bereich einen kräftigen Schub zu verleihen.
Das Vorhaben hat als Ziel die Schaffung einer virtuellen Lernumgebung in Form von Online-Lerndashboards zu angewandter Statistik. Diese sollen mit spielerischen Elementen, interaktiven Visualisierungen (Shiny-Applikationen) und praxisorientierten Programmieraufgaben ausgestattet werden. Dazu kombinieren wir animierte, praxisnahe Problemdarstellungen innerhalb einer themen-übergreifenden Story, Spiele zum Üben erlernter Inhalte, interaktive Lern-Applikationen und praxisorientierte Programmieraufgaben mit Sofort-Feedback. Diese Lernelemente fördern selbstständiges Lernen von mathematisch geprägten Inhalten bei häufig fehlender Motivation, Vorurteilen und psychologischen Blockaden.
Durch das Verfolgen und Analysieren von Aktivitäten wie Mauszeigerbewegungen, Klicks auf Inhalte, Ergebnisse der Quizzes und Programmierfortschritte werden mittels statistischer Methoden Optimierungsmaßnahmen für die Lernumgebung abgeleitet. Die Wirkung verschiedener Layout-Kompositionen und Lernelemente wird mittels Data Mining analysiert und mittels statistischer Tests verglichen. Dabei werden verschiedene Lernstile und Lernaffinitäten berücksichtigt.
Das in den Daten gespiegelte Nutzungsverhalten wird in Lernstile und Lernpfade zerlegt und sowohl für den Lernenden als auch für den Lehrenden strukturiert und visualisiert.
|
