Realisierung adaptierender Funktionalitäten im Learning

Inhaltsverzeichnis

1 Einleitung

2 Grundlagen
2.1 E-Learning
2.1.1 Der Begriff E-Learning
2.1.2 Synchrones und asynchrones E-Learning und Beispiele
2.1.3 Der Begriff Blended Learning
2.2 E-Learning-Systeme bzw. webbasierte Lernplattformen
2.2.1 Was ist ein E-Learning-System
2.2.2 Funktionen von E-Learning-Systemen
2.2.3 Arten von E-Learning-Systemen
2.3 E-Learning-Standards
2.3.1 Aviation Industry Computer Based Training Committee (AICC)
2.3.2 Alliance of Remote Instructional Authoring and Distribution Networks for Europe (ARIADNE) Foundation for the European Knowledge Pool
2.3.3 IEEE Learning Technology Standards Committee (IEEE LTSC)
2.3.4 Instructional Management Systems Project (IMS) Global Learning Consortium
2.3.5 Shareable Content Object Reference Model (SCORM) der Advanced Distributed Learning (ADL) Initiative

3 Adaption in E-Learning-Systemen
3.1 Die Begriffe Adaption, Adaptivität und Adaptierbarkeit
3.2 Adaptivitätsvarianten
3.3 Adaptive Learning Systems (ADLs)
3.3.1 Funktionsprinzip eines ADLs nach Brusilovsky
3.3.2 Aufbau eines ADLs
3.3.3 Adaptionsvarianten in ADLs nach Brusilovsky
3.3.4 Intelligente Tutorielle Systeme – ITS
3.4 Adaptionsmöglichkeiten
3.4.1 Adaption der Lernsysteme auf Basis der unterschiedlichen Lernmodelle
3.4.2 Adaption der Lernsysteme auf Basis von Intelligenz
3.4.3 Adaption der Lernsysteme auf Basis der verschiedenen Lerntheorien
3.4.4 Adaption der Lernsysteme auf Basis von Lernprozessen
3.4.5 Adaption der Lernsysteme auf Basis der beim Lernen auftretenden Emotionen
3.4.6 Adaption der Lernsysteme auf Basis von Just-in-time E-Learning bzw. Learning on Demand
3.5 Beispiele für adaptive Lernsysteme
3.5.1 ActiveMath
3.5.2 AdeLE – Adaptive eLearning with Eye-Tracking
3.5.3 Chameleon
3.5.4 GRAPPLE – Generic Responsive Adaptive Personalized Learning Environment
3.5.5 INSPIRE – Intelligent System for Personalized Instruction in a Remote Environment
3.5.6 Learning Companion – Der Lernfreund
3.5.7 L4 – Life Long Learning Laboratory
3.5.8 Open-EIS LMS
3.5.9 Projekt iWeaver
3.5.10 Projekt LIP – Learning in Progress
3.5.11 trainer24

4 Adaption in Moodle und Konkurrenten
4.1 ATutor
4.1.1 Schnittstellen-Adaptivität
4.1.2 Lerner-Adaptivität
4.2 StudIP in Kombination mit Ilias
4.2.1 Schnittstellen-Adaptivität
4.2.2 Lerner-Adaptivität
4.3 Moodle
4.3.1 Schnittstellen-Adaptivität
4.3.2 Lerner-Adaptivität
4.4 Fazit

5 Erweiterung von Moodle um adaptierende Funktionalitäten
5.1 Die in Moodle verwendeten Technologien
5.1.1 Verwendete Skriptsprachen
5.1.2 Datenspeicherung
5.2 Das Erweitern um bereits umgesetzte adaptive Funktionalitäten
5.2.1 Das intelligente Lern-Management-System – iLMS
5.2.2 Die Elemente des iLMS
5.2.3 Die Installation und Konfiguration des Plugins iLMS
5.2.4 Fazit
5.3 Das Erweitern um eine selbst erstellte adaptierende Funktionalität
5.3.1 Die Vorstellung der Idee
5.3.2 Die theoretische Vorgehensweise zum Umsetzen der Idee
5.3.3 Die praktische Umsetzung der Idee
5.3.4 Die umgesetzte Idee in Bildern
5.3.5 Fazit

6 Resümee und Ausblick

7 Literaturverzeichnis

8 Abbildungsverzeichnis

9 Tabellenverzeichnis

10 Anhang
10.1 AnhangA – Fragebogen für Lernstildiagnose
10.2 AnhangB – Moodle-Tabellen und ER-Modell
10.2.1 Entity-Relationship-Modell
10.2.2 Aufbau der User-Tabelle „mdl_user“
10.2.3 Aufbau der Tabelle „mdl_user_info_data“
10.2.4 Aufbau der Tabelle „mdl_user_info_field“
10.2.5 Aufbau der Kurs-Tabelle „mdl_course“
10.2.6 Aufbau der Lernaktivitäten-Tabelle „mdl_course_modules“ mit den vier neu hinzugefügten Spalten
10.2.7 Aufbau der Kursformat-Tabelle „mdl_events“
10.2.8 Aufbau der Lernmodule-Tabelle „mdl_modules“
10.3 AnhangC – Diagramme
10.3.1 Use Case Diagramm
10.3.2 Sequenzdiagramm
10.4 AnhangD – Quellcode
10.4.1 Die Funktion „make_editing_buttons“
10.4.2 Die Funktion „set_course_module_visible_name”
10.4.3 Die Funktion „get_lernstil“
10.4.4 Die Funktion „get_all_mods“
10.4.5 Die Funktion „set_section_visible”

1 Einleitung

Immer mehr Universitäten und Fachhochschulen bieten zusätzlich zum traditionellen Studium berufsbegleitende Fernstudiengänge mittels E-Learning an. Dabei findet die Anpassung der Lernsysteme an die individuellen Bedürfnisse der Lernenden leider eine immer noch zu geringe Bedeutung.

Im Kapitel2 werden die Begriffe E-Learning, asynchrones und synchrones E-Learning und Blended Learning kurz erklärt. Des Weiteren werden E-Learning-Systeme und Standards beschrieben.

Ein eigenes Kapitel3 beschäftigt sich mit der Bedeutung von Adaption im Bereich von E-Learning. Dabei werden verschiedene Begriffe im Zusammenhang mit Adaption erklärt, Adaptionsmöglichkeiten aufgezählt und Beispiele für bereits existierende, adaptive Lernsysteme gezeigt.

Anschließend wird im Kapitel4 evaluiert, inwieweit Adaptivität in Moodle und seinen Konkurrenzplattformen vorhanden ist.

Kapitel5 beschäftigt sich mit der Erweiterung von Moodle um adaptierende Funktionalitäten. Hier werden bereits vorhandene Personalisierungs- und Adaptionsmöglichkeiten beschrieben und Moodle um ein adaptierendes Modul erweitert.

Die Arbeit wird im Kapitel6 mit einer zusammenfassenden Wertung und einem Ausblick abgeschlossen.

2 Grundlagen

Das Kapitel Grundlagen ist untergliedert in die drei Teilbereiche E-Learning, E-Learning-Systeme und E-Learning-Standards. Im ersten Teilbereich werden verschiedene, häufig im Zusammenhang mit E-Learning anzutreffende Begriffe erklärt. Daran anschließend werden im zweiten Teilbereich die verschiedenen Arten von E-Learning-Systemen und deren Funktionen beschrieben. Im dritten und letzten Teilbereich wird auf die verschiedenen Standards im Zusammenhang mit E-Learning eingegangen.

2.1 E-Learning

2.1.1 Der Begriff E-Learning

Unter dem Begriff E-Learning (electronic learning) versteht man laut [Baumgartner, Häfele und Maier-Häfele2002b] alle Formen des elektronisch unterstützten Lernens. In der Anfangsphase war damit das Lernen mit Hilfe von Lernprogrammen auf CD-ROMs, Audiokassetten oder das Bildungsfernsehen gemeint.

Aufgrund der Entwicklung und raschen Verbreitung des Internets bezeichnet E-Learning heute vor allem das Lernen über eigene, webbasierte Lernplattformen, die zusätzlich zu den Online-Lerneinheiten auch Foren, Chats oder Newsgroups anbieten und damit eine Kommunikation mit den Lehrenden und anderen Lernenden ermöglichen.

Im Internet finden sich nicht nur verschiedene Schreibweisen für E-Learning, so z.B. mit und ohne Bindestrich, sondern auch unterschiedliche Definitionen.

Für die Verwendung des Begriffes in dieser Arbeit ist die von [Wache2003] angegebene Beschreibung am besten geeignet. Dieser bezeichnet E-Learning als eine neue Kultur des Lernens und des Lehrens, die durch das Zusammenspiel der Teilsysteme

- Lerner,
- Learning Provider (Bildungsplaner, Autoren, Lehrer, Dozenten, Tutoren),
- Technologien (Autorenwerkzeuge und Lernplattformen),
- Inhalten und Lernumgebungen zustande kommt.

2.1.2 Synchrones und asynchrones E-Learning und Beispiele

Synchrones E-Learning: Der virtuelle Unterricht findet zu einem genau festgelegten Zeitpunkt in Echtzeit statt, das heißt, die Lehrenden und Lernenden sind alle gleichzeitig im virtuellen Klassenzimmer eingeloggt und kommunizieren z.B. über Video- oder Audiokonferenzen oder Chat. Synchrones E-Learning ist also vergleichbar mit dem traditionellen Unterricht in der Schule mit dem Unterschied, dass die Lernenden räumlich getrennt sind.

Asynchrones E-Learning: Bei dieser Form können sich die Lernenden selbst einteilen, wann sie welche Materialien durcharbeiten wollen. Hierbei handelt es sich also um ein selbst gesteuertes Lernen, alleine. Die Lernenden stellen bei Problemen Anfragen an die Lehrenden (Tutoren), worauf diese zeitversetzt z.B. per Email antworten.

Im Nachfolgenden werden die laut [Knall2005] in der Fachwissenschaft vermehrt anzutreffenden, synchronen und asynchronen E-Learningformen kurz beschrieben.

- Teleteaching und Teletutoring: Hierbei handelt es sich laut [e-teaching2006] um die Liveübertragung von Lehrveranstaltungen, vor allem von Vorlesungen, mittels Videokonferenzsystemen. Teletutoring dagegen ist eine Betreuungsform beim E-Learning. Dabei muss der Teletutor die Lernenden organisatorisch, technisch und inhaltlich über das Internet betreuen.
- Computer Based Training CBT: Wie aus dem Namen bereits hervorgeht, handelt es sich hierbei um computerunterstütztes Lernen. Die Lernenden arbeiten selbstständig mittels einer von CD-ROM oder DVD-ROM lokal installierten Lernsoftware.
- Web Based Training WBT: Beim WBT erfolgt der Zugriff auf die Lernsoftware über das Internet. Dadurch kann die Kommunikation synchron und asynchron erfolgen. Die wesentlichen Vorteile laut [Knall2005] sind z.B. ein direkter Kontakt zu Lehrenden und Mitlernenden, eine ständige Aktualisierung der Inhalte und eine weltweite, ortsunabhängige Verfügbarkeit.
- CSCL (Computer Supported Cooperative Learning): CSCL ist ein Forschungsbereich, der sich mit der computerunterstützten Teamarbeit über das Internet beschäftigt.
- CSCW (Computer Supported Cooperative Work): Dieser Forschungsbereich beschäftigt sich mit der computerunterstützten Gruppenarbeit und mit der Bedeutung der Informations- und Kommunikationstechnologien bei der Gruppenarbeit. Hierbei geht es also um die Technologien, die zur Unterstützung der Gruppenarbeit eingesetzt werden können.

2.1.3 Der Begriff Blended Learning

Beim sogenannten Blended Learning oder hybriden Learning werden die Vorteile von Präsenzunterricht und E-Learning miteinander kombiniert. Dabei bedeutet Blended Learning übersetzt so viel wie „gemischtes Lernen“, also eine Mischung von Präsenzunterricht mit E-Learning.

Die Form des Blended Learnings nutzen zum Beispiel Universitäten und Fachhochschulen, indem sie, wie Hartmut Häfele und Kornelia Maier-Häfele in [Häfele und Maier-Häfele2004] dies beschreiben, zusätzliche E-Learning-Kurse zu den Präsenzveranstaltungen anbieten oder umgekehrt E-Learning-Kurse mit Präsenzunterricht ergänzen.

2.2 E-Learning-Systeme bzw. webbasierte Lernplattformen

2.2.1 Was ist ein E-Learning-System

Häfele und Maier-Häfele beschreiben ein E-Learning-System bzw. eine webbasierte Lernplattform in [Häfele und Maier-Häfele2002] als eine Software für die Organisation und Betreuung webbasierten Lernens.

2.2.2 Funktionen von E-Learning-Systemen

Laut [Baumgartner, Häfele und Maier-Häfele2004a] können fünf grundlegende Funktionsbereiche von E-Learning-Systemen unterschieden werden, die in der Lernplattform aber unterschiedlich stark ausgeprägt sein können:

- Präsentation von Inhalten (Learning Content),
- Werkzeuge zur Erstellung von Aufgaben und Übungen,
- Evaluations- und Bewertungshilfen,
- Administration (von Lernenden, TrainerInnen, Inhalten, Kursen, Lernfortschritten, Terminen etc.) und
- Kommunikationswerkzeuge.

2.2.3 Arten von E-Learning-Systemen

Baumgartner, Häfele und Maier-Häfele unterscheiden in [Baumgartner, Häfele und Maier-Häfele2004a] grundsätzlich drei Arten von E-Learning Systemen:

- Learning Management Systems (LMS): Die Kernfunktion eines LMS ist die Steuerung und Administration des Lernprozesses. Die Lerninhalte werden in Datenbanken gespeichert und den Lernenden zur Verfügung gestellt. Während des Lernprozesses können die Lernenden untereinander und mit den Lehrenden über asynchrone Werkzeuge wie Emails oder Foren kommunizieren.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.2.3 . 1 „Schema eines Learning Management Systems“, [Häfele und Maier-Häfele 2002]

- Webbasierte Content Management Systems (WCMS): WCMS vereinfachen das Erstellen und Administrieren von Online-Inhalten wie Bildern, Texten, News etc. und werden vor allem bei Online-Zeitungen, Informationsportalen, Firmenportalen oder Intranets eingesetzt. WCMS können aufgrund ihrer zahlreichen für den Weiterbildungsbereich nützlichen Funktionen auch im E-Learning-Bereich eingesetzt werden. Zu diesen Funktionen gehören unter anderem:

- Beschaffung und Erstellung,
- Präsentation und Publikation,
- Aufbereitung und Aktualisierung,
- Management und Organisation,
- Verteilung und Integration,
- Verarbeitung und Wiederverwendbarkeit von Inhalten.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.2.3 . 2 „Schema eines Web Content Management Systems“, [Häfele und Maier-Häfele 2002]

- Learning Content Management Systems (LCMS): Ein Learning Content Management System vereint die Funktionen eines Learning Management Systems (LMS) und eines webbasierten Content Management Systems (WCMS). Das bedeutet, dass es zusätzlich zu den Funktionen eines LMS auch alle Möglichkeiten eines WCMS besitzt und Autoren bei der Erstellung von wieder verwendbaren Lerninhalten, sogenannten Reusable Learning Objects (RLO), unterstützt. Dies können integrierte Autorentools sein oder an das System angepasste externe Werkzeuge.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.2.3 . 3 „Schema eines Learning Content Management Systems“, [Häfele und Maier-Häfele 2002]

2.3 E-Learning-Standards

Standards spielen im E-Learning-Bereich vor allem im Zusammenhang mit Interoperabilität eine wichtige Rolle. Darunter versteht man die Möglichkeit, einmal erstellte Lerninhalte auf unterschiedlichen Lernplattformen uneingeschränkt wieder verwenden zu können.

In den nachfolgenden Unterkapiteln werden einige Standardisierungsgremien und deren veröffentlichte Standards in alphabetischer Reihenfolge kurz beschrieben.

2.3.1 Aviation Industry Computer Based Training Committee (AICC)

Das Aviation Industry Computer Based Training Committee ist laut [AICC2008] ein internationaler Zusammenschluss von Computer Based Training Spezialisten, welche Richtlinien für die Entwicklung, Bereitstellung und Evaluierung von Computer Based Training-Systemen und ähnlichen Technologien entwickeln.

2.3.2 Alliance of Remote Instructional Authoring and Distribution Networks for Europe (ARIADNE) Foundation for the European Knowledge Pool

Die ARIADNE Foundation for the European Knowledge Pool wurde laut [ARIADNE2008] entwickelt, um die Ergebnisse der Projekte ARIADNE I & II auszuwerten und weiterzuentwickeln. Die Errungenschaften dieser beiden Projektphasen waren die Entwicklung von Tools und Methoden zur Herstellung, Verwaltung und Wiederverwendung von computerbasierten, pädagogischen Materialien und Werkzeugen.

2.3.3 IEEE Learning Technology Standards Committee (IEEE LTSC)

Das IEEE Learning Technology Standards Committee wurde laut [IEEE LTSC2008] gegründet, um international anerkannte, technische Standards und Richtlinien für E-Learning-Technologien zu entwickeln.

Im Nachfolgenden werden einige der bereits veröffentlichten Standards kurz näher beschrieben:

- Learning Technology System Architecture (LTSA): beschreibt eine abstrakte Systemarchitektur von Lerntechnologien. Die Ziele bestehen aus der Definition einer einheitlichen Bezeichnungssystematik (Notation) für Lehr- und Lernumgebungen, der Unabhängigkeit von pädagogischen Zielstellungen, Inhalten und technischen Plattformen und einer Verbesserung der Analyse und des Vergleichs von Lehr- und Lernumgebungen.
- Learning Objects Metadata (LOM): Mithilfe der LOM-Spezifikation werden laut [Häfele2002] die relevanten Eigenschaften von digitalen und nichtdigitalen Lernobjekten in Form von LOM-Metadaten abgespeichert. Dadurch können die Lernobjekte wie z.B. Lerneinheiten, multimediale Objekte, Kurse oder auch TrainerInnen, eindeutig identifiziert werden.
- Public and Privat Information (PAPI): Im PAPI-Standard werden öffentliche und private Informationen über Lernende abgespeichert, um diese zwischen verschiedenen Lernumgebungen austauschen zu können. Damit könnte man z.B. die Personalisierung von E-Learning-Systemen umsetzen. Laut [Häfele2002] werden vier Kategorien von Informationen unterschieden:
- Persönliche Informationen,
- Informationen über das Lernverhalten und die Lernleistungen,
- Portfolio-Informationen über Arbeiten und Abschlüsse der Lernenden,
- sowie Präferenz-Informationen.
- Computer Managed Instruction (CMI): CMI beschäftigt sich wie in [Knall2005] beschrieben mit Spezifikationen für den Austausch, die Kombination und Administration von Kursen. Mithilfe des CMI Standards ist es laut [IEEE LTSC2008] möglich, Web Based Trainings (WBT) in Learning Management Systemen zu integrieren, und dies unabhängig von System, Plattform und Applikation.

2.3.4 Instructional Management Systems Project (IMS) Global Learning Consortium

Das IMS Global Learning Consortium bezeichnet sich in [IMS2008] als eine weltweite, nicht kommerzielle Gemeinschaft von Organisationen aus dem E-Learning-Bereich.

Laut [Häfele2002] sind die wichtigsten vier Spezifikationen:

- Metadaten-Spezifikation: Diese Spezifikation beschreibt Informationen über digitale und nichtdigitale Lernobjekte.
- Enterprise-Spezifikation: Diese Spezifikation definiert den Datenaustausch zwischen Web Based Trainings und E-Learning-Systemen.
- Content-Packaging-Spezifikation (CP): Diese Spezifikation definiert die Beschreibung und Implementierung von Lernobjekten. Dadurch soll die Wiederverwendbarkeit und Neuzusammensetzung derselben gewährleistet werden.
- Question and Test Interoperability Spezifikation (QTI): Diese Spezifikation definiert ein einheitliches Format für die Bewertung von Lernenden. Dadurch können Tests und Ergebnisse zwischen verschiedenen E-Learning-Systemen ausgetauscht werden.

2.3.5 Shareable Content Object Reference Model (SCORM) der Advanced Distributed Learning (ADL) Initiative

Die Advanced Distributed Learning Initiative beschäftigt sich laut [ADL2008] mit der Entwicklung von Standards, Tools und Lerninhalten der Lernumgebung der Zukunft. Die Vision der ADL Initiative ist es „anytime and anywhere“, also zu jedem Zeitpunkt und an jedem Ort, den Zugriff auf hochqualitative Lernmaterialien zu ermöglichen.

Das Shareable Content Object Reference Model ist, wie in [ADL2008] beschrieben, ein von der Advanced Distributed Learning Initiative entwickeltes, allgemeingültiges Referenzmodell, in welchem viele der in den vorherigen Unterkapiteln beschriebenen Standards integriert sind.

Darunter fallen laut [ADL2008] z.B. die Arbeiten von AICC, ARIADNE, IEEE LTSC und IMS. Abbildung 2.3.51 soll dies noch einmal verdeutlichen.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.3.5 . 1 „Zusammenhang zwischen ADL, SCORM und den in SCORM integrierten Standards“, [ADL2008]

SCORM besteht also aus einer Sammlung von Spezifikationen und Standards, die in vier Dokumenten, den sogenannten SCORM Büchern, zusammengefasst sind. In [ADL2008] wird SCORM auch als eine Kollektion von Büchern auf einem Bücherregal bezeichnet.

Abbildung 2.3.5.2 zeigt eine Übersicht über die vier SCORM Buchkollektionen:

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2.3.5 . 2 „Übersicht über die vier SCORM Buchkollektionen“, [ADL2008]

- Das Overview Buch
- gibt einen Überblick über die anderen Bücher.
- Das Content Aggregation Model (CAM) Buch
- beschreibt die beim E-Learning verwendeten Komponenten,
- gibt an, wie diese für den Austausch zwischen den verschiedenen Systemen verpackt werden müssen und
- wie diese beschrieben werden müssen, damit eine automatisierte Suche möglich ist.
- Das Run-Time Environment (RTE) Buch
- beschreibt die Anforderungen an ein Learning Management System, z.B. um eine standardisierte Kommunikation zwischen dem Inhalt und dem LMS zu gewährleisten.
- Weiters werden die Anforderungen an die gemeinsam nutzbaren Inhalte (Shareable Content Objects SCOs) und an das SCORM Laufzeitumgebungsmodell (SCORM Runtime Environment Data Model) abgedeckt.
- Das Sequencing and Navigation (SN) Buch
- beschreibt vor allem die Ablaufsteuerung und die Navigation, wie z.B.
- SCORM-konforme Inhalte anhand von Benutzer- oder Systemereignissen transportiert werden können, oder
- ein SCORM-konformes LMS die Regeln der Ablaufsteuerung interpretiert.

3 Adaption in E-Learning-Systemen

Dieses Kapitel beschäftigt sich mit dem Thema der Adaption im Zusammenhang mit E-Learning. Dabei werden nach einer kurzen Erklärung der Begriffe Adaption, Adaptivität und Adaptierbarkeit die Varianten der Adaptivität und die adaptiven Lernsysteme beschrieben. Zum Abschluss werden verschiedene Adaptionsmöglichkeiten, die sich aus den Adaptivitätsvarianten ergeben, vorgestellt, und jeweils Beispiele dafür gegeben, in welchen adaptiven Lernsystemen diese bereits umgesetzt wurden.

3.1 Die Begriffe Adaption, Adaptivität und Adaptierbarkeit

Der Begriff Adaption:

Das Wort Adaption leitet sich vom lateinischen Wort „adaptere“ ab, und bedeutet „anpassen“.

Der Begriff Adaptierbarkeit:

Von Adaptierbarkeit wird laut [Petko und Reusser2005] gesprochen, wenn durch externe Eingriffe Einstellungen des Programms angepasst werden können, oder Lernende selbst Grundeinstellungen vornehmen können.

Der Begriff Adaptivität:

Oliver Bendel und Stefanie Hauske beschreiben die Adaptivität in [Bendel und Hauske2006] als die Eigenschaft eines Systems, sich an eine veränderte Umwelt bzw. neue Bedingungen und Anforderungen selbst anzupassen.

Dominik Petko und Kurt Reusser beschreiben die Adaptivität in [Petko und Reusser2005] ähnlich, nämlich als die selbstständige (automatische) Anpassung des Systems an die Eingaben der Lernenden wie z.B. Testergebnisse, Bearbeitungsgeschwindigkeit, Klickpfade usw.

Der Begriff Personalisierung:

Bendel und Hauske bezeichnen Personalisierung in [Bendel und Hauske2006] als den Vorgang, ein E-Learning-System an individuelle oder gruppenbezogene Anforderungen und Bedürfnisse anzupassen.

Die Personalisierung ist also eine Form der Anpassung des Systems an die Bedürfnisse der Lernenden. Erfolgt die Anpassung durch die Lernenden, also durch externe Eingriffe, ist die Personalisierung, wie aus den vorherigen Begriffsdefinitionen hervorgeht, nichts anderes als Adaptierbarkeit. Erfolgt die Anpassung dagegen automatisch durch das System selbst, entspricht die Personalisierung dem Begriff der Adaptivität.

3.2 Adaptivitätsvarianten

Schulmeister unterscheidet in [Schulmeister2006] drei verschiedene Varianten von Adaptivität, wobei die Schnittstellen-Adaptivität dem Begriff der Adaptierbarkeit und die statische und dynamische Lerner-Adaptivität dem Begriff Adaptivität entspricht, wie aus den Begriffsdefinitionen in Kapitel3.1 deutlich wird.

1. Schnittstellen-Adaptivität: Damit ist die äußere Konfiguration des Lernsystems gemeint, also die Konfiguration der Benutzeroberfläche durch die Lernenden an ihre individuellen Bedürfnisse. Schulmeister nennt in [Schulmeister2006] als Beispiele dafür die Anpassung der Menüs, die individuell regelbaren Bildschirmgrößen, das Zuschalten von Werkzeugen oder das Anpassen an kulturelle und ethnische Unterschiede. Mit dieser Form der Adaptivität ist es den Lernenden möglich, das Lernsystem selbstständig an ihre Bedürfnisse anzupassen.
2. Statische Lerner-Adaptivität: Damit ist die Anpassung von Lernsystemen an die individuellen Bedürfnisse der Lernenden gemeint, indem die Eigenschaften der Lernenden zu Beginn durch Abfragen ermittelt und damit die Inhalte selektiert und strukturiert werden. Somit steht den Lernenden ein speziell auf sie zugeschnittenes Lernangebot zur Verfügung. Laut [Schulmeister2006] könnte dies eine andere Navigationsform, eine alternative Sequenz der Lernabschnitte oder eine Bereitstellung von speziellen Übungen oder Vertiefungskapiteln sein. Diese Form der Anpassung findet einmalig zu Beginn statt und wird während des Lernprozesses nicht mehr verändert.
3. Dynamische oder intelligente Lerner-Adaptivität: Damit ist im Gegensatz zur statischen Lerner-Adaptivität die dynamische Anpassung der Lernsysteme an die Lernenden gemeint, indem deren Bedürfnisse während des gesamten Lernprozesses ständig überprüft und Anpassungen unmittelbar durchgeführt werden.

3.3 Adaptive Learning Systems (ADLs)

Unter Adaptive Learning System (ADL) versteht man ein adaptives Lernsystem, welches sich an die unterschiedlichen Bedürfnisse der Benutzer selbstständig anpassen kann. Die für die Anpassung notwendigen Informationen können diese z.B. aus Datenbanken beziehen.

3.3.1 Funktionsprinzip eines ADLs nach Brusilovsky

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3.3.1 . 1 „Funktionsprinzip der Lerner-Adaptivität“, [Brusilovsky1998]

Das ADL sammelt Informationen über die Lernenden und erstellt daraus ein Benutzermodell, welches idealerweise ständig dynamisch angepasst wird. Durch die gesammelten Informationen im Benutzermodell ist es dem ADL möglich, die Ausgabe aufgrund von festgelegten Kriterien an die Lernenden anzupassen.

Dabei sollten nach [Brusilovsky1998] und [Mödritscher2007] folgende Informationen für die Adaption berücksichtigt werden:

- Das Hintergrundwissen der Lernenden – Background Knowledge and Experiences: Dazu gehören Sprachkenntnisse, Allgemeinwissen und Kenntnisse im Umgang mit Computern.
- Das domänenspezifische Wissen der Lernenden – Domain-Specific Knowledge: Damit ist einerseits das für die Kurse notwendige Vorwissen der Lernenden gemeint, andererseits auch der Lernfortschritt während des Lernprozesses.
- Kognitive Fähigkeiten der Lernenden – Cognitive and Affective Abilities: Damit ist die Fähigkeit der Lernenden gemeint, sich Wissen und Fertigkeiten anzueignen. Dabei sind auch die Intelligenz und die Motivation des Lernenden zu beachten.
- Die Konstitution der Lernenden – Constitutional Attributes: Damit sind die physischen Eigenschaften der Lernenden gemeint wie z.B. die Merkfähigkeit, welche vom Alter, von der Konzentrationsfähigkeit, Behinderungen etc. abhängig sind.
- Vorlieben, Präferenzen – Preferences: Hierzu gehören die persönlichen Stärken und Schwächen der Lernenden.
- Goals: Damit sind die persönlichen Ziele gemeint, die die Lernenden verfolgen.
Diese Benutzerinformationen können nach [Sauerstein2007] auf unterschiedliche Weise ermittelt werden:
- Direkte, manuelle Eingabe: Die Lernenden tagen die ihrer Meinung nach am besten zutreffenden Werte durch Eingabe direkt in die Anwendung ein.
- Indirekte Eingabe durch Interaktion: Die Lernenden arbeiten, zum Beispiel zu Beginn des Lernprozesses, verschiedene Fragenkataloge, Tests oder Spiele durch, bei denen deren Eigenschaften experimentell aus den vorgenommenen Eingaben ermittelt werden.
- Beobachtung der Lernenden: Durch Beobachtung des Verhaltens der Lernenden, zum Beispiel durch die Auswahl bestimmter Lernaktivitäten oder durch die Aufenthaltsdauer auf einer Webseite, kann begleitend zum Lernprozess versucht werden, indirekt Rückschlüsse auf bestimmte Eigenschaften der Lernenden zu ziehen.

3.3.2 Aufbau eines ADLs

Ein adaptives Lernsystem sollte, wie in [Abdullah und Davis2003] beschrieben, aus folgenden Komponenten bestehen:

1. Domain Model (DM): Dieses Modell beschreibt wie die Informationen strukturiert und miteinander verbunden sind. Im Domain Model werden Lerninhalte und verwendete Domainkonzepte gespeichert.
2. User Model (UM): Dieses Modell versucht, Benutzereigenschaften und das Benutzerverhalten zu interpretieren. Dazu werden Lernfortschritte beobachtet und bewertet, um daraus Schlussfolgerungen auf den aktuellen Kenntnisstand der Lernenden ziehen zu können.
3. Adaption Model (AM): Dieses Modell enthält pädagogische Strategien, das heißt, es enthält beispielsweise Regeln dazu, wann welche Informationen angeboten werden sollen, wann Benutzeraktionen unterbrochen werden sollen, oder wann das System in anderer Weise in den Lernprozess eingreifen soll. Dabei werden die Daten aus dem Domain Model und dem User Model verwendet.
4. Adaptive Engine (AE): Aufgabe der Adaptive Engine ist es, die Adaptionsergebnisse durch Manipulation der Inhalte zu generieren, bevor diese angepassten Inhalte dann an den User ausgegeben werden.

Auch Helmut Pauer beschreibt den grundlegenden Aufbau von adaptiven Lernsystemen in [Pauer2004] ähnlich bzw. erweitert diesen:

1. Datenspeicherkomponente (Datenkomponente): Diese Komponente ist sozusagen Platzhalter für die Datenbank bzw. deren Anbindung.
2. Lehrinhaltskomponente (Logikkomponente): Innerhalb dieser Komponente werden Lerninhalte aufbereitet und verarbeitet.
3. Benutzerprofilkomponente (Logikkomponente): Innerhalb dieser Komponente werden Daten, die vom Benutzer stammen, ausgewertet. Dazu zählen voreingestellte Neigungen, Lernerfolgsdaten und Benutzerverhaltensmuster.
4. Adaptionskomponente (Logikkomponente): Aus den Daten, die durch die Lehrinhaltskomponente und die Benutzerprofilkomponente vorliegen, werden innerhalb dieser Komponenten die individuellen Daten oder Kurse, die danach dem Benutzer präsentiert werden, generiert.
5. Benutzerschnittstelle (Präsentationskomponente): Diese Komponente dient als Portal für Lehrende und Lernende. Kurse werden hier präsentiert und Benutzerdaten gesammelt.

Detlev Leutner gibt in [Leutner2002] als Beispiele für adaptive Größen in adaptiven Lernsystemen die Lerndauer, den Lernweg, den Schwierigkeitsgrad der Aufgaben, die Hilfestellung zum Umgang mit dem System (kontextsensitive Hilfen) oder auch das Linkangebot in Abhängigkeit vom festgestellten augenblicklichen Interessenprofil des Nutzers an.

3.3.3 Adaptionsvarianten in ADLs nach Brusilovsky

Brusilovsky unterscheidet in [Brusilovsky1998] bei der Adaption von Lernsystemen grundsätzlich zwischen der angepassten Präsentation von Inhalten und der angepassten Navigationsunterstützung.

- Adaptive Präsentation von Inhalten: Dabei werden Inhalte wie Texte, Bilder, Animationen etc. an die Eigenschaften der Lernenden, wie vorhandenes Wissen, Lernziele, Vorlieben usw. angepasst, und je nachdem, ob es sich um Fortgeschrittene oder Anfänger handelt, werden dann vertiefende Informationen oder zusätzliche Erklärungen angezeigt.
- Adaptive Navigationsunterstützung: Hier unterscheidet Brusilovsky in [Brusilovsky1998] vier verschiedene Möglichkeiten:
- Direct Guidance: Die Linkziele werden angepasst, das heißt, es wird anhand von Benutzereigenschaften entschieden, welches Ziel am interessantesten sein könnte.
- Adaptive Ordering: Die Reihenfolge der Links wird je nach Relevanz für die Lernenden angepasst.
- Adaptive Hiding: Einzelne Links werden verborgen, je nachdem ob sie für die Lernenden relevant sind oder nicht.
- Adaptive Annotation: Links werden mit Kommentaren in Form von Text oder Icons versehen.
- Map Adaption: Damit sind verschiedene Arten der Anpassung von Navigationselementen innerhalb der Lernmaterialien gemeint. Dazu können auch die Möglichkeiten Direct Guidance, Adaptive Sorting, Adaptive Hiding und Adaptive Annotation verwendet werden.

3.3.4 Intelligente Tutorielle Systeme (ITS)

Ein Beispiel für hochadaptive Lernsysteme sind die sogenannten Intelligenten Tutoriellen Systeme, kurz ITS. Oliver Bendel und Stefanie Hauske beschreiben Intelligente Tutorielle Systeme in [Bendel und Hauske2006] (ITS) als Lernsysteme mit Merkmalen menschlicher Tutoren und dem Charakteristikum der Lerner-Adaptivität, vor allem im Sinne der Personalisierung. Sie instruieren den Lernenden und passen sich an seine Fähigkeiten und Lernfortschritte an.

Intelligente Tutorielle Systeme bestehen nach [Schulmeister2007] und [Faulhaber1996] aus folgenden Komponenten:

- Domain Model bzw. Expertenmodell: Diese Komponente beinhaltet den Lehrstoff und das dazugehörige Fachwissen. Es stellt eine Wissensbasis dar, die dem eines Experten in diesem speziellen Gebiet entspricht. Beispiele für das Expertenmodell wären das
- „black-box“-Modell, bei welchem nur die Ergebnisse der Problemlösungen einsehbar sind, nicht aber wie das Programm zur Lösung kommt, und das
- „glass-box“-Modell, bei welchem jeder einzelne Schritt einsehbar ist. Das Programm ist also durchsichtig.
- Student Modell bzw. Lernermodell: Hier wird versucht, ein Modell des Benutzerverhaltens zu bilden und zu interpretieren. Dazu werden Lernfortschritte beobachtet und bewertet und daraus Schlussfolgerungen auf den aktuellen Kenntnisstand des Lernenden gezogen. Das Lernermodell enthält also den aktuellen Wissensstand der Lernenden. Um diesen Wissensstand zu ermitteln, gibt es zwei Möglichkeiten:
- Das Subset Model oder Untermengenmodell: Hierbei wird das Wissen der Lernenden als Teilwissen des Expertenwissens aufgefasst. Der Lösungsweg der Lernenden muss mit dem Lösungsweg des Experten übereinstimmen, um als richtig zu gelten. Dies ist nur sinnvoll, wenn die Anzahl der Lösungswege überschaubar ist.
- Das Deviation Model oder Abweichungsmodell: Hierbei werden nur die Lösungen von Lernenden und Experten miteinander verglichen. Die Lösungswege müssen nicht übereinstimmen.
- Pädagogisches Modell bzw. Tutorenmodell: Diese Komponente enthält pädagogische Lehrstrategien, das heißt, es enthält beispielsweise Regeln dazu, wann welche Informationen und Interaktionsmöglichkeiten angeboten werden sollen, wann Benutzeraktionen unterbrochen werden oder das System in anderer Weise aktiv in den Lernprozess eingreift. Dabei werden die Daten aus dem Expertenmodell und dem Benutzermodell herangezogen. Beispiele für solche Lehrstrategien sind:
- Der sokratische Dialog: Dabei wird versucht, die Lernenden durch das Stellen von Fragen dazu zu bringen, selbstständig zu denken.
- Das Coaching: Hier steht das entdeckende Lernen im Vordergrund. Es wird nur selten ins Lerngeschehen eingegriffen. Die Lernenden sollen selbst herausfinden, was sie zu tun haben.
- Kommunikationsmodell bzw. Benutzerschnittstelle: Neben den genannten Bestandteilen stellt das Intelligente Tutorielle System eine Benutzerschnittstelle zu Verfügung, um eine Kommunikation zwischen den Lernenden und dem System zu ermöglichen.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3.3.4 . 1 „Aufbau eines Intelligenten Tutoriellen Systems (ITS)“, [Faulhaber1996]

3.4 Adaptionsmöglichkeiten

Hier werden einige Ideen vorgestellt, auf welcher Basis Anpassungen eines Lernsystems durchgeführt werden könnten.

3.4.1 Adaption der Lernsysteme auf Basis der unterschiedlichen Lernmodelle

Um eine Anpassung der Lernsysteme an unterschiedliche Lernmodelle durchführen zu können, muss zuerst bekannt sein, welche überhaupt existieren und worin die Unterschiede bestehen. Eine mögliche Einteilung der Lernmodelle wäre z.B. auf Basis der Lernstile, Lerntypen und Lernstrategien.

Friedrich und Mandel bezeichnen den Lernstil in [Friedrich und Mandel1992] als einen Begriff, der genutzt wird, um überdauernde Tendenzen von Personen zu kennzeichnen, bestimmte Techniken stärker und andere weniger stark zu bevorzugen, um Aufgaben zu lösen.

Anders ausgedrückt könnte man sagen, dass ein Mensch den für ihn typischen Lernstil verwendet, um sich auf neue und schwierige Informationen zu konzentrieren, diese aufzunehmen, zu verarbeiten und zu speichern.

Die Lernstile lassen sich nach Richard M. Felder und Linda Silverman in [Felder und Silverman2002] in fünf verschiedene Bereiche einteilen:

1. Wahrnehmung – Perception: Sie unterscheidet zwischen sensorischen Lernenden, die das Wissen durch physische Beobachtung aufnehmen, und intuitiven Lernenden, die das Wissen durch Ausprobieren (Trial and Error) aufnehmen.
2. Bevorzugte Herangehensweise – Organisation: Hier wird nach den Vorgehensweisen unterschieden, welche die Lernenden bevorzugen, das heißt, ob diese lieber aus Beispielen die Gesetzmäßigkeiten ableiten oder lieber umgekehrt die gegebenen Gesetzmäßigkeiten mit Beispielen erklärt haben wollen.
3. Die bevorzugte Sichtweise – Understanding: Es beschreibt, ob sich die Lernenden das Wissen global, also als Ganzes betrachtet oder Schritt für Schritt aneignen möchten.
4. Bevorzugte Lerninhalte – Input: Diese können visuell wie z.B. in Form von Texten, Diagrammen, Grafiken oder verbal wie z.B. in Form von Vorträgen, Diskussionen etc. vorliegen.
5. Denkweise – Processing: Hier wird zwischen introvertierten, reflektierenden und aktiven Lernenden unterschieden.

Eine Einteilung nach Lernstilen führen auch Osland, Kolb und Rubin in [Osland, Kolb und Rubin2000] durch. Sie unterscheiden vier verschiedene Bereiche:

1. Akkomodierer (Pragmatiker): Sie bevorzugen aktives Experimentieren und konkrete Erfahrung, lernen hauptsächlich aus praktischer Erfahrung, sind risikobereit und aktiv, flexibel und experimentierfreudig. Sie ändern zuvor aufgestellte Pläne, wenn es die Situation erfordert und tendieren mehr zum instinktiven und spontanen Handeln als zu logischer Analyse.
2. Divergierer (Universalisten): Sie bevorzugen konkrete Erfahrung und reflektiertes Beobachten, beobachten Situationen eher als zu handeln und versuchen, die Konsequenzen unbekannter Situationen vorherzusehen. Sie betrachten konkrete Sachverhalte aus verschiedenen Perspektiven, sind jedoch keine Theoretiker, die einer abstrakten Logik folgen. Sie sammeln innovative Ideen (Brainstorming) und zeichnen sich durch Kreativität aus.
3. Konvergierer (Spezialisten): Sie bevorzugen abstrakte Begriffsbildung und aktives Experimentieren, wenden Theorien und Modelle praktisch an, stellen Hypothesen auf, gehen dabei pragmatisch aber eher unsystematisch vor. Ihre Stärken liegen in der Fähigkeit, neue Lösungsstrategien anzuwenden. Dabei sind sie aufgaben- und zielorientiert und bevorzugen Aufgaben mit einer richtigen Lösung.
4. Assimilierer (Theoretiker): Sie bevorzugen reflektiertes Beobachten und abstrakte Begriffsbildung, konzentrieren sich auf die Entwicklung von Theorien und Modellen durch induktives Schlussfolgern, wobei sie analytisch und systematisch vorgehen. Sie fassen große Informationsmengen zu einem logischen Ganzen zusammen und betrachten Situationen aus vielen unterschiedlichen Perspektiven. Die logische Stichhaltigkeit einer Theorie ist ihnen häufig wichtiger als ihr praktischer Wert.

Diese vier Lernstile entstehen nach [Bremer2001] durch Kombination mit den folgenden vier Lernstrategien:

1. aktives Experimentieren,
2. konkrete Erfahrung,
3. abstrakte Begriffsbildung und
4. reflektiertes Beobachten.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3.4.1 . 1 „Lernstile und Lerntypen nach Kolb“, [Bremer2001]

Jede Gruppe vereint nach [Bremer2001] je zwei Lernstile, die beiden anderen Lernstile werden nach wie vor von den einzelnen Typen angewendet, nur werden zwei Stile bevorzugt eingesetzt.

Lernstrategien werden von Friedrich und Mandel in [Friedrich und Mandel1992] als repräsentierte Handlungspläne zur Steuerung des eigenen Lernverhaltens beschrieben, die sich aus einzelnen Handlungssequenzen zusammensetzen und situationsspezifisch abrufbar sind, oder anders ausgedrückt ist die Lernstrategie die zum Lernen verwendete Technik.

Die Lernstrategien lassen sich nach [Friedrich und Mandel2006] in drei Ebenen einteilen:

1. Wiederholungsstrategien : Sie dienen dazu, Wissen, das erlernt werden soll, in wörtlicher Form im Arbeitsgedächtnis aktiv zu halten und so die Voraussetzung dafür zu schaffen, dass die Informationen in das Langzeitgedächtnis überführt werden können. Beispiele dafür sind unter anderem Texte abschreiben oder wiederholtes Aufsagen.
2. Elaborationsstrategien : Durch Elaboration soll versucht werden, bereits vorhandenes Vorwissen über einen Gegenstandsbereich zu aktivieren und neues Wissen mit diesem zu verknüpfen. Typische Elaborationsstrategien sind z.B. sich Beispiele zu überlegen oder Gelerntes mit eigenen Worten zu formulieren.
3. Organisationsstrategien: Diese sollen helfen, innerhalb eines neuen Wissensbereiches Ordnungsbeziehungen herauszuarbeiten, um sich so ein kohärentes Bild vom Thema aufzubauen. Organisationsstrategien sind beispielsweise Zusammenfassungen von Texten schreiben oder Mindmaps zu einem Themenbereich zu erstellen.

Unter Berücksichtigung dieser Lernstrategien und Lernstile können nun unterschiedliche Lernmodelle erstellt werden und die adaptiven Lernsysteme daran angepasst werden.

Eine Möglichkeit wäre es z.B. eine Einteilung nach Pragmatikern, Universalisten, Spezialisten und Theoretikern unter Berücksichtigung von deren Eigenschaften durchzuführen.

3.4.2 Adaption der Lernsysteme auf Basis von Intelligenz

Eine weitere Adaptionsmöglichkeit könnte auf Basis der Intelligenz der Lernenden geschehen. Mit der Intelligenz bezeichnet Gardner in [Gardner2005] die Fähigkeit zu lernen, oder anders ausgedrückt, wie gut die Lernenden bestimmte Arten von Aufgaben lösen können, und welche Lernaktivitäten somit besser oder weniger gut zu ihnen passen.

Gardner betrachtet die Intelligenz der Lernenden in [Gardner2005] aufgeteilt in deren Talente und Fähigkeiten:

- die linguistisch-sprachliche Intelligenz,
- die musikalische Intelligenz,
- die logisch-mathematische Intelligenz,
- die räumliche / künstlerisch-gestalterische Intelligenz,
- die körperliche und Bewegungsintelligenz,
- die soziale Intelligenz und
- die emotionale Intelligenz

Damit werden die Fähigkeiten der Lernenden auf den unterschiedlichen Gebieten festgelegt. Lernende mit einer logisch-mathematischen Intelligenz besitzen beispielsweise die Fähigkeit, logische Zusammenhänge besonders schnell zu verstehen, mit Zahlen umzugehen und mathematische Formeln leicht und schnell zu erlernen.

Je nachdem auf welchem Gebiet die Stärken der Lernenden liegen, sollten ihnen automatisch entsprechende Kurse vorgeschlagen werden.

3.4.3 Adaption der Lernsysteme auf Basis der verschiedenen Lerntheorien

Laut [Baumgartner2002] schlägt sich in jeder Lernsoftware eine Lerntheorie nieder, das heißt, dass in jeder Lernsoftware eine Anpassung an diese theoretischen Ansätze durchgeführt wird. Deshalb soll hier ein kurzer Überblick über die bei der Gestaltung von Lernsystemen laut [Blumenstengel1998] drei relevanten Lerntheorien gegeben werden.

1. Behaviourismus: Der Begriff leitet sich aus dem englischen Wort „behaviour“ ab, was so viel bedeutet wie Benehmen. Das Gehirn wird als eine Blackbox gesehen, die mit Lerninhalten gefüllt wird. Die Lehrenden präsentieren den Lernstoff in strukturierter Form. Die Lernenden lernen diesen auswendig und werden dafür belohnt.
2. Kognitivismus: Lernen basiert auf Verstehen. Verstehen heißt, Sinnesdaten wie Bilder oder Töne mit den bereits bestehenden Wissensstrukturen zu erfassen. Dabei entsteht der Eindruck des „Wiedererkennens“. Lernen heißt, die bestehenden Wissensstrukturen zu erweitern oder zu korrigieren.
3. Konstruktivismus:. Jeder Mensch betrachtet die Welt aus dem Blickwinkel seiner eigenen Theorie im Kopf. Lernen aus konstruktivistischer Sicht ist ein aktiver, Problem generierender Prozess auf der Grundlage der Erfahrung.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 3.4 . 1 „Überblick über die verschiedenen Lerntheorien“, [Blumenstengel1998]

3.4.4 Adaption der Lernsysteme auf Basis von Lernprozessen

Schmidt unterscheidet in [Schmidt2004] die folgenden Arten von Lernprozessen, auf deren Basis Lernsysteme umgesetzt werden könnten:

- Kursgesteuertes Lernen: Die Lernaktivität wird durch die vorgegebene Kursstruktur bestimmt. Kurse sind Lerneinheiten, die abonniert oder zugewiesen werden. Dies kann sich sowohl auf Präsenzkurse als auch elektronische Kurse oder Blended Learning-Lösungen beziehen.
- Selbst gesteuertes Lernen: Die Lernenden suchen selbst nach Lerneinheiten, um ihr momentanes Wissensbedürfnis zu befriedigen. Beispiele dafür sind explorative z.B. entlang von Wissensstrukturen oder deskriptive z.B. suchmaschinenartige Zugänge.
- Kontextgesteuertes Lernen: Hierbei gehen die Lernenden ihrer alltäglichen Arbeit nach. Im Hintergrund verfolgt das System, was diese gerade tun und ermittelt die Wissensanforderungen. Sind diese nicht durch die aktuellen Kompetenzen abgedeckt, kann das System entsprechende Lernprogramme zusammenstellen und als Empfehlung vorschlagen.

3.4.5 Adaption der Lernsysteme auf Basis der beim Lernen auftretenden Emotionen

Dass Emotionen beim Lernen eine wichtige Rolle spielen, beschreibt Daniel Goleman in [Goleman1997] treffend mit der folgenden Aussage:

„The extent to which emotional upsets can interfere with mental life is no news to teachers. Students who are anxious, angry, or depressed do not learn; people who are caught in these states do not take in information efficiently or deal with it well.”

Aus diesem Grund soll mit der Anpassung an die beim Lernen empfundenen Emotionen eine weitere Adaptionsmöglichkeit vorgestellt werden.

Zum besseren Verständnis, welche Emotionen wie wirken, eignet sich das von [Kort, Reilly und Picard2001] vorgestellte Modell.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3.4.5 . 1 „Zusammenhang zwischen Lernen und Emotionen“, [Kort, Reilly und Picard2001]

Wie aus der Abbildung 3.4.5.1 ersichtlich wird, besteht das Modell aus einem Kreis, welcher in vier Quadranten aufgeteilt ist. Kort, Reilly und Picard benennen die horizontale Achse in [Kort, Reilly und Picard2001] als Emotionsachse und die vertikale Achse als Lernachse. Die positiven Emotionen befinden sich auf der rechten, die negativen Emotionen auf der linken Seite.

Nach [Kort, Reilly und Picard2001] durchlaufen die Lernenden sowohl positive als auch negative Emotionen, indem sie idealerweise im ersten Quadranten (Neugierde und Faszination über ein neues Thema) starten. Im zweiten Quadranten könnten erste Verwirrungen und Enttäuschungen auftreten, wobei Kort, Reilly und Picard dies immer noch als konstruktives Lernen bezeichnen. Kleine Rückschläge sind notwendig, dadurch werden die Lernenden motiviert, die Verwirrung zu beseitigen. Es kann laut [Kort, Reilly und Picard2001] auch passieren, dass die Lernenden in den dritten Quadranten fallen. Hier herrschen zwar negative Emotionen, doch diese sind die Voraussetzung dafür, dass die Lernenden versuchen die Unklarheiten zu beseitigen, wodurch sie in den vierten Quadranten voranrücken. Hier wagen sich die Lernenden mit neuer Hoffnung und neuen Ideen an das Problem heran und starten wieder im ersten Quadranten.

Durch diesen Kreislauf, der sich im Idealfall ergibt und die Lernenden in immer neue Lernzyklen befördert, erhöht sich laut [Kort, Reilly und Picard2001] auch das Wissen.

Um eine sinnvolle Umsetzung in Lernsystemen durchführen zu können, wäre es notwendig, die Lernenden ständig zu beobachten, um deren Emotionen herauszufinden. Anhand der aktuellen Emotionen müssten dann entsprechende Hilfestellungen angeboten werden, um eine Stagnation des Lernzyklus zu vermeiden.

3.4.6 Adaption der Lernsysteme auf Basis von Just-in-time E-Learning bzw. Learning on Demand

Bei Just-In-Time E-Learning (JIT E-Learning) bzw. Learning on Demand geht es laut [Bendel und Hauske2006] um die Befriedigung von akuten Informations- und Lernbedürfnissen mit Hilfe von Informations- und Kommunikationstechnologien und darauf aufbauenden Lernsystemen. Dabei sollen die Lernenden z.B. am Arbeitsplatz auf elektronischem Wege mit Informationen, Funktionen und Lerninhalten versorgt werden, um aktuell anstehende Aufgaben effizient lösen zu können. Das heißt, dass anstelle von ganzen Kursen nur das Wissen vermittelt werden soll, das in der augenblicklichen Situation gerade benötigt wird.

Die Informationsversorgung kann dabei über

- Hilfefunktionen,
- Pop-up-Tipps,
- Nachrichtenticker,
- Glossare,
- ständig aktualisierte Nachschlagewerke oder
- Mini-Lernmodule realisiert werden.

3.5 Beispiele für adaptive Lernsysteme

3.5.1 ActiveMath

Die Open-Source-Software ActiveMath, die vom Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI) in Saarbrücken entwickelt wurde, speichert laut [ActiveMath2008] die persönlichen Eigenschaften und den Wissensstand der Lernenden in einem Benutzerprofil. Aufgrund dieser Informationen werden dann die Lerninhalte an die Lernenden angepasst erzeugt. Dabei ist eine Variation im Hinblick auf Lerngeschwindigkeit als auch auf Erklärungstiefe und Herangehensweise möglich. Des Weiteren macht ActiveMath den Lernenden Vorschläge zu ihrem optimalen Lernpfad.

3.5.2 AdeLE – Adaptive eLearning with Eye-Tracking

AdeLE ist, wie aus dem Namen bereits hervorgeht, ein adaptives E-Learning System, welches Eye-Tracking-Technologie verwendet, um laut [AdeLE 2006] herauszufinden, welcher Lerntyp sich gerade vor dem Bildschirm befindet. Dazu werden mit Hilfe von Infrarotdioden Reflexionen auf dem Auge der Lernenden generiert. Die direkt im Bildschirm integrierte Kamera zeichnet die Blickbewegungen der Lernenden auf und erkennt daran, welche Inhalte präsentiert werden sollen. Für den visuellen Typ z.B. sind dies grafisch aufbereitete Inhalte, für den auditiven Typ werden zusätzliche Audiostreams angeboten.

AdeLE ist ein im November 2003 gestartetes Forschungsprojekt zwischen der Fachhochschule Joanneum und dem Institut für Informationssysteme und Computermedien der Technischen Universität Graz. Wie auf [AdeLE2006] beschrieben, wurde 2005 ein erster Prototyp auf der Wissensmanagement-Konferenz „i-Know“ in Graz präsentiert. Bis die Technik serienreif ist, wird es nach [AdeLE2006] wahrscheinlich noch bis 2010 dauern.

3.5.3 Chameleon

Chameleon ist laut [Eichelsberger2002] eine Software, die Adaption anhand einer individuellen Lernweggenerierung vornimmt. Dabei ist der individuell angepasste Lernweg bezüglich

- der Vorkenntnisse,
- der technischen Ausstattung und
- des Lerntyps auf die Lernenden abgestimmt.

Chameleon funktioniert laut [Eichelsberger2002] folgendermaßen:

Die Software verwaltet eine Wissensbasis, die über mehrere Lernwege verfügt. Diese werden, auf die individuellen Bedürfnisse der Lernenden bezogen, gewichtet. Anschließend wird der am besten passende Lernweg ausgewählt und den Lernenden präsentiert.

3.5.4 GRAPPLE – Generic Responsive Adaptive Personalized Learning Environment

Das vom Februar 2008 bis zum Februar 2011 dauernde GRAPPLE Projekt beschreibt sein Hauptziel auf [Grapple2008] als das Bereitstellen einer Lernumgebung, die eine automatische Anpassung an persönliche Präferenzen, Vorwissen, Fähigkeiten und Kompetenzen, Lernziele und den sozialen Kontext, in dem das Lernen stattfindet, durchführt. Dabei stellt GRAPPLE laut [Grapple2008] Autorentools zur Verfügung, die die Lehrenden unterstützen, adaptive und interaktive Lernmaterialien zu erstellen.

3.5.5 INSPIRE – Intelligent System for Personalized Instruction in a Remote Environment

Ein Beispiel für ein E-Learning-System, welches Adaption auf Basis von Lernstilen durchführt, ist das im Jahr 2003 entwickelte INSPIRE. Dieses verwendet laut [Schulmeister2006] die vier Lernstile Aktivisten, Reflektierer, Theoretiker und Pragmatiker. Um den entsprechenden Lernstil zu ermitteln, müssen die Lernenden zu Beginn einen Fragebogen ausfüllen. Die Ergebnisse verwendet INSPIRE, um die Lernenden einem bestimmten Lernermodell zuzuordnen. Anhand von diesen Modellen werden die Inhalte angeordnet und präsentiert und eine adaptive Navigationsunterstützung angeboten.

Lernende mit dem Lernstil Reflektierer bekommen nach [Schulmeister2006] zuerst ein Beispiel zum Lesen, dann ein Stück Theorie und zum Abschluss eine Übung. Bei den anderen Lernstilen wird die Reihenfolge verändert.

3.5.6 Learning Companion – Der Lernfreund

Das Projekt Digital Life [Digital Life2003] beschäftigt sich mit dem Einfluss der verschiedenen Gemütszustände der Lernenden auf den Lernprozess. Ein Versuch einer programmtechnischen Umsetzung ist der sogenannte Learning Companion, auf Deutsch der Lernfreund. Hinter dem Begriff versteckt sich eine Software, die anhand einer speziellen Hardware die Gemütszustände des Lernenden analysiert und darauf reagiert. Dabei werden die Emotionen der Lernenden laut [Digital Life2003] mit Bio-Sensoren aufgezeichnet, und die Daten dann der Software übermittelt.

Im Laufe der Forschungszeit sind von [Digital Life2003] einige Prototypen zur Ermittlung der Gemütszustände entwickelt worden:

- Der Galvanic Skin Response (GSR) Sensor: Dieser funktioniert über den Wirkleitwert der Haut. Dabei werden den Lernenden Elektroden an Finger oder Zehen in Form von Manschetten angelegt und die Veränderung des Hautwirkleitwerts aufgezeichnet. Dieser verändert sich je nach Gemütslage. Die Schweißdrüsenaktivität steigert die elektrische Leitfähigkeit und macht so das Erregungsniveau messbar.
- Der Blood Volume Pulse (BVP) Sensor: Dieser nimmt den Blutdruck in den Gliedmaßen mittels eines speziellen Verfahrens wahr, welches die Aktivität, die Größe und die Blutdurchflussmenge in den peripheren Blutgefäßen (Fingerspitzen, Ohrläppchen …) erfasst und aufzeichnet. Die Veränderung dieser Aktivitäten ist Barometer der jeweiligen emotionalen Verfassung.
- Der Respiration-Sensor bzw. Atmungssensor: Dieser kann über das Brustbein oder das Zwerchfell die Atemaktivität messen. Durch die Atemfrequenz kann auf die emotionalen Zustände der Lernenden geschlossen werden.
- Der Electromyogram Sensor (EMG): Dieser ermittelt die elektrische Aktivität der Muskelkontraktion z.B. im Gesicht, wodurch die Stimmungen der Lernenden widergespiegelt werden.

3.5.7 L4 – Life Long Learning Laboratory

Das von der TU Darmstadt in der Entwicklung befindliche Projekt L4 - Life Long Learning Laboratory ermöglicht nach [Schulmeister2006] den Lernenden neben der Auswahl der Inhalte, die durch Tests ermittelt werden, auch die Auswahl zwischen verschiedenen Lernzielen. Abhängig von der Wahl bekommen die Lernenden nur die Inhalte vorgesetzt, die ihnen helfen, ihr gewähltes Ziel zu erreichen.

3.5.8 Open-EIS LMS

Ein Beispiel für ein E-Learning-System, das eine Adaption auf Basis von Learning on Demand anbietet, stellt open-EIS der Community4you GmbH dar. Das open-EIS LMS bietet laut [Open-EIS LMS2008] ein integriertes WYSIWYG-Autorensystem, einen Frageneditor, Fragetypenauswahl, einen Konfigurator und ein Course Delivery System. Das SCORM-fähige System verfügt über eine einfach zu bedienende, grafische Oberfläche und beinhaltet alle Funktionen zur Verwaltung und Statistik von Lernenden, Kursen und Prüfungen, zur statistischen Auswertung von Ergebnis- und Lernstatusdaten sowie zur Offline-Arbeit durch einen Offline Client.

3.5.9 Projekt iWeaver

In [Schulmeister2006] wird ein weiteres im Jahr 2003 entwickeltes E-Learning-System mit dem Namen iWeaver beschrieben, welches Adaption auf Basis von Lernstilen durchführt. Dabei wird der Lernstil anhand von 118 Fragen ermittelt, die zu Beginn gestellt werden. Es wird zwischen verbalen, visuellen, auditiven und taktilen Lernenden unterschieden.

3.5.10 Projekt LIP – Learning in Progress

Schmidt beschreibt in [Schmidt2004] einen Prototyp für ein System, das Anpassung auf Basis des in Kapitel3.4.4 vorgestellten, kontextgesteuerten Lernens durchführt und in Unternehmen eingesetzt werden soll.

LIP kann dem Benutzer auf Basis seines Kontextes personalisierte Lernprogramme empfehlen, indem das Lernsystem über spezielle Schnittstellen Informationen, wie aktueller Prozessschritt oder Aufgabe, ermittelt und überprüft, ob Bedarf nach einem Lernprogramm besteht, welches den aktuellen Wissensbedarf decken kann.

Dabei verwendet das System laut [Schmidt2004] das sogenannte Matching-Verfahren, das aus den folgenden drei Schritten besteht:

1. Analyse der Wissenslücke, das heißt der Menge von Kompetenzen, die erforderlich sind, aber die Lernenden nicht besitzen.
2. Ermitteln von Lernobjekten, die diese fehlenden Kompetenzen vermitteln können und das Zusammenstellen eines passenden Lernprogramms.
3. Bewerten der möglichen Lernprogramme anhand von Benutzerpräferenzen.

3.5.11 trainer24

Das E-Learning-System trainer42 der bureau42 GmbH in Köln verwendet bei der Adaption laut [Schulmeister2006] und [Bureau422007] ein Benutzerprofil, in welchem der persönliche Lernstil der Lernenden gespeichert ist. Ermittelt wird der Lernstil durch einen Online-Test, den die Lernenden zu Beginn durchführen müssen. Die Lernumgebung wird im Hinblick auf Kursstruktur, verwendete Medien und Navigation an den jeweiligen Lernstil angepasst.

4 Adaption in Moodle und Konkurrenten

Im Kapitel4 wird aufgezeigt, inwieweit Adaption in Moodle und seinen Konkurrenten ATutor und StudIP in Kombination mit Ilias, die ebenfalls in der engeren Auswahl der Mediadesign Hochschule für Design und Informatik standen, bereits vorhanden ist. Dabei werden zur besseren Unterscheidung um welche Variante der Adaption es sich handelt, die Begriffe Schnittstellen-Adaptivität und Lerner-Adaptivität aus dem Kapitel3.2 Adaptivitätsvarianten verwendet.

4.1 ATutor

ATutor ist, wie in [ATutor2008] beschrieben, ein webbasiertes Open-Source Learning Content Management System, das mit Hinblick auf Barrierefreiheit und Anpassungsfähigkeit entwickelt wurde und ständig weiterentwickelt wird.

4.1.1 Schnittstellen-Adaptivität

ATutor kann mit Hilfe von Themes, das sind Designs für die Darstellung der Benutzeroberfläche, verändert werden. Die Auswahl dieser Designs, ebenso die Veränderung der Position von Menüs und die Wahl der bevorzugten Sprache dürfen die Lernenden für jeden Kurs individuell durchführen. Diese Einstellungsmöglichkeiten durch die Lernenden werden im jeweiligen Benutzerprofil gespeichert.

Die Lernenden erhalten zusätzlich adaptive Navigationsunterstützung, wobei sie nach [ATutor2008] zwischen einer globalen, hierarchischen und sequenziellen Navigation wählen können.

- Globale Navigation: Das globale Navigationsmenü präsentiert den Kurs als Ganzes, wobei die Lernenden selbst entscheiden können, welche Teile davon sie sehen wollen. Ein Beispiel für ein globales Navigationsmenü stellt die Sitemap dar, welche aus den Seitenüberschriften eines Kurses aufgebaut ist, und über welche die Lernenden zu den einzelnen Themen des Kurses navigieren können.
- Sequenzielle Navigation: Die Lernenden bewegen sich über die Schaltflächen „Weiter” und „Zurück“ in einer vorgegebenen Reihenfolge durch den Inhalt. Über eine Schaltfläche „Fortsetzen“ oder hervorgehobene Titel in den Menüs können sie nach Unterbrechung, z.B. um im Forum an einer Diskussion teilzunehmen, wieder von der Stelle starten, an welcher sie zuletzt aufgehört haben.
- Hierarchische Navigation: Über hierarchische Navigationsstrategien wie z.B. globale Navigationsmenüs oder die Breadcrumb-Navigation^[1] können sich die Lernenden durch die Inhalte bewegen.

4.1.2 Lerner-Adaptivität

Eine echte Lerner-Adaptivität, also die statische oder dynamische Anpassung des Systems an die Lernenden wie im Kapitel3.2 Adaptivitätsvarianten beschrieben, ist in der getesteten Version 1.6 noch nicht implementiert.

[...]

---

^[1] Als Brotkrumennavigation werden Navigationselemente auf Webseiten bezeichnet, die den Pfad zur aktuellen Seite zeigen. Dabei sollen sie die Orientierung innerhalb tief verzweigter Internetseiten verbessern, indem sie Links zu vorher besuchten, übergeordneten oder themenverwandten Seiten anbieten.