Our Research Projects
“Don’t value what we measure -> measure what we value.” – Bob Mislevey
Completed Research Projects
Basierend auf ersten Forschungsergebnissen rund um die Trusted Learning Analytics Infrastructure der EduTec Gruppe, haben wir zusammen mit Prof. Dr. Knut Neumann from Leibniz-Institut für die Pädagogik der Naturwissenschaften und Mathematik (IPN) in Kiel und Prof. Dr. Nikol Rummel von der Ruhr-Universität Bochum ein Projekt zur Analyse und Förderung von Lernverläufen zur Entwicklung von Kompetenzen (AFLEK) einwerben können. Das AFLEK Projekt wird durch das BMBF Programm Digitalisierung II - Forschung zur Gestaltung von Bildungsprozessen unter den Bedingungen des digitalen Wandels gefördert.
Digitalen Technologien wird ein hohes Potential für die Optimierung von Bildungsprozessen zugesprochen. Sie erlauben ein stärker personalisiertes Lernen, das es allen Schülerinnen und Schülern ermöglicht, die für eine gesellschaftliche und insbesondere berufliche Teilhabe erforderlichen Kompetenzen zu erwerben. Dies setzt voraus, dass Lernverläufe die nicht zu Kompetenzentwicklung (unproductive learning; vgl. Kapur, 2016) führen zeitnah erkannt werden und entsprechend darauf reagiert wird. Dies für alle Schülerinnen und Schüler zu leisten, ist für Lehrkräfte im herkömmlichen Unterricht nur schwer bis gar nicht möglich. Im Projekt „Learning Progression Analytics“ (LPA) sollen Erkenntnisse darüber gewonnen werden, wie die umfangreichen bei der Bearbeitung digitaler Lerneinheiten generierten Daten zu fachinhaltlichen Lernprozessen automatisch ausgewertet und der Lehrkraft in nahezu Echtzeit zur Verfügung gestellt werden können, um unproduktive Lernverläufe zeitnah zu erkennen, die ursächlichen Lernschwierigkeiten zu identifizieren und instruktionale Interventionen zu unterstützen, die die unproduktiven Lernverläufe in produktive überführen. Damit soll die Grundlage für die Entwicklung von Assistenzsystemen für Schülerinnen und Schüler bzw. Lehrkräfte und damit für personalisiertes Lernen im Schulunterricht geschaffen werden.
- a theory of learning, and based thereupon,
- a model of competence development and
- methodologies that allow for a continuous assessment of students’ learning over sequences of learning activities and subsequent mapping to students’ competence development.
With the AR4STE(A)M project the Educational Technologies Team tackles these Issue by leading a strategic partnership supported by the European Commission in order to raise awareness on the importance of choosing STE(A)M studies for pursuing successful careers, especially among young students. Over the course of 2, 5 years the Team will work – together with 6 Partners from 6 EU countries – to give school teachers innovative instruments and tools to overcome the traditional method of teaching and learning engaging students to learn while enjoying. Supporting educational institutions in integrating immersive technologies and GBL for teaching STE(A)M within their curricula.
Funding: Erasmus+
- Writing personas: creation of so-called “personas” which reflect key users in the future of digital education at the Goethe University. Personas are developed on the basis of different empirical data – to this end, survey and structured interviews will be used.
- Expert group concept mapping study: An expert GCM study will be run to elicit success criteria for the development of a digital education infrastructure at the Goethe University.
- Innovation workshops: organisation of innovation workshops involving key actors at the Goethe University, external research institutes, the state ministry of education in Hesse and international experts, to formulate a plan for digital education at the Goethe University.
- Fruits & challenge workshops: organisation of workshops for the identification of so-called “low hanging fruits“, that is quickly accessible opportunities and long-term challenges to digital education at the Goethe University.
- DELTA report and conference: organisation of a wrap-up conference which summarises project outcomes and necessary activities for achieving DELTA plan objectives by 2025. The DELTA report will be handed to the President of the Goethe University at the conference.
Mind map - Essential functions Digital Education Architecture Open learning resources in distributed learning Infrastructures - EduArc
State of the art In order to realize the potential of digitization for higher education, a cross-university digital ecosystem is needed that provides digital educational resources for distributed use (see M Kerres & Heinen, 2015). The BMBF feasibility study by Blees et al. (2016) on the infrastructure for open educational resources has shown for the higher education sector: There is an increasing amount of digital content on learning platforms and there are technologies available to provide this via repositories. What is needed is a solution that is based on a networked, federated infrastructure of decentralized repositories (see Heinen al., 2016) and that makes targeted use of open educational resources. Digital educational architectures must thus relate to the digital research infrastructure, in particular to the infrastructures for literary and research data and research data management, and the associated developments in the scientific information and librarianship (under the keyword "open science"). take into account (see Siegfried, 2017). For example, the Information Infrastructure Council (RfII) has issued recommendations to the GWK on the development of a national research data infrastructure. Since 2016, the DFG has been funding the Generic Research Data Infrastructure (GeRDI) project, which is developing a model for a distributed infrastructure. A federal infrastructure for research data in education is funded by the BMBF project "Verbund Forschungsdaten Bildung (VFDB)". At European level, the High Level Expert Group on the European Science Cloud (EOSC) deals with similar issues. Furthermore, the GOFAIR initiative aims to treat research data fairly, which was initiated by the BMBF and the Ministry of Science of the Netherlands. Similar to BW, Berlin and other federal states, the Digital University NRW has commissioned the planning of a subsidized infrastructure, through which open educational resources of the universities are made available and distributed. Project overview The project is developing a proven design concept for distributed learning infrastructures that will federate digital educational resources and other study-related information. It explores the technical, didactic and organizational conditions of an educational architecture that results from the networking of the digital infrastructure of universities and the interaction of state, public and private actors. It brings together distributed systems through open standards and interfaces, and is open to integrate future content providers and users. The announced architecture is to be interpreted for open as well as not openly licensed (references to) resources, because in teaching also perspectively different license variants will be relevant and expedient. The project focuses on the challenges posed by the dissemination of openly licensed educational resources (OER / CC licenses) in an "informationally open ecosystem". Depending on the license, these can be used, commented on and edited by teachers and students free of charge , mixed and made available again on the net, which opens up special didactic opportunities for higher education (Heinen et al., 2016). At the same time there are technical-conceptual challenges in the provision of OER, but also in access to distributed repositories, especially in dealing with edits and versions, the return of user-generated data to the author of the OER, and the resulting quality mechanisms for reputation acquisition ( for authors) and quality assurance (for resources). Methodical approach and interdisciplinary cooperation The project pursues a design-oriented research approach in which design concepts are developed with prototypes and field trials. The type and intensity of use is recorded on the basis of (anonymised) objective data (behavioral traces), in addition to online questionnaires and guideline-based interviews with which the various groups of users are asked about their experiences and assessments. First of all, the universities represented by the actors function as pilot universities. In addition to the spatial and organizational proximity to the applicants, predecessor projects of the applicants to the universities provide infrastructures in various stages of development, which can be used as the basis for a distributed learning infrastructure. On the basis of preparatory work, a dataset is defined that defines success parameters at various levels (technical, didactic, organizational) in order to be able to record the impact of the project and to verify the achievement of the objectives. Literature- Blees, Ingo, Hirschmann, Doris, Kühnlenz, Axel, Rittberger, Marc, Schulte, Jolika, Cohen, Nadia, … Khenkitisack, Phoutsada. (2016). Machbarkeitsstudie zum Aufbau und Betrieb von OER-Infrastrukturen in der Bildung. Frankfurt: Deutsches Institut für Internationale Pädagogische Forschung.
- Drachsler, H., Verbert, K., Santos, O. C., & Manouselis, N. (2015). Panorama of Recommender Systems to Support Learning. In F. Ricci, L. Rokach, & B. Shapira (Hrsg.), Recommender Systems Handbook (S. 421–451). Springer, Boston, MA.
- Euler, D., Hasanbegovic, J., Kerres, M., & Seufert, S. (2006). Handbuch der Kompetenzentwicklung für eLearning Innovationen: Eine Handlungsorientierung für innovative Bildungsarbeit in der Hochschule. Bern: Huber.
- Kerres, M. (2015). E-Learning vs. Digitalisierung der Bildung: Neues Label oder neues Paradigma? In A. Hohenstein & K. Wilbers (Hrsg.), Handbuch E-Learning. Köln: Deutscher Wirtschaftsdienst.
- Kerres, M., Getto, B., & Kunzendorf, M. (2010). RuhrCampusOnline: Strategische Hochschulkooperation in der Universitätsallianz Metropole Ruhr. Zeitschrift für Hochschulentwicklung, 5.
- Kerres, M., & Heinen, R. (2015). Open informational ecosystems: The missing link for sharing resources for education. Interna- tional Review of Research in Open and Distributed Learning, 16.
- Mixed, augmented und virtual reality ermöglichen es, immersive Lern- und Übungsräume zu schaffen
- Moderne Sensortechnologien können feingranular Bewegungen nachverfolgen und aufzeichnen
- Big Data Methoden und ihre Anwendung in Learning Analytics können große Datenmengen analysieren und auswerten, was insbesondere bei datenintensiven Lernvorgängen, wie der Echtzeit-Analyse psychomotorischer Fähigkeiten unabdingbar ist
- Maschinelle Lernverfahren (z.B. Reinforcement/Deep Learning) und generative Verfahren der künstlichen Intelligenz (z.B. generative adversarial networks) können große Datenmengen interpretieren, schlussfolgern und individuelles Feedback generieren
Basierend auf ersten Forschungsergebnissen rund um das SERNE -Selfregulation Widget haben wir zusammen mit Prof. Dr. Garvin Brod von der DIPF Abteilung Bildung und Entwicklung ein Projekt zur Unterstützung von selbstregulierten Lernenprozessen für Schüler*Innen im HomeSchooling einwerben können. Das PROMPT Projekt wird durch das Distr@l – Förderprogramm des Hessische Ministerium für Digitale Strategie und Entwicklung gefördert.
Unterstützung des Selbstreguliertes Lernen fällt insbesondere jüngeren Schülerinnen und Schülern schwer. Das Projekt PROMPT hat das Ziel, die Erkenntnisse aus der Forschung zur Verbesserung von selbstreguliertem Lernen in digitalen Lernumgebungen in die Anwendung bei Schulkindern zu überführen. Dieses Wissen soll möglichst breit zugänglich gemacht werden, sodass es Unternehmen der Bildungswirtschaft und Bildungsinstitutionen unmittelbar für neue Produkte oder zur Verbesserung bestehender Anwendungen nutzen können. Einen zentralen Aspekt dieses Wissenstransfers soll ein Prototyp einer kindgerechten Lernplanungs-App darstellen. Dieser Prototyp soll die wissenschaftlichen Erkenntnisse, die für eine Verbesserung des selbstregulierten Lernens mit Lern-Apps bei Schulkindern wichtig sind, praktisch umsetzen und illustrieren. Anbieter und Nutzer jeglicher Lern-Apps können auf dieses Instrument zurückgreifen und für ihre Zwecke adaptieren. Im Projekt erfolgt eine ausführliche, mehrschrittige Optimierungsforschung zur Gestaltung der Lernplanungs-App, sodass diese größtmögliche Effektivität besitzt. Diese Optimierung besteht zunächst aus einer Reihe von kleineren Randomized Controlled Trials (RCTs), in denen die verschiedenen inhaltlichen Komponenten der App (Lernzielformulierung, Lernzielmotivation, Wenn-Dann-Plan zum Umgang mit Hindernissen bei der Zielerreichung, Überwachung des Lernfortschritts) systematisch variiert werden, um zu überprüfen, welche Kombination von Komponenten die größtmögliche Effektivität hat. Die vielversprechendsten Kombinationen werden im Anschluss in einem großen RCT in einer repräsentativen Stichprobe überprüft, um die Effektivität des Prototyps wissenschaftlich belastbar zu validieren. Abschließend wird die finale Version des Prototyps für die breite Nutzbarkeit und Zugänglichkeit für Unternehmen und Bildungsinstitutionen aufbereitet und als Open Educational Resource verbreitet.
If you are interested in the products we have developed in the research projects navigate to the product page.