skip to main content
Language:
Search Limited to: Search Limited to: Resource type Show Results with: Show Results with: Search type Index

Misserfolge beim digitalen Lernen verhindern: „Predictive learning analytics“ am Beispiel einer Web-App für Grammatik und Rechtschreibung

Zeitschrift für Bildungsforschung (Internet), 2022, Vol.12 (3), p.553-577 [Peer Reviewed Journal]

The Author(s) 2022 ;ISSN: 2190-6890 ;EISSN: 2190-6904 ;DOI: 10.1007/s35834-022-00369-z

Digital Resources/Online E-Resources

Citations Cited by
  • Title:
    Misserfolge beim digitalen Lernen verhindern: „Predictive learning analytics“ am Beispiel einer Web-App für Grammatik und Rechtschreibung
  • Author: Maier, Uwe ; Klotz, Christian
  • Subjects: Education ; Educational Policy and Politics ; Empirischer Originalbeitrag ; Research Methods in Education
  • Is Part Of: Zeitschrift für Bildungsforschung (Internet), 2022, Vol.12 (3), p.553-577
  • Description: Zusammenfassung Verfahren des maschinellen Lernens werden erfolgreich eingesetzt, um für universitäre Online-Kurse das Bestehen von Abschlussprüfungen frühzeitig zu prognostizieren und damit Kursabbrüche zu minimieren. Für die im Schulbereich häufig eingesetzten Lern-Apps gibt es allerdings keine publizierten Beispiele für die Anwendung dieser Methodik. Diese Lern-Apps unterscheiden sich von semesterlangen Online-Kursen vor allem im Hinblick auf die flexiblen Einsatzmöglichkeiten, eine nicht sequenziell vorgegebene Bearbeitung der Lerninhalte sowie formative Assessments, die mehrfach wiederholt werden können. Mit diesem Beitrag soll beispielhaft untersucht werden, wie man Verfahren des maschinellen Lernens anwenden kann, um Misserfolg in einem derart strukturierten Übungstool rechtzeitig vorhersagen zu können. Datengrundlage sind Lern- und Leistungsdaten von 2999 Schülerinnen und Schülern aus Sekundarschulen (177 Klassen), die in unterschiedlichen Themenbereichen und Levels einer Web-App für Grammatik und Rechtschreibung gearbeitet haben ( www.masteryx.de ). Verschiedene Modellierungen ergaben, dass die Vorhersagewerte von semesterlangen Online-Kursen nicht erreicht werden können. Die Modellierungen reichen allenfalls, um für besonders lernschwache Schülerinnen und Schüler ein Frühwarnsystem zu implementieren. Verschiedene Herausforderungen für die Entwicklung von Vorhersagemodellen für analog strukturierte, digitale Lernsysteme werden diskutiert.
  • Publisher: Wiesbaden: Springer Fachmedien Wiesbaden
  • Language: German
  • Identifier: ISSN: 2190-6890
    EISSN: 2190-6904
    DOI: 10.1007/s35834-022-00369-z
  • Source: SpringerOpen
Back to results list
INSPIRE LIBRARY - TON DUC THANG UNIVERSITY (84-028) 37 755 057 Feedback
19 Nguyen Huu Tho St. Dist.7, HCM thuvien@tdtu.edu.vn

Copyright © 2017 INSPIRE LIBRARY - TON DUC THANG UNIVERSITY

Searching Remote Databases, Please Wait