Clusterbeschreibung

Auf die Anforderungen hinsichtlich Employability und Citizenship im 21. Jahrhundert reagiert Hochschulbildung programmatisch durch den shift from teaching to learning. Die damit einhergehende Studierendenzentrierung und Kompetenzorientierung in Studium und Lehre gelten als positive Kernelemente des Bologna-Prozesses. Daran anknüpfend ist mit der Digitalisierung in der Hochschulbildung der Anspruch verbunden, den Studierenden eine Lernumgebung zur Verfügung zu stellen, die eine Kompetenzentwicklung mit Blick auf eben jene Qualifikationsanforderungen der Arbeitswelt in und die Partizipation an einer zunehmend digitalisierten Gesellschaft ermöglicht. Dieser Anspruch geht wiederum einher mit der Notwendigkeit, Lernumgebungen nicht nur curricular, sondern auch hochschuldidaktisch und bildungstechnologisch weiterzuentwickeln und forschend zu begleiten. Lernen wird dabei als ein in hohem Maße individueller und aktiver Prozess verstanden, der von einer lernförderlichen Umgebung angeregt werden kann. Damit eine Lernumgebung auf unterschiedliche Lernvoraussetzungen und Lernbedürfnisse Studierender reagieren kann, müssen Infrastrukturen für die Datenerhebung, -verarbeitung und -ausgabe etabliert werden. Um diese Datenanalyseverfahren zur Optimierung von Lern- und Prüfungsprozessen nutzen zu können, ist darüber hinaus deren konzeptionelle, hochschuldidaktische und technische Einbettung in konkrete (hybride) Lern- und Prüfungsszenarien notwendig.

 
Ziel dieses Verbundvorhabens ist die forschungsorientierte (Weiter-)Entwicklung (bestehender) Konzepte und Infrastrukturen zur Schaffung der Voraussetzungen für zukunftsfähige digitale Lern- und Prüfungsräume – Advanced Learning and Examination Spaces in Saxony (ALExS.sax) – mit Blick auf die Ermöglichung personalisierter digitaler Lernumgebungen für Studierende an Hochschulen.

Laufzeit

01.05.2019 bis 31.12.2020

Verbundkoordination

Prof. Dr. Heinz Werner Wollersheim | Universität Leipzig (wollersheim@uni-leipzig.de)

Teilvorhaben

Indikatorengeleitete Wirksamkeitsuntersuchung von Online und hybriden Lernszenarien (IWOhL)

Item-Pool-Management und automatisierte Testerstellung

Blended Learning Analytics (II) – Text als Wissensspeicher

SHRIMP Machine Analytics & Interaction Patterns: Generalisierbare Learning Analytics in textbasierten Geisteswissenschaften