DeLFI - e-Learning Fachtagung Informatik
Permanent URI for this communityhttps://dl.gi.de/handle/20.500.12116/21008
Authors with most Documents
Browse
66 results
Search Results
Conference paper Informiertes Zustimmungsmanagement für Learning Analytics in Lernmanagementsystemen(Gesellschaft für Informatik e.V., 2024) Judel, Sven; Zeise, Christopher; Schroeder, Ulrik; Schulz, Sandra; Kiesler, NatalieDieser Beitrag präsentiert ein Konzept um Lernende angemessen über Learning Analytics zu informieren und ihnen das Management von Zustimmungen zu Datensammlungen und -verarbeitungen einfach aber vollständig zu ermöglichen. Drei Komponenten übernehmen die Aufklärung, die Zustimmungsabfrage beim ersten Aufruf des Lernmanagementsystems sowie jedes Lernraums und die Anpassung der Zustimmungen zu jeder Zeit. Die Komponenten zum Management wurden beispielhaft für Moodle umgesetzt und mit Studierenden evaluiert. Die Ergebnisse deuten auf eine gute und sichere Nutzbarkeit hin, welche den Lernenden mehr Kontrolle über ihre Daten gibt.Conference demo Neugestaltung eines Mixed Reality Prototypen für das SchülerlARbor Chemie(Gesellschaft für Informatik e.V., 2024) Meinhardt, Felix; Görzen, Sergej; Werkes, Richard; Pelzer, Philipp; Krause, Daniel; Schroeder, Michael; Schroeder, Ulrik; Schulz, Sandra; Kiesler, NatalieAugmented Reality (AR) stellt großes, noch unausgeschöpftes Potenzial für Lernanwen- dungen dar. Im Chemieunterricht bietet sich etwa das Visualisieren von mikroskopischen Prozessen oder Modellen mithilfe von AR an. Diese Demo stellt einen quelloffenen AR Prototypen für die Microsoft HoloLens vor, welcher Begleitmaterialien für verschiedene Module im Schülerlabor für Chemie der RWTH Aachen bietet. Die Themen der aktuellen Version behandeln Piezokristalle, den Aufbau und die Funktionsweise von Lithium-Ionen-Akkus sowie virtuelle Experimente zu den Konfigurationsmöglichkeiten dieser Akkus. Zusätzlich ist eine Einführung in HoloLens-Interaktionen enthalten, um die Einstiegsbarriere für diese moderne Technologie zu mindern. Evaluiert wurde zunächst die Bedienbarkeit der Applikation.Conference demo Web-based prototype of a visual and interactive deep learning simulation(Gesellschaft für Informatik e.V., 2024) Koch, Christian; Salmen, Frederic; Schroeder, Ulrik; Schulz, Sandra; Kiesler, NatalieDue to its rapid development and growing relevance in society, the research field of artificial intelligence (AI) is finding its way into more and more schools. One subsection of artificial intelligence, deep learning, is especially relevant since most of the rapid development of the study field in recent years can be attributed to it. Because of its complex nature, deep learning is very suitable to be taught in a visual and interactive way, which can benefit learning outcomes. Existing solutions can convey basic knowledge about deep learning, but none of them are well suited to customization or facilitating deep understanding. We introduce a visual and interactive deep learning simulation with rich possibilities for personalization by teachers and students, usable in any web context.Conference demo BuddyAnalytics: A dashboard and reporting tool for study program analysis and student cohort monitoring(Gesellschaft für Informatik e.V., 2024) Görzen, Sergej; Röpke, René; Schroeder, Ulrik; Schulz, Sandra; Kiesler, NatalieWith students leaving digital traces in Campus Management Systems when registering and completing courses and exams, there is a growing interest in data-driven study program analysis and student cohort monitoring. To support study program designers with tasks, such as planning courses and exams, creating (re-)accreditation reports, and improving curricula and study plans, insights into the students’ behavior throughout their studies present valuable input and may allow for evidence-based curriculum development. This demo presents BuddyAnalytics, a web-based tool providing dashboards and analysis reports for study program analysis and cohort monitoring. It enables study program designers to review various metrics and indicators relevant to understanding students’ behavior and potential issues of study programs. Developed using user-centered design methodology, the tool is closely tailored to users’ needs and requirements. Future evaluation with the target group will assess its suitability and provide valuable feedback for improving the tool over time.Conference paper Correlation of Error Metrics in Python CS1 Courses(Gesellschaft für Informatik e.V., 2024) Brocker, Annabell; Schroeder, Ulrik; Schulz, Sandra; Kiesler, NatalieTimely and effective feedback is essential for novice programmers. Despite significant advancements in Large Language Models enabling the generation of understandable feedback in CS1 courses, determining appropriate timing for delivering feedback automatically remains a persistent challenge. Compiler messages serve as a fundamental communication channel between programmers and computers, signaling syntactic and runtime errors. Various metrics associated with these messages could potentially signify the need for intervention. Hence, it is imperative to explore the correlations among these error metrics. This study conducts a comprehensive analysis of multiple public Python datasets to evaluate error metrics and explore their correlations. The findings offer insights into a potential indicator for determining appropriate timing of feedback in programming education.Conference paper FAIR Learning Technologies with Web Components and Packages(Gesellschaft für Informatik e.V., 2024) Salmen, Frederic; Breuer, Martin; Görzen, Sergej; Persike, Malte; Schroeder, Ulrik; Schulz, Sandra; Kiesler, NatalieMaking the diverse software artifacts of the learning technologies community findable, accessible, interoperable, and reusable (FAIR) can be a technical challenge. We introduce a concept informed by our research involving packages and components to achieve FAIRness for web-based artifacts. This result is presented as a guideline to make FAIR technology choices when creating web-based learning technologies. The guideline compares classic choices with new paths afforded by technological innovation of the web platform. Supported by practical examples (learning analytics dashboards, e-assessment, and explorables) we discuss practical applications of our result.Conference Paper Ein Konzept zur Evaluierung eines Ökosystems für die Integration von Learning Analytics in Virtual Reality(Gesellschaft für Informatik e.V., 2023) Görzen, Sergej; Heinemann, Birte; Schroeder, Ulrik; Röpke, René; Schroeder, UlrikDas Interesse an Lernumgebungen für Virtual Reality hat in den letzten Jahren zugenommen. Eine Möglichkeit, die Effektivität dieser Lernumgebungen messbar zu machen, besteht im Einsatz von Learning Analytics. Allerdings erfordert die Einarbeitung von Programmier*innen umfangreiche Kenntnisse über Learning Analytics und ist häufig aufgrund von Zeitmangel nur oberflächlich. Um Hürden entgegenzuwirken, wurde OmiLAXR (ehemals EduXR) entwickelt, eine vielfältige Unterstützung für Entwickelnde von VR-Applikationen in Unity. Dieser Beitrag stellt kurz Prototypen und ein Evaluationskonzept von Entwicklungsprozessen mit vielfältigem Learning Analytics Ökosystem vor. Ziel ist eine anschließende systematische Anforderungsanalyse für die technische Perspektive auf Learning Analytics Infrastrukturen.Conference Paper Interaktionsmöglichkeiten und Potenziale digitaler Gamebooks unter Berücksichtigung der CELG-Taxonomie(Gesellschaft für Informatik e.V., 2023) Noichl, Svenja; Schroeder, Ulrik; Röpke, René; Schroeder, UlrikDigitale Gamebooks bieten durch das nicht-lineare und auf Interaktionen durch Nutzende basierende Grundprinzip großes Potential für einen Einsatz in der Lehre. Durch die Interaktion mit Gamebooks können sich individuelle Lernpfade ergeben und es können gezieltes Feedback und individuelle Zusatzmaterialien bereitgestellt werden. In diesem Beitrag werden Interaktionsmöglichkeiten wie z.B. Quiz, Memory, Lückentexte oder Sortieraufgaben aus existierenden Gamebook-Ansätzen zur Betrachtung der Potentiale von digitalen Gamebooks für einen Einsatz in der Lehre in die CELG-Taxonomietafel eingeordnet.Conference Paper Ein Assistenzsystem zur Annotation von Learning Analytics Reports(Gesellschaft für Informatik e.V., 2023) Judel, Sven; Nitzke, Paul; Schroeder, Ulrik; Röpke, René; Schroeder, UlrikDie verschiedenen Reports, die in Learning Analytics Dashboards aufbereitet werden, sollen Nutzende befähigen lehr- und lernbezogene Entscheidungen zu treffen. Dazu müssen diese Reports gelesen, verstanden und interpretiert werden. Wissen über die Lehr- und Lernsituationen, in denen Daten erhoben und analysiert wurden, kann dabei essenziell sein. Es kann eine zusätzliche kognitive Last bedeuten dieses Wissen während der Arbeit mit den Reports im Kopf oder anderweitig außerhalb des Dashboards präsent haben zu müssen. Diese Demo stellt ein Assistenzsystem vor, das Nutzenden erlaubt durch direkte Interaktionen mit Visualisierungen zusätzliche Informationen einzubinden. Das System ist in ein Learning Analytics Dashboard in Moodle integriert und erlaubt datumsbasierte Diagramme mit Daten oder Zeitspannen zu annotieren. Zusätzlich zu eigenem Wissen kann das System, basierend auf u. a. dem Moodle Kalender, eigene Vorschläge für Annotationen machen und auf potentiell relevante Ergebnisse hinweisen. Annotationen können mit anderen Nutzenden geteilt werden um eigenes Wissen oder eigene Erkenntnisse zu kommunizieren.Conference Paper Semi-assisted Module Handbook Content Extraction for the Application of Curriculum Analytics(Gesellschaft für Informatik e.V., 2023) Roepke, Rene; Nell, Maximilian; Schroeder, Ulrik; Röpke, René; Schroeder, UlrikAlongside examination regulations, module handbooks provide overview of a study program, including information like workload, learning goals, examinations. They provide guidance to students, but can also be a valuable information source to curriculum analytics, e.g., the identification of trends and patterns across modules, the assessment of course content coherence, and data-driven decision-making regarding curriculum design and revision. This paper introduces a tool for semi-assisted module handbook content extraction, which uses natural language processing and text mining techniques to extract all properties and relevant details from module handbooks, allowing instructors and curriculum designers to efficiently identify key information. As module handbooks between institutions may look very different, fully automated extraction is difficult and error-prone. By allowing users to verify and correct extraction results in a semi-assisted manner, higher accuracy and reliability of module data can be achieved.