Beschreibung und Bewertung verschiedener Lerntheorien und Prüfung derer auf Eignung in Online-Lernsystemen. Konzept zur Erweiterung der Lernplattform Data Mining Tutor (DaMiT) durch Integration benutzer-adaptiver Funktionen.
Inhaltsverzeichnis
Motivation
0.1 Gesellschaftlicher Ausgangspunkt
0.2 Aufgabenstellung
0.3 Thesen und konkrete Zielstellungen
0.4 Kurzübersicht
1 Sichtweisen und Theorien des Lernens
1.1 Lernen als Prozeß
1.2 Virtuelles Lernen
1.3 Behaviouristisches Modell
1.3.1 Wissenschaftliche Einordnung
1.3.2 Charakteristik
1.3.3 Einschätzung
1.4 Instruktionalistisches Modell
1.5 Kognitivistisches Modell
1.5.1 Wissenschaftliche Einordnung und Charakteristik
1.5.2 Einschätzung
1.6 Konstruktivistisches Modell
1.6.1 Wissenschaftliche Einordnung
1.6.2 Charakteristik
1.6.3 Einschätzung
1.7 Theorie der Lernstile
1.7.1 Charakteristik und historische Entwicklung
1.7.2 Lernstile und Lerntypen
1.7.3 Einschätzung
1.8 Theorie der Multiplen Intelligenzen
1.8.1 Intelligenzbegriff
1.8.2 Intelligenz nach Gardner
1.8.3 Lehrmethoden und Multiple Intelligenzen
1.8.4 Einschätzung
1.9 Eignungsfähigkeit der Modelle in Lernsystemen
2 Werkzeuge zur Wissensvermittlung
2.1 Betrachtete Systeme und Hilfsmittel
2.2 Lernplattformen und Learning Management Systeme
2.2.1 Lernplattformen
2.2.2 Learning Management Systeme (LMS)
2.2.3 Verfügbare Angebote
2.3 Werkzeuge und Konzepte zur automatisierten Erstellung von Lehrinhalten
2.3.1 Authoring on the Fly (AOF)
2.3.2 Learning Material Markup Language (LMML) und das Passauer Teachware Modell (PTM)
2.3.3 Sharable Content Object Reference Model (SCORM)
2.3.4 Targeteam und TeachML
2.3.5 Tele Teaching Tools (ttt) und LConML
2.3.6 Virtual Learning Environment Generator (VLEG)
2.3.7 Wissenswerkstatt Rechensysteme (WWR)
2.3.8 XML-Werkzeuge und das L3-Konzept
2.3.9 Weitere Werkzeuge und Plattformen
2.4 Zusammenfassung
3 Benutzer-adaptive Systeme – eine Begriffsbestimmung
3.1 Adaptive Systeme
3.1.1 Approximation, Interpolation und Adaption
3.1.2 Adaptionsmethoden
3.1.3 Adaptionsfähigkeit
3.1.4 Von der Adaption zum adaptiven System
3.1.5 Anwendungsgebiete adaptiver Systeme
3.1.6 Benutzer-adaptive Systeme
3.1.7 Benutzer-adaptive Funktionen
3.2 Recommender Systeme
3.2.1 Begriff
3.2.2 Ursprung der Entwicklung
3.2.3 Eingesetzte Techniken
3.2.4 Bewertung von Recommender Systemen
3.3 Projekte zu diesem Forschungsgebiet
3.3.1 Systeme auf der Basis des Collaborative Filtering
3.3.2 Systeme auf der Basis des Content-based Filtering
3.3.3 Kombinierte Systeme
3.3.4 Andere Systeme
3.3.5 Strukturprojekte
3.4 Einschätzung des Entwicklungsstandes
4 Personalisierung unter Einbeziehung benutzer-adaptiver Methoden
4.1 Personalisierung
4.2 Benutzer
4.3 Nutzerprofil
4.4 Gewinnung von Profilinformationen
4.4.1 Explizite und implizite Erhebung von Daten
4.4.2 Push- und Pull-Technologien
4.5 Zusammenstellung des Nutzerprofils
4.6 Auswertung des Nutzerprofils
4.7 Probleme im Zusammenhang mit Nutzerprofilen
4.7.1 Wiedererkennung von Benutzern
4.7.2 Kaltstartproblem
4.7.3 Profilverdichtung und Optimierung
4.8 Feststellung des Mehrwerts der Adaptivität
4.9 Rückkopplung des Lernsystems
4.10 Zusammenfassung
5 Benutzer-adaptive Funktionen für Lernsysteme
5.1 Grobklassifikation und Basistypen
5.2 Funktionen zur Initialisierung eines Benutzerprofils
5.3 Funktionen zur Auswertung eines Benutzerprofils
5.4 Funktionen für den Zugriff und die Verarbeitung von Lernabschnitten
5.5 Funktionen zur Erzeugung von Lernpfaden
5.6 Funktionen zur Generierung von Empfehlungen
5.7 Zusammenfassung
6 ALIAS – ein Konzept zur Erweiterung von DaMiT
6.1 Gesamtsystem
6.2 Detaildarstellung für einen Benutzer
6.2.1 Benutzer
6.2.2 Die eingesetzten Agenten und ihre jeweiligen Aufgaben
6.3 Inhalt und Strukturierung der erfaßten Nutzerprofile
6.4 Metastruktur der Lehrinhalte
6.5 ALIAS aus der Sicht des Lernenden
6.5.1 Bedienungsreihenfolge
6.5.2 Präsentation der Lernabschnitte und Wissensüberprüfung
6.6 Die Suche nach geeigneten Lerneinheiten
6.7 Modularisierung und Erweiterung für mehrere Nutzer
6.8 Programmtechnische Umsetzung
6.8.1 Hardware- und Softwareanforderungen
6.8.2 Funktionsverteilung der einzelnen Komponenten
6.8.3 Kommunikation zwischen Benutzer und ALIAS
6.8.4 Kommunikation zwischen den einzelnen Modulen
6.8.5 Ablaufprotokoll
6.9 Zusammenfassung
7 Fazit und Ausblick
7.1 Einsatzfähigkeit benutzer-adaptiver Funktionen
7.2 Evaluierung von ALIAS durch verschiedene Gruppen von Benutzern
7.3 Begrenztheit von ALIAS
7.4 Einschätzung der Ergebnisse
7.5 Problemstellungen für die zukünftige Forschung
A Ausgetauschte Nachrichten
A.1 Anfrage auf eingetragenen Benutzer
A.2 Anforderung eines Nutzerprofils
A.3 Anfordern der Liste der verfügbaren Stoffgebiete
A.4 Anfordern eines bestimmten Lernabschnitts
A.5 Format der Suchanfrage
A.6 Fehlerhafte Anfragen
B Multiple Intelligenzen nach Gardner
Zielsetzung und thematische Schwerpunkte
Das Hauptziel dieser Arbeit ist die konzeptionelle Entwicklung von Assistenzfunktionen für web-basierte Lernsysteme, um Wissensvermittlung durch benutzer-adaptive Verfahren zu individualisieren und den Lernerfolg zu steigern.
- Analyse theoretischer Lernmodelle und deren Eignung für adaptive Lernsysteme.
- Untersuchung von Personalisierungstechniken zur Informationsrecherche (Content-Based und Collaborative Filtering).
- Erstellung eines Modells zur aktiven Lernermodellierung basierend auf Nutzerprofilen.
- Entwurf und Realisierung von ALIAS (Adaptives Lern-, Informations- und Ausbildungssystem) als erweiterbare Architektur.
Auszug aus dem Buch
1.1 Lernen als Prozeß
Lernen wird als ein Vorgang oder Prozeß beschrieben, „durch Unterweisung, Experimente, Beobachtung oder Erfahrung Wissen oder Fähigkeiten zu erwerben.“ [33]. Heinz Mandl und Gabi Reinmann-Rothmeier geben dem Lernprozeß und Wissenserwerb in [68] die fünf Attribute aktiv, selbstgesteuert, konstruktiv, situativ und sozial. Aktiv meint das Lernen auf der Basis von Motivation und Interesse sowie „aktive Auseinandersetzung mit den Lerngegenständen“ [18].
Selbstgesteuert heißt, daß der Lernende eigenständig über die Lerngegenstände, die Lernzeit und den methodischen Zugang entscheidet. Konstruktiv bedeutet den individuellen Aufbau von Bezügen in Abhängigkeit von seinem Vorwissen, seinen Neigungen und Interessen, welche die gesamten Wissensstrukturen und ihre Vernetzung ergeben. Situativ bezeichnet den Erwerb von Kenntnissen und Fertigkeiten in solchen Situationen, die „zumindest strukturell sehr ähnlich dem Anwendungszusammenhang entsprechen“ [18]. Sozial bedeutet hier, daß der Lernende in Gemeinschaft mit Anderen nicht nur Wissen und Fertigkeiten, sondern auch Einstellungen erwirbt, interpersonelle Beziehungen konstruiert und soziale Kompetenzen entwickelt [18]. Für Dieter Wolff verbindet sich Selbstorganisation auch mit Eigenverantortlichkeit: „Der Mensch ist für das eigene Lernen verantwortlich, weil er damit sein Überleben als System sichert“. Dazu gehört außerdem die Fähigkeit zur kritischen Selbsteinschätzung und Bewertung, denn „[nur] wer seine eigenen Lernprozesse und ihre Ergebnisse bewerten kann, ist ein erfolgreicher Lerner“, so Dieter Wolff in [124].
Aus diesen Überlegungen ergibt sich ein prinzipieller Ablauf des Lernvorgangs, wie er in Bild 1.1 dargestellt ist. Ein Lernender setzt sich zunächst ein Lernziel, eignet sich danach dieses Wissen an (Wissenerwerb) und führt am Schluß eine Bewertung durch, bei der überprüft wird, ob das vorher gesetzte Lernziel erreicht wurde. In Abhängigkeit dieses Ergebnisses findet eine Neuausrichtung des Zieles statt, beispielsweise durch das Setzen anderer inhaltlicher Schwerpunkte. Danach beginnt der Kreislauf des Wissenserwerbs erneut.
Zusammenfassung der Kapitel
Motivation: Einführung in die Problematik statischer Lernsysteme und Begründung für die Notwendigkeit adaptiver Verfahren zur Individualisierung der Wissensvermittlung.
Sichtweisen und Theorien des Lernens: Analyse verschiedener Lerntheorien wie Behaviorismus, Kognitivismus und Konstruktivismus sowie deren Eignung für web-basierte Lernumgebungen.
Werkzeuge zur Wissensvermittlung: Überblick über existierende Lernplattformen und Konzepte zur automatisierten Erstellung von Lehrmaterialien unter besonderer Betrachtung des DaMiT-Projekts.
Benutzer-adaptive Systeme – eine Begriffsbestimmung: Definition und Abgrenzung adaptiver Systeme sowie Vorstellung von Techniken wie Collaborative und Content-based Filtering.
Personalisierung unter Einbeziehung benutzer-adaptiver Methoden: Erörterung der Erhebung und Auswertung von Nutzerprofilen sowie der Behandlung von Problemen wie dem Kaltstartproblem.
Benutzer-adaptive Funktionen für Lernsysteme: Beschreibung der notwendigen Funktionstypen für die Initialisierung, Auswertung und lernpfadorientierte Empfehlungsgenerierung.
ALIAS – ein Konzept zur Erweiterung von DaMiT: Detaillierte Vorstellung des entwickelten Konzepts eines verteilten adaptiven Lern- und Informationssystems basierend auf Softwareagenten.
Fazit und Ausblick: Zusammenfassende Bewertung der Ergebnisse und Diskussion offener Forschungsfragen zur Akzeptanz und automatisierten Lernpfaderzeugung.
Schlüsselwörter
Lernermodellierung, Adaptive Systeme, E-Learning, Nutzerprofil, Personalisierung, Collaborative Filtering, Content-based Filtering, Web-Based Learning, DaMiT, ALIAS, Wissensvermittlung, Recommender Systeme, Lernpfad, Multiplen Intelligenzen, Agentenbasierte Architektur.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der Erweiterung web-basierter Lernsysteme um benutzer-adaptive Verfahren, um Wissensvermittlung individueller und damit erfolgreicher zu gestalten.
Was sind die zentralen Themenfelder der Publikation?
Die Schwerpunkte liegen auf Lerntheorien, Personalisierungstechniken für die Informationsrecherche, dem Aufbau von Nutzerprofilen und der Entwicklung einer agentenbasierten Architektur für Lernassistenz.
Welches primäre Ziel verfolgt die Forschungsarbeit?
Ziel ist die Konzeption eines flexiblen Lernsystems (ALIAS), das sich aktiv an den Wissensstand, die Bedürfnisse und Lernstrategien eines Benutzers anpasst.
Welche wissenschaftlichen Methoden werden verwendet?
Es erfolgt eine fundierte Literaturanalyse bestehender Lerntheorien und Softwarewerkzeuge sowie der Entwurf eines agentenbasierten Architekturkonzepts zur Umsetzung von Adaptivität.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil analysiert bestehende Werkzeuge, definiert adaptive Systeme, erläutert Methoden zur Personalisierung und stellt das Konzept für ALIAS vor.
Welche Schlüsselbegriffe charakterisieren diese Arbeit?
Wichtige Begriffe sind Lernermodellierung, adaptive Systeme, Collaborative Filtering, Nutzerprofil, web-basiertes Lernen und agentenbasierte Systeme.
Wie unterscheidet sich ALIAS von herkömmlichen Lernplattformen?
Im Gegensatz zu statischen Systemen, bei denen Inhalte fest vorgegeben sind, integriert ALIAS verteilte Funktionen, die individuell auf das Niveau und das Verhalten des Lernenden reagieren.
Welche Rolle spielt das Nutzerprofil in diesem System?
Das Nutzerprofil bildet den Dreh- und Angelpunkt für die Personalisierung; es erfasst Interessen, Wissensstand und Lernverlauf, um dem Lernenden passgenaue Lernpfade vorzuschlagen.
- Citar trabajo
- Frank Hofmann (Autor), 2003, Benutzer-adaptive Verfahren für die aktive Lernermodellierung, Múnich, GRIN Verlag, https://www.grin.com/document/27866
