Learning Analytics

Modul: Learning Analytics (6 Credits)
Name im Diploma Supplement	Learning Analytics
Verantwortlich	Prof. Dr. Mohamed Amine Chatti
Voraussetzungen	Siehe Prüfungsordnung.
Workload	180 Stunden studentischer Workload gesamt, davon: Präsenzzeit: 60 Stunden
Dauer	Das Modul erstreckt sich über 1 Semester.
Qualifikationsziele	Die Studierenden können die theoretischen und informatischen Grundlagen von Learning Analytics erklären können einen systematischen Entwicklungsprozess für Learning-Analytics-Systeme beschreiben sind in der Lage Voraussetzungen und Parameter für die Anwendung verschiedener Learning-Analytics-Methoden zu diskutieren können aktuelle Trends und Forschungsfragen in Learning Analytics benennen wählen adäquate Werkzeuge für die Implementation von Learning-Analytics-Systemen aus, wenden diese praktisch an und beurteilen die erreichten Ergebnisse eigenständig planen kleinere Learning-Analytics-Entwicklungsprojekte planen und setzen diese um können basierend auf den im Modul erworbenen Kenntnissen und Fertigkeiten kreative Lösungen für Learning Analytics vorschlagen wägen die Vor- und Nachteile verschiedener Learning-Analytics-Technologien ab sind in der Lage in interdisziplinären Teams innovative Learning-Analytics-Systeme zu entwerfen und aufzubauen übernehmen Verantwortung in Teams
Prüfungsmodalitäten	Zum Modul erfolgt eine modulbezogene Prüfung in Form einer mündlichen Prüfung (50% der Note) und einer Projektarbeit (50% der Note)
Verwendung in Studiengängen	SNE Master > Wahlpflichtbereich > 1.-3. FS, Wahlpflicht
Bestandteile	Vorlesung Learning Analytics (3 Credits) Übung Learning Analytics (3 Credits)
Modul: Learning Analytics (WIWI‑M0953)

Vorlesung: Learning Analytics (3 Credits)
Name im Diploma Supplement	Learning Analytics
Anbieter	Abteilung HCCS
Lehrperson	Prof. Dr. Mohamed Amine Chatti
Semesterwochenstunden	2	Sprache	englisch
Turnus	Wintersemester	maximale Hörerschaft	###LABEL_NOLIMIT###
empfohlenes Vorwissen keines
Abstract In den letzten Jahren hat Learning Analytics (LA) viel Aufmerksamkeit auf sich gezogen, da Anwender, Institutionen und Forscher zunehmend das Potenzial sehen, das LA hat um die Zukunft des technologiebasierten Lernens zu gestalten. LA ist ein aufstrebendes Data Science Forschungsgebiet, das sich mit der Entwicklung von Methoden beschäftigt, die Bildungsdaten nutzen um den Lernprozess zu unterstützen. Erforschung und Entwicklung von LA-Systemen ist ein interdisziplinäres Feld, das Kompetenzen der Informatik, Psychologie, Pädagogik und Didaktik umfasst. LA basiert auf fundierten informatischen Methoden (Statistik), Visualisierung, Social Network Analysis, Machine Learning, Web/Data Mining, Recommender Systems, Visual Analytics, Big Data etc.), die auf das Lernen angewandt werden.
Lehrinhalte Der erste Teil des Kurses bietet einen systematischen überblick über dieses Gebiet und seine Schlüsselkonzepte durch ein Referenzmodell für LA, welches auf vier Dimensionen basiert, namentlich Daten, Umgebungen und Kontext (Was?), Akteure (Wer?), Ziele (Warum?) und Methoden (Wie?). Der zweite Teil des Kurses nimmt die vier Dimensionen des LA-Referenzmodells in den Fokus. Dafür werden aktuelle Methoden und Techniken zur Entwicklung innovativer LA-Systeme in Bezug auf jede dieser Dimensionen vorgestellt. Der letzte Teil des Kurses widmet sich aktuellen Trends und Themen der LA-Forschung, die im Rahmen eingeladener Vorträge vorgestellt und diskutiert werden.
Literaturangaben J. Han, M. Kamber: Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, Second Edition, 2006 M. Ester, J. Sander: Knowledge Discovery in Databases. Techniken und Anwendungen. Springer Verlag, 2000 C. Bishop: Pattern Recognition and Machine Learning. Springer, 2006 T. Munzner: Visualization Analysis and Design. CRC Press, 2014 M. Ward, G. Grinstein, D.A. Keim: Interactive Data Visualization: Foundations, Techniques, and Application. A.K. Peters, Ltd, 2010 C. Ware: Information Visualization: Perception for Design. Morgan Kaufmann, 2nd edition, 2004
Vorlesung: Learning Analytics (WIWI‑C1243)

Übung: Learning Analytics (3 Credits)
Name im Diploma Supplement	Learning Analytics
Anbieter	Abteilung HCCS
Lehrperson	Prof. Dr. Mohamed Amine Chatti
Semesterwochenstunden	2	Sprache	englisch
Turnus	Wintersemester	maximale Hörerschaft	###LABEL_NOLIMIT###
empfohlenes Vorwissen keines
Lehrinhalte Die begleitenden übungen sind praktische, projektartige Aufgabenstellungen. Ziel ist die Entwicklung und Evaluierung prototypischer LA-Komponenten, bei der die im Kurs erarbeiteten theoretischen Grundlagen Anwendung finden. Die Projekte werden im Verlauf der Vorlesung vorgestellt und diskutiert.
Literaturangaben siehe Vorlesung
Übung: Learning Analytics (WIWI‑C1244)