Direkt zum InhaltDirekt zur SucheDirekt zur Navigation
▼ Zielgruppen ▼

Humboldt-Universität zu Berlin - Mathematisch-Naturwissenschaftliche Fakultät - Didaktik der Informatik | Informatik und Gesellschaft

LISA

seit 2016

Learning Analytics beschäftigt sich mit der Analyse von Daten, die während Lernprozessen entstehen, um diese Prozesse zu unterstützen und zu verbessern. Bei LISA stammen die Daten aus E-Learning-Systemen (Online-Lernmagazinen, klassischen Learning Management Systems, Serious Games), und werden fusioniert mit Daten einer im Projekt entwickelten Hardware. Diese sammelt Bio-Daten des Nutzers (Herzaktivität und des Hautleitwert) und Daten seiner physischen Umgebung (Lichtintensität, Lautstärke, etc.). Durch die Bio-Daten können mit Affective Computing auch Informationen über den mentalen und emotionalen Zustand des Nutzers (Stress, Konzentration, etc.) einfließen. Die Analytics-Ergebnisse sollen den Nutzern selbst zugänglich gemacht werden, sodass sie ihren Lernprozess besser beobachten und steuern können. Außerdem werden mit den Ergebnissen die E-Learning-Systeme um Adaptivität erweitert, um individuell auf den Nutzer zu reagieren. Da dabei hochsensitive Daten verarbeitet werden, sind auch ELSI-Gesichtspunkte (ethical, legal and social issues) wie der Datenschutz Teil des Projekts. Weitere Projektpartner außer der Humboldt-Universität sind die Hochschule für Technik und Wirtschaft Berlin, das Leibnitz-Institut für Wissensmedien in Tübingen sowie die Unternehmen Promotion Software GmbH, NEOCOMO GmbH und SGM GmbH. LISA wird gefördert durch das Bundesministerium für Bildung und Forschung (BMBF).

Personen

Bilder

Veröffentlichungen

Publications with the keyword "lisa"


K. Staudt, Y. Grushetskaya, G. Rangelov, M. Domanska, and N. Pinkwart
Herzrate, elektrodermale Aktivität und Hautleitwert als neue Quellen für Learning Analytics
Pre-Conference-Workshops der 16. E-Learning Fachtagung Informatik (DeLFI 2018), Gesellschaft für Informatik e.V., 2018
lisa
PDF, RIS, BibTex
F. Moukayed, H. Yun, A. Fortenbacher, and T. Bisson
Detecting Academic Emotions from Learners’ Skin Conductance and Heart Rate: Data-Driven Aproach using Fuzzy Logic
Proceedings der Pre-Conference-Workshops der 16. E-Learning Fachtagung Informatik co-located with 16th e-Learning Conference of the German Computer Society (DeLFI 2018), CEUR Workshop Proceedings (CEUR-WS.org <http://CEUR-WS.org>), 2018
lisa academic emotions arousal valence affective pictures fuzzy logic genetic algorithm learning indicators
URL, PDF, RIS, BibTex
H. Yun, M. Domanska, A. Fortenbacher, N. Pinkwart, and M. Ghomi
Sensor Data for Learning Support: Achievements, Open Questions \& Opportunities
Proceedings der Pre-Conference-Workshops der 14. E-Learning Fachtagung Informatik co-located with 14th e-Learning Conference of the German Computer Society (DeLFI 2016), CEUR Workshop Proceedings (CEUR-WS.org), 2016
lisa learning analytics sensor data adaptive systems feedback
URL, RIS, BibTex