LISA
2016 - 2019
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
@inproceedings{HUB-CSES/YDFPGh16,
author = "F. Moukayed and H. Yun and A. Fortenbacher and T. Bisson",
title = "Detecting Academic Emotions from Learners’ Skin Conductance and Heart Rate: Data-Driven Aproach using Fuzzy Logic",
year = 2018,
booktitle = "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)",
publisher = "CEUR Workshop Proceedings (CEUR-WS.org