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
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