Expertise Learning Analytics – unter Berücksichtigung von Bildungsdatenkompetenz für datenbasierte Entscheidungsfindung im Kontext von Lernen, Lehren, Prüfen und Beraten sowie Gestalten und Administrieren von Lernumgebungen unter den Bedingungen von Digitalisierung und Digitalität
Kurzbeschreibung
Die Autorin befasst sich mit der Rolle von Künstlicher Intelligenz und Learning Analytics im Bildungsbereich. Zunächst wird im Beitrag auf Chancen, Herausforderungen und Perspektiven Künstlicher Intelligenz sowie Learning Analytics im Bildungsbereich eingegangen. Daran anschließend werden mögliche Einsatzbereiche von Learning Analytics skizziert und zentrale Begriffe erklärt. Abschließend steht der Begriff der Bildungsdatenkompetenz im Zentrum, welcher besonders wichtig für Lehrerkräfte ist, da diese eine Voraussetzung für ein kompetentes Interpretieren von Daten bildet. In einem Drei-Ebenen-Modell legt die Autorin dar, dass Medien- und Datenkompetenz für alle Bürger*innen relevant sind. Bildungsdatenkompetenz baut darauf auf und ist vor allem für professionell im Bildungswesen Handelnde wichtig.
Annahmen über die Folgen der Digitalisierung
Im alltäglichen Leben ist Künstliche Intelligenz in zahlreichen Formen zunehmend präsent. Das bringt Chancen mit sich, jedoch auch Herausforderungen, beispielsweise mit Blick auf Datenschutz. Künstliche Intelligenz findet auch in den Bildungskontext zunehmend Eingang. Es ist davon auszugehen, dass zukünftig im Bildungsbereich mehr Technologien verwendet werden, die die Erfassung von Daten in größerem Stil zulassen, sodass auch der Einsatz von schwacher Künstlicher Intelligenz sinnvoll erscheint. Hier können Methoden Künstlicher Intelligenz auf verschiedene Weisen genutzt werden. Mithilfe von Learning Analytics können beispielsweise Daten über Lernende, zu Aktivitäten, über curriculare Maßstäbe sowie zur Interaktin von Lernenden und Lehrenden analysiert werden. Sie bieten das Potenzial, bessere Entscheidungen im Lehr- und Lernkontext hervorzubringen.
Kompetenzanforderungen
Neben einer allgemeinen Datenkompetenz, die für alle Menschen relevant ist, ist für Lehrer*innen eine spezifische Bildungsdatenkompetenz Voraussetzung dafür, mit Künstlicher Intelligenz im Bildungskontext arbeiten zu können.
Kompetenzdimensionen
Instrumentell-qualifikatorische Dimension: Umgang mit Datenanwendungen; Handeln mit Unterstützung durch KI-Methoden.
Kognitive Dimension: Auseinandersetzung mit und Interpretation von Daten, Kontexten und Systemen; Wissen über KI-Methoden.
Kreative Dimension: Entwicklung von Algorithmen und Visualisierung von Datenauswertungen.
Soziale Dimension: Anschlusskommunikation über Systemrückmeldungen.
Kritisch-reflexive Dimension: gesamten Datenprozess kritisch betrachten und reflektieren; über ein Lernen in einer zunehmend datafizierten, tiefgreifend mediatisierten Bildungs- und Lebenswelt reflektieren; Daten aus dem Kontext des Lehrenden und Lehrens ethisch verantwortlich sammeln, managen, analysieren, verstehen, interpretieren und anwenden.
Zentrale theoretische Annahmen über Kompetenz
keine Angabe
Perspektive der Kompetenzträger*innen auf Kompetenz einbezogen?
keine Angabe
Lebenskontexte der Kompetenzträger*innen einbezogen?
Die Autorin geht darauf ein, dass zur Entwicklung von Kompetenz eine wichtige Voraussetzung ist, Zugänge zu schaffen, das heißt soziale und technische Barrieren abzubauen. Ein Beispiel kann sein, auf unterschiedliche Niveaus der Alphabethisierung zu achten.
Herausforderungen der Erfassung von Kompetenz
keine Angabe
Quellenangabe
Mayrberger, K. (15.06.2021). Expertise Learning Analytics. Digitales Deutschland. https://digid.jff.de/kuenstliche-intelligenz-in-den-bildungswissenschaften-prof-dr-kerstin-mayrberger/