Page - 156 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

156 B Anwendung ten. Für Hochschulen ist Learning Analytics interessant und vielversprechend, um Risikostudierende frühzeitig zu identifizieren und Studienerfolg zu fördern. Wie deutsche Hochschulen von internationalen Erfahrungen mit Learning Analytics profi- tieren können, wird derzeit erforscht (Ifenthaler et al. 2017). Für die Bewertung der Ergebnisse eignen sich die bereits existierenden Projekte wie MentOR an der Univer- sität Duisburg-Essen. Dennoch bleibt festzuhalten: In Deutschland steht der Einsatz von Learning Analytics noch am Anfang. Das wiederum bietet „die Chance – früh- zeitig und im Dialog mit allen Beteiligten – tragfähige Strategien im Umgang mit der Verknüpfung, Auswertung und Analyse von Bildungsdaten zu entwickeln“ (Jülicher 2015, S. 3). Abschließend ist zu betonen, dass die Zukunft von Learning Analytics in einer fun- dierten, ganzheitlichen Betrachtungsweise durch interdisziplinäre Ansätze und For- schungsdisziplinen liegt, die nicht nur Häufigkeiten (z.  B. Logins im LMS, Anzahl von Foreneinträgen und Gruppendiskussionen, fristgerechte Bearbeitung von Assess- ments) zählen, sondern diese mit Inhalten verknüpfen. Die Verbindung von Lehr- und Lernforschung, Informatik und Statistik sowie die Einbindung einer ethischen Pers- pektive sind folglich essentiell (Ifenthaler und Schuhmacher 2016). Wichtige Fragen beziehen sich vor allem auf den Datenschutz und die Privatsphäre, den transparenten Umgang mit Learning Analytics und Informationen für alle beteiligten Nutzergrup- pen. Hierbei sollte verstärkt die Interpretation der Daten im Fokus stehen, die von den menschlichen Nutzern zu leisten ist. Die Relevanz menschlicher Präsenz und Urteilskraft ist somit elementar im Bildungskontext, wenngleich die Datenaufberei- tung mittels Learning Analytics sowie zukünftige Entwicklungen mit KI-Bezug Lehren und Lernen unterstützen können. Perspektivisch denkbar ist die Verarbeitung von Lernendendaten auf Basis von deep learning (siehe Einleitung zu Kapitel Technologie „Entwicklungswege zur KI“). Die Einbettung von Learning Analytics in ein verant- wortungsvolles Change-Management an Hochschulen zählt darüber hinaus zu den zentralen Aufgaben ebenso wie die Fragen nach ihrer Nachvollziehbarkeit (Ferguson und Clow 2017). Es bedarf weiterer Forschung zum Zusammenhang von Learning Analytics und Entwicklungen in der KI. Der NMC Horizon Report 2017 betrachtet KI als wichtigen lehr- und lerntechnologischen Bestandteil für den Hochschulbereich im Zeithorizont von vier bis fünf Jahren (Adams Becker et al. 2017). Da Lernen und Leh- ren vermehrt online stattfindet und Hochschulen zunehmend Datenmengen von stu- dentischen Lernaktivitäten sammeln, können sich vielversprechende Perspektiven von Learning Analytics und KI ergeben, die es beispielsweise im Sinne des personali- sierten Lernens weiter zu verfolgen, zu erforschen und zu entwickeln gilt.