Page - 416 - in L3T - Lehrbuch für Lernen und Lehren mit Technologien

416 Der Begriff Learning Analytics tauchte erstmalig, eingebunden in eine ökonomische Analyse, in der Auf- zählung von „key opportunities“ bei John Mitchell und Stuart Costello (2000, 16) auf. Danach dauerte es gut zehn Jahre, bis sich im Umfeld von George Siemens und den Learning Analytics & Knowledge Konfe- renzen (LAK) ein Konsens herausgebildet hat, unter Learning Analytics das Sammeln von Daten von Ler- nenden zu verstehen, um deren Lernen unterstützen und den Erfolg prognostizieren zu können: „Learning analytics is the use of intelligent data, learner-produced data, and analysis models to discover information and social connections for predicting and advising people's learning.“ (Siemens, 2010). Seit dem erfährt der Forschungsbereich stetigen Aufschwung, was sich auch in der Nennung des Hori- zon Report (siehe #zukunft) nachhaltig niederschlägt, in dem von anerkannten Expertinnen und Experten dieser Tätigkeitsbereich als einer der wichtigsten in den nächsten Jahren deklariert wurde (Buckingham Sum, 2012). Diese im Merksatz dargestellte Auffassung von LA bedeutet eine gewisse Überlagerung mit dem For- schungsgebiet des EDM, jedoch bleibt bei LA die Lehrperson im Zentrum des pädagogischen Handelns. Nach dieser Definition erhält LA auch einen besonderen Akzent durch das Bemühen, Lernerfolge vorher- zusagen und das Lernen zu unterstützen. Duval (2010) bemüht sich um Klärung des Verhältnisses, und ak- zentuiert sein Interesse am pädagogischen Aspekt des Datensammelns. Seiner Ansicht nach geht es darum, Spuren von Lernenden zu sammeln und für die Verbesserung des Lernens zu verwenden, wobei die Lehr- person (als Lernprozessbegleiter/in) die Interpretation vornehmen soll. Analog zur Ausbreitung von EDM steigt die Bedeutung von LA in dem Maße, wie im Unterricht das Element des Vortragens immer mehr zurücktritt und die Inhalte, der Content, zunehmend über digitale Pro- zesse vermittelt werden. Somit erhält LA quasi automatisch eine schnell wachsende Datenbasis, um die Spuren von Lernprozessen zu verfolgen – ob die Analysen gehaltvoller werden, muss auch weiterhin einer kritischen Beobachtung unterzogen werden. Laut dem U.S. Department of Education & Office of Educatio- nal Technology (2012, 5) geht es zukünftig nicht darum, dass alle Lernenden das gleiche Seminar besu- chen, die gleichen Hausübungen in gleicher Abfolge erledigen und alles in derselben vorgegebenen Zeit vollziehen. Stattdessen steht die Förderung des Individuums mit Hilfe individueller digitaler Lernunterla- gen und anhand individueller Lernprozesse im Mittelpunkt. Die Stärke von Learning Analytics liegt in der Möglichkeit, feinkörnige Beobachtungen von Prozessen auch mit sehr großen Probandinnen- und Probandenzahlen zu betreiben. Vor dieser Möglichkeit wurden von Forscherinnen und Forschern auch im pädagogischen Feld zur Datenreduktion schon ‚auf Papier‘ De- taildaten zu Testwerten zusammengefasst und verrechnet, dabei waren viele komplexere Auswertungsver- fahren aus Speichergründen auf 50 bis 80 Variablen begrenzt. Es zeichnet sich nun also ab, dass mit den heutigen und zukünftigen technischen Möglichkeiten des Internets und zentralen Datenspeicherungen auf einem sehr differenzierten Niveau individuell gezeichnete Spuren verfolgt werden können. Hiermit eröffnen sich ganz neue Forschungsfragen und -felder. Die großen Datenmengen erlauben Sta- tistikerinnen und Statistikern sowie anderen fachkundigen Personen gänzlich neue Einblicke. Allerdings soll auch mit Boyd und Crawford (2011, 2) kritisch unter anderem auf das Phänomen der Apophänie, hin- gewiesen sein. Apophänie meint die Tendenz unserer Wahrnehmung, Muster und Beziehungen auch in gänzlich zufälligen, bedeutungslosen Einzelheiten zu konstruieren – dabei liefern die aufwändigen Verfah- ren den Forschenden implizit immer ‚irgendwelche‘ Ergebnisse. Chatti et al. (2012) weisen in ihrem Refe- renzmodell ebenfalls auf die Komplexität von LA hin, indem sie vier Bereiche benennen, die es zu beden- ken gibt: Daten und Umgebungen (Was?), Stakeholder (Wer?), Ziel (Warum?) und die Methoden (Wie?).