Page - 418 - in L3T - Lehrbuch für Lernen und Lehren mit Technologien

418 ‚Was mit Daten passieren kann, wird passieren‘. Dieses Sprichwort der Informatik weist darauf hin, dass Daten sowohl im positiven als auch negativen Sinne interpretiert und ausgewertet werden können. Aus dem Blickwinkel der Forschung besteht selbstverständlich das Bedürfnis, aus analytischen Gründen weiter Da- ten zu gewinnen. Wird zum Beispiel beim Abruf eines Videos in den Logfiles des Servers aufgezeichnet, ob dabei auch vor- oder zurückgespult wurde oder ob Pausen gemacht wurden, stellt sich Wissenschaftle- rinnen und Wissenschaftlern die Frage, ob das Video mit Aufmerksamkeit verfolgt wurde. Dazu werden weitere Datenspuren gesucht oder weitere Systemkomponenten geschaffen, die entsprechende Daten erzeu- gen (Ebner et al, 2013a). Wenn in der Datenbank sichtbar wird, dass Aufgaben nicht gelöst wurden, steht die Frage im Raum, ob die Fehler nach konzentrierten Überlegungen und vielleicht systematisch durch An- wendung falscher Regeln entstanden sind oder vielmehr zufällig durch oberflächliche Eingabe des Ergeb- nisses. Mit einem Mikrofon lässt sich ein möglicherweise störender Geräuschpegel ermitteln, mit einer Ka- mera gelingt es, Gesichtsausdrücke zu bestimmen. Aus oft ganz unscheinbaren Daten, wie den Zeitstem- peln der Beobachtungen, lassen sich allerdings auch ganz andere Untersuchungen betreiben und zum Bei- spiel Rückschlüsse auf das Unterrichtsverhalten der Lehrpersonen ziehen. Damit stellt sich die Frage, wie- weit durch ein solches Setting bei allen Beteiligten der Eindruck einer Überwachung entsteht und sie spezi- fisch darauf reagieren, also ihr normales Verhalten ändern und womöglich den Einsatz solcher Tools über- haupt sabotieren. Durch das Sammeln von Daten besteht zweifelsfrei ein hoher Anspruch an den Datenschutz. Bei dem Tool, welches hier in der Rubrik ‚In der Praxis‘ beschrieben ist, sind die beteiligten Personen über eine be- liebige E-Mail-Adresse identifiziert, man kann also nicht wirklich von personenbezogenen Daten sprechen. In einem typischen LMS (Lernmanagmentsystem) verhält sich das ganz anders, im Hinblick auf den Er- werb von Qualifikationen ist eine Authentifizierung der Teilnehmenden obligatorisch. Bei allem Enthusias- mus, der LA entgegen gebracht wird, ist es zwingend nötig, Lehrende und Lernende darüber aufzuklären, welche Daten zu welchem Zweck gespeichert, analysiert und möglicherweise weitergegeben werden. Auch sollten Mechanismen und Sicherheiten eingebaut werden, die es gewährleisten, dass auch später keine missbräuchliche Verwendung stattfindet. Grundsätzlich sollte von der Idee, Prozesse bei Individuen steuerbar zu machen, Abstand genommen wer- den, nur weil pädagogische Abläufe detailliert erfasst werden können. Dieser sehr technischen Auffassung von Unterrichten wird hier erwidert, dass die Kunst des Unterrichtens im Wesentlichen darin besteht, mit verschiedenen Vorgaben Handlungsräume festzulegen, die den Lernenden individuelle Lernfortschritte er- möglichen. Lernende treffen im Umfeld solcher Angebote subjektive und oft ganz spontane Entscheidun- gen, Optionen werden eingebunden oder sie weisen aus gänzlich subjektiven Gegebenheiten das Angebot zurück (Hattie, 2013, 2). Die Daten zeigen, Lernen erfolgt im Detail nicht immer stetig, wie es eine voraus- bedachte Konstruktion als Ideal vorgibt (Schön et al., 2012, 78-89). Gerade die empirische Beschreibung und Bestätigung dieser praktischen Erfahrung ist ein wichtiges Ergebnis von Detail-Erhebungen, wie sie mit Learning Analytics und Educational Datamining möglich geworden sind. Neue Einsichten über Lehr- und Lernprozesse werden dabei gewonnen, wobei deutlich wird, warum Bildung sich als ein derart komple- xer Prozess präsentiert. Aus rein praktischer Sicht ist auch der Einsatz von LA noch sehr in den Kinderschuhen, so gibt es zwar vereinzelte Berichte über die Analyse im Bereich von Lernumgebungen (Softic et al., 2013), der große Durchbruch steht aber noch aus. Nichtsdestotrotz gehen die Autoren davon aus, dass diese Entwicklung stetig voranschreiten wird. Es sei hier nochmals ausdrücklich darauf hingewiesen, dass die gewonnenen Daten und eine etwaige anschließende Analyse nicht als unfehlbare Quelle des Wissens anzusehen sind und dass man zu keiner Zeit die kritische Auseinandersetzung vergessen darf. Je umfassender Prozesse automatisiert werden, desto größer ist die Gefahr, dass man sich zu weitgehend auf diese verlässt und Förderansätze vernachlässigt wer- den.