Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Veranstaltung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

 
 
Sitzungsübersicht
Sitzung
3.1 Workshop: Was sagen Moodle-Logdaten aus? Logdaten interpretieren und Schlussfolgerungen und Erkenntnisse für Lehr- und Lernprozesse ziehen
Zeit:
Dienstag, 29.08.2023:
9:30 - 11:00

Ort: Saal 1


Zeige Hilfe zu 'Vergrößern oder verkleinern Sie den Text der Zusammenfassung' an
Präsentationen

Was sagen Moodle-Logdaten aus? Logdaten interpretieren und Schlussfolgerungen und Erkenntnisse für Lehr- und Lernprozesse ziehen

Kathrin Braungardt

Ruhr-Universität Bochum, Deutschland

Wie sind Moodle-Logdaten aufgebaut und wie funktionieren sie? Was sagen Sie über Lehr-/Lernprozesse aus? Wie können Sie verwendet werden? Moodle-Logdaten, d.h. Logdaten, die in Lernmanagement-Systemen erzeugt werden, können eine Informationsquelle von vielen zu Lehr-/Lernprozessen darstellen. Vielfach sind sie an Hochschulen die einzige Datenquelle für eine datenbezogene Analyse von Lehr-/Lernprozessen. Um die Leistungsfähigkeit und den Nutzen einer solchen Analyse oder Auswertung bewerten zu können, ist es von Bedeutung, den Aufbau und die Funktionsweise der Logdaten, die in Moodle oder anderen LMS entstehen, nachvollziehen zu können. Daher bietet der Workshop zunächst eine Einführung, wie Moodle-Logdaten aufgebaut sind und was sie auf einer technischen Ebene aussagen. Anhand von Demodaten besteht dann die Möglichkeit sich Auszüge aus Logdaten anzusehen und mögliche Interpretationen und Schlussfolgerungen zu diskutieren und ebenso auf die Grenzen und Beschränkungen der Daten einzugehen. In einem weiteren Schritt kann anhand logdatenbezogener Visualisierungen diskutiert werden, welche Anforderungen an die Aufbereitung von Logdaten in Lehr-/Lernprozessen gegeben sein sollten.

Literatur:

Dondorf, Thomas. Learning analytics for moodle: facilitating the adoption of data privacy friendly learning analytics in higher education. Diss. Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2022.

Krieter, Philipp: Are You Still There? An Exploratory Case Study on Estimating Students' LMS Online Time by Combining Log Files and Screen Recordings - Institute of Electrical and Electronics Engineers, Inc. 445 Hoes Lane, Piscataway, NJ 08854. Tel: 732-981-0060; Web site: http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=4620076In: IEEE Transactions on Learning Technologies, 15 (2022) 1, S.55-63 (9 Seiten), URL: http://dx.doi.org/10.1109/TLT.2022.3154828

X. Tan, J. She, S. Chen, S. Ohno and H. Kameda, "Analysis of Student Learning Behavior based on Moodle Log Data," 2021 14th International Conference on Human System Interaction (HSI), Gdańsk, Poland, 2021, pp. 1-4, doi: 10.1109/HSI52170.2021.9538680.

Yeonjeong Park & Il-Hyun Jo (2017) Using log variables in a learning management system to evaluate learning activity using the lens of activity theory, Assessment & Evaluation in Higher Education, 42:4, 531-547, DOI: 10.1080/02602938.2016.1158236



 
Impressum · Kontaktadresse:
Datenschutzerklärung · Veranstaltung: Learning AID 2023
Conference Software: ConfTool Pro 2.6.149
© 2001–2024 by Dr. H. Weinreich, Hamburg, Germany