Künstliche Intelligenz in der Bildung
Künstliche Intelligenz, Robotik und „Deep Learning“ sind bahnbrechende Technologien, die die Art und Weise verändern, wie Menschen denken, lernen, leben und arbeiten. Für Pädagogen ist es jetzt an der Zeit, darüber nachzudenken, wie sich neue Technologien und KI-basierte Lernanalysen auf das Lehren, Lernen und das Umfeld auswirken werden, das die Schüler in den kommenden Jahren vorfinden werden.
KI hat jede Branche verändert, und das Bildungswesen ist keine Ausnahme. Künstliche Intelligenz wird jetzt in Schulen und Hochschulen eingesetzt, um die Lehrmethoden zu verbessern und das Engagement der Schüler zu steigern. Laut Prescient and Strategic Intelligence wird der Markt für künstliche Intelligenz im Bildungsbereich bis 2030 voraussichtlich 25,7 Milliarden USD erreichen. Um auf dem Laufenden zu bleiben, ist es daher wichtig, ein besseres Verständnis für dieses Thema zu erlangen.
KI-basierte Lernanalytik
Learning Analytics ist ein aufstrebender Bereich, in dem hochentwickelte und fortschrittliche Analysewerkzeuge eingesetzt werden, um Lernen und Bildung zu verbessern. Viele Anwendungen von Learning Analytics und KI wären ohne die Verwendung umfangreicher, kontinuierlicher Echtzeitdaten nicht möglich.
Es gibt zwar viele Definitionen von Learning Analytics, aber das Learning Analytics Roadmap Committee (LARC) der UW-Madison hat es kontextbezogen definiert als die Durchführung von Aktivitäten, die darauf abzielen, die Ergebnisse der Studierenden zu verbessern, indem sie die Struktur, den Inhalt, die Bereitstellung oder die Unterstützung der Lernumgebung beeinflussen. Learning Analytics bezieht sich auf die Sammlung und Analyse von Daten über Lernende und ihre Umgebung, um die Lernergebnisse zu verstehen und zu verbessern. Regierungen, Universitäten und Anbieter von Massive Open Online Courses sammeln Daten über Lernende und deren Lernverhalten, um personalisierte Empfehlungen zu geben und die Lernergebnisse zu verbessern.
Learning Analytics hat das Potenzial, die Art und Weise zu verändern, wie wir Auswirkungen und Ergebnisse in Lernumgebungen bewerten, und ermöglicht es Anbietern, neue Strategien zu entwickeln, um Spitzenleistungen beim Lehren und Lernen zu erzielen, während sie gleichzeitig den Studierenden neue Informationen zur Verfügung stellen, um ihnen zu helfen, die besten Bildungsentscheidungen zu treffen.
In einem unserer Interviews erklärte, Iouri Kotorov, ein leitender Dozent für internationale Wirtschaft, Pädagoge und strategischer Unternehmensberater, dass „Learning Analytics den Hochschulen dabei hilft, Daten effektiv für die Entscheidungsfindung zu nutzen. Die Lernanalytik hilft den Hochschulen bei der Bewertung der Wirksamkeit des Unterrichts und bei der Überprüfung des Lernerfolgs der Studierenden. Außerdem können sie Lehrenden und Studierenden Daten über ihre Lehr- und Lernleistung zur Verfügung stellen, was ihre Lehr- und Lernerfahrungen persönlicher und ansprechender machen kann.“
Analyselösungen bieten eine bequeme Möglichkeit, Daten zu nutzen. Einrichtungen nutzen die Analytik, um ihre Daten zu erforschen und zu untersuchen und ihre Erkenntnisse in Einsichten umzuwandeln, die ihnen letztlich helfen, bessere und fundiertere Entscheidungen zu treffen.
Die deskriptive Analyse verwendet statische Daten aus einer Vielzahl von Quellen, darunter Kursbewertungen, Umfragen zum Studienabbruch, Studenteninformationssysteme, LMS-Aktivitäten und E-Portfolio-Interaktionen. Diese Strategie wertet die Vergangenheit der Studierenden aus und versucht, durch die Analyse der Daten Muster in ihrer Lernentwicklung aufzudecken. Die deskriptive Analyse gibt Aufschluss über das Geschehene und die gegenwärtige Situation und ermöglicht Ihnen strategische Entscheidungen über die optimale Lehrmethode für jeden einzelnen Studenten.
Sie können die deskriptive Analyse zum Beispiel nutzen, um herauszufinden, wie viel Ihre Klasse über die Lektion gelernt hat. Nach der Analyse der Daten stellen Sie vielleicht fest, dass Sie durch den Einsatz von Scaffolding-Strategien oder differenzierten Lernprozessen in Ihrem Unterricht mehr Schüler erreichen können. Einige Universitäten und Distrikte verfügen über deskriptive Analysetools, die direkt in das Managementsystem des Lehrers integriert sind.
Die prädiktive Analyse kann auf Daten aus denselben Quellen zurückgreifen, konzentriert sich aber auf die Messung des tatsächlichen Lernens. Die Daten können von intelligenten Agenten, aufgabenspezifischen Spielen, Protokolldateien, Simulationen, die den Lernprozess erfassen sollen, und direkter Beobachtung stammen. Dieser Ansatz liefert den Lehrkräften nicht nur Daten, die sie für ihre Entscheidungen nutzen können, sondern auch alternative Vorschläge, um den Unterricht effektiver zu gestalten. Auf der Grundlage der gesammelten Schülerdaten generiert das Analysetool Vorschläge für verschiedene Bildungsressourcen und -tools, die eingesetzt werden können, um eine größere Wirkung auf die Schüler zu erzielen. Die präskriptive Analyse bietet Schulen und Lehrkräften Einblicke in das Wissen der Schüler sowie anpassbare Bildungsstrategien auf der Grundlage der Schülerleistungen.
In einem unserer Interviews erklärte Gabriele Riedmann de Trinidad, Gründerin und Geschäftsführerin der Platform 3L GmbH, dass „Learning Analytics eine hyperindividualisierte Unterstützung für jede Person ermöglicht, es ist der leistungsstärkste und wirtschaftlichste Weg für eine Organisation, das erwartete Lernniveau zu erreichen und sich gleichzeitig um jeden Einzelnen zu kümmern. In Anbetracht der enormen individuellen Lücken, die Schüler aufgrund von COVID-bedingten Schulschließungen haben, ist Learning Analytics höchstwahrscheinlich die einzige Möglichkeit, individuelle Unterstützung zu geben, um die Lücken zu schließen. Angesichts des anhaltenden Lehrermangels könnte Learning Analytics der „digitale Partner“ für hochwertiges individualisiertes Lernen sein.“
Die Nutzung von Big Data ist für die Bildung von Vorteil und umfasst verschiedene Aspekte von Learning Analytics, die den Bildungsprozess genau untersuchen, um das Lernen zu verbessern. Durch die sorgfältige Analyse von Big Data lassen sich nützliche Informationen ermitteln, die Bildungseinrichtungen, Studierenden und Lehrkräften zugute kommen. Zu diesen Vorteilen für die Beteiligten gehören gezielte Kursangebote, die Entwicklung von Lehrplänen, Lernergebnisse und Verhalten der Studierenden, personalisiertes Lernen, verbesserte Leistungen der Lehrkräfte und Beschäftigungsmöglichkeiten nach der Ausbildung.
Zentrale Vorteile der KI-basierten Lernanalyse
1. Vorteile für Studierende
Lernanalysen haben das Potenzial, den Studierenden detailliertere Informationen über ihre Leistungen zu liefern. So können Lernanalysen den Studierenden helfen, ihr Verhalten auf konstruktive Weise zu erkennen und zu reflektieren, um ihre Fortschritte bei der Erreichung ihrer Lernziele zu steuern.
Förderung der Studentenbindung
Die Analyse von Studierendendaten kann genutzt werden, um vorherzusagen, welche Studierenden nicht in der Lage sein werden, das nächste Studienjahr zu absolvieren.
Nach Angaben des National Student Clearinghouse Research Center kehren im Durchschnitt 30 % der Studenten, die im Herbst ein College besuchen, im zweiten Jahr nicht mehr zurück.
Die Auswirkungen der Analytik auf den Verbleib sind positiv. Sobald ein gefährdeter Schüler identifiziert wurde, können spezifische Maßnahmen wie Beratung oder Nachhilfe eingesetzt werden, um ihn zu ermutigen, in der Schule zu bleiben und seine Ausbildung abzuschließen.
Lernergebnisse, Verhalten und Prozesse der Schüler
Ein weiterer wichtiger Vorteil von Big Data und Text Mining besteht darin, dass Schulen und Lehrkräfte in der Lage sind, die Lernergebnisse der Schüler im Bildungsprozess zu ermitteln und zu bestimmen, wie die Leistungen der Schüler verbessert werden können.
Die Interaktionen der Lernenden mit technologischen Hilfsmitteln wie E-Learning und mobilem Lernen können den Lehrkräften helfen, die Lernerfahrungen der Studierenden durch Datenanalyse zu verstehen.
Durch die Bewertung der Auswirkungen auf die Lernergebnisse bietet die Verwendung von Daten Ansätze zur Verbesserung des studentischen Lernens und der Leistung in der akademischen Bildung. Die Lernanalyse ermöglicht es den Lehrkräften, verschiedene Formen von Wissen zu bewerten und die Lehrinhalte nach Bedarf zu ändern.
Studierende in die Lage versetzen, die Verantwortung für ihr Lernen zu übernehmen
Eine weitere wichtige Anwendung von Learning Analytics besteht darin, den Studierenden mehr Informationen darüber zu geben, wie sie vorankommen und was sie tun müssen, um ihre Bildungsziele zu erreichen. Lernanalysen können es den Studierenden ermöglichen, ihre Ausbildung selbst in die Hand zu nehmen, indem sie ihnen ein besseres Verständnis ihrer aktuellen Leistungen in Echtzeit vermitteln und sie bei der Entscheidungsfindung über ihre Lerninhalte unterstützen.
Personalisiertes Lernen
Lehrkräfte können Learning Analytics nutzen, um die Häufigkeit der Anmeldungen von Studierenden anhand der vom Lernmanagementsystem erfassten Daten zu untersuchen. Die Lehrkräfte können sehen, wie die Studenten im Unterricht interagieren und wie engagiert sie insgesamt sind, wie schnell sie lernen und welche Noten sie erzielen. Anhand dieser Elemente lässt sich vorhersagen, ob ein Student erfolgreich sein wird. Die Lernanalyse ermöglicht es den Studierenden, relevante Daten in Echtzeit zu erhalten, sie zu prüfen und einzubeziehen und Echtzeit-Feedback zu erhalten.
2. Vorteile für Lehrkräfte
Laut McKinsey kann die Technologie Lehrern helfen, 30 % ihrer Zeit für Aktivitäten zu verwenden, die das Lernen der Schüler unterstützen.
Durch das Sammeln von mehr Informationen über die Erfahrungen der Studierenden kann eine Einrichtung möglicherweise Probleme erkennen und beheben, über die sich die Studierenden Sorgen machen. Dozenten und Tutoren können mithilfe von Analysen die Fortschritte ihrer Studenten während eines Moduls verfolgen und die Ergebnisse über mehrere Module hinweg vergleichen, so dass sie ihre Anweisungen anpassen können, wenn sie zum Beispiel feststellen, dass einige Studenten durchfallen.
Verbesserte Leistung der Lehrkräfte
Mit Hilfe von Learning Analytics lässt sich die Leistung von Lehrkräften bewerten. Die Verwendung von Daten ermöglicht es den Lehrkräften, ihre Ausbildung zu verbessern, damit sie besser auf die Arbeit mit den Studierenden in einer technologischen Lernumgebung vorbereitet sind.
Analysten können Online-Aktivitäten auswerten, indem sie Daten erfassen, die aus der Nutzung von Technologien und Recherchetools in Online-Bibliotheken durch die Lehrkräfte stammen. Die Verwendung dieser Daten kann Lehrkräften dabei helfen, Bereiche zu identifizieren, in denen sie sich verbessern können, um eine bessere Interaktion zwischen Lehrkräften und Schülern im Klassenzimmer zu ermöglichen.
Mit Hilfe der Learning-Analytics-Daten kann ein Dozent das Verständnis der Studierenden für den Inhalt in Echtzeit messen, überwachen und darauf reagieren. Vor der endgültigen Benotung können Lehrkräfte Analysen und Daten nutzen, um ihre Lehrmethoden zu ändern und auf die Bedürfnisse der Schüler einzugehen. Dies ist ein großer Fortschritt für Lehrkräfte, da es ihnen dabei helfen kann, implizite Vorurteile zu überwinden, die sie möglicherweise über das Engagement oder die Leistung ihrer Schüler haben.
Verbesserte Qualität der Lehre
Learning Analytics liefert Lehrkräften mehr Informationen über die Qualität der Lehrinhalte, der Aufgaben, die sie den Studierenden geben, und der verschiedenen Aktivitäten, die sie während des Lehrprozesses durchführen, sowie über ihre Lehr- und Bewertungsmethoden, so dass sie diese im Laufe der Zeit verbessern können.
Verbesserung des Lehrplans
Big Data ermöglicht es Lehrkräften, Änderungen und Modifikationen vorzunehmen, um die Lehrplanentwicklung im Bildungssystem zu verbessern, z. B. durch die Zuordnung von Daten zu Lehrplänen. Pädagogen können mithilfe der Analyse umfangreicher Daten Lücken beim Lernen und Verstehen der Schüler erkennen und beurteilen, ob Lehrplanänderungen erforderlich sind. Lehrkräfte können sich an der strategischen Bildungsplanung beteiligen, um sicherzustellen, dass der Lehrplan an die Bedürfnisse der Schüler angepasst wird, um ihr Lernpotenzial zu optimieren.
3. Vorteile für Institutionen
Mit Hilfe von Lernanalysen können Studiengangsleiter oder andere Administratoren leichter erkennen, wie gut ihr Studiengang abschneidet. Abgesehen von der möglichen Notwendigkeit, spezifische Daten auf Fakultäts-, Studenten- und Kursebene aufzuschlüsseln, kann die Lernanalyse aussagekräftige Vergleiche zwischen verschiedenen Kursen ermöglichen.
Identifizierung der richtigen Kurse
Ein erster Vorteil, der sich aus dem Einsatz von Big-Data-Analysen im Bildungswesen ergibt, ist die Fähigkeit von Bildungseinrichtungen, gezielte Kurse zu identifizieren, die den Bedürfnissen und Präferenzen der Studenten für ihr Studienprogramm besser entsprechen. Durch die Untersuchung von Trends bei der Einschreibung von Studenten und ihren Interessen in verschiedenen Disziplinen können die Einrichtungen ihre Bildungs- und Lehrressourcen auf Programme konzentrieren, die die Einschreibung von Studenten in den am meisten benötigten Studienbereichen maximieren. Die Schulen können die Absolventenzahlen besser vorhersagen, um die Einschreibungen langfristig zu planen.
Beschäftigungsmöglichkeiten nach der Ausbildung
Durch den Einsatz von Big Data und künstlicher Intelligenz können Bildungseinrichtungen die Beschäftigungsmöglichkeiten für Absolventen nach dem Studium ermitteln und die Ausbildung besser auf die Bedürfnisse des Arbeitsmarktes abstimmen. Sie können auch die Beschäftigung von Absolventen, Arbeitslosigkeit oder ungewisse Situationen in Bezug auf Beschäftigungsmöglichkeiten vorhersagen.
Big Data kann Bildungseinrichtungen dabei helfen, die Karrieremöglichkeiten von Studenten besser zu verstehen und Lernprogramme für Studenten auf ihre berufliche Kompatibilität zu prüfen. In einer globalen Lernumgebung kann diese Art von Informationen nicht nur eine bessere Bildungs- und Berufsplanung erleichtern, sondern sich auch für Unternehmen als nützlich erweisen, wenn sie Einstellungs- und Budgetentscheidungen für Hochschulabsolventen verschiedener Fachrichtungen treffen.
Learning-Analytics-Forschungsgemeinschaft
Auch die Forschungsgemeinschaft profitiert vom Einsatz der Analytik im Bildungswesen. Forscher können Informationen austauschen und leichter zusammenarbeiten. Sie können Lücken zwischen der Industrie und der akademischen Welt erkennen, so dass die Forschung herausfinden kann, wie die Probleme zu lösen sind. Außerdem ist die nützliche Datenanalyse ein wichtiger Bestandteil der Fähigkeit von Wissenschaftlern, Wissen zu generieren und in den Forschungsdisziplinen weiter voranzukommen.
Um mehr über KI-gestützte Learning Analytics zu erfahren, hat das EDLIGO-Team führende Experten auf diesem Gebiet zu ihren Erfahrungen und Meinungen befragt.
Hier einige interessante Einblicke:
Vizepräsident für digitale Kanäle und Wirtschaft an der Universidad Tecmilenio
1. Inwieweit verbessert Learning Analytics die Leistung von Lernenden und Bildungseinrichtungen?
In den letzten 10 Jahren haben wir eine Zunahme der Anwendungen und Lösungen gesehen, die entstanden sind, und das ist ein klares Zeichen für den Erfolg, den Learning Analytics hat. Die Entwicklung dieser Art von Anwendungen und die Investition von Ressourcen für ihre Entwicklung nehmen zu, sowohl aus öffentlicher als auch aus privater Sicht.
2. Wie kann der Bildungssektor kurzfristig von Learning Analytics profitieren?
Nach Ansicht von Experten zu diesem Thema liegt der Vorteil von Learning Analytics darin, dass es eine personalisierte Bildung entwickeln kann. In den letzten Jahrzehnten war es schwierig, das traditionelle Modell zu ändern. Das traditionelle Modell ist das Klassenzimmer, das nicht auf den Kopf gestellt wird und das versucht, viele Schüler in einem Klassenzimmer zu unterrichten, insbesondere jetzt, wo die Pandemie auftritt, in einem virtuellen Klassenzimmer. Die Lernanalytik konzentriert sich auf jeden einzelnen Schüler und strebt nach personalisiertem Lernen.
Die personalisierte Bildung ist eines der Ergebnisse des Einsatzes von künstlicher Intelligenz (KI). Daran schließt sich das Learning Mining an, d. h. die Anwendung von Data Mining auf dieses Problem. Data Mining ist ein Bereich der Informatik, der mit statistischen Algorithmen und KI arbeitet: maschinelles Lernen. Die meisten Algorithmen, die bei dieser Art von Lösung zum Einsatz kommen, analysieren die Schülerzahlen, ihr Surfverhalten, die Zeit, die sie mit Hausaufgaben und in sozialen Netzwerken verbringen. Mit all diesen Informationen sind die Data-Mining-Algorithmen in der Lage, Schlussfolgerungen zu ziehen und den Wissensstand der Schüler zu ermitteln, wodurch eine personalisierte Bildung möglich wird.
3. Wie wird die KI-basierte Lernanalyse Ihrer Meinung nach den Bildungssektor verändern?
KI-Algorithmen werden immer besser und werden ihre Entwicklung und auch ihr eigenes Selbstlernen weiter vorantreiben. Der Nutzen von KI wird aufgrund der unterschiedlichen Positionen, die dieses Thema hervorruft, kontrovers diskutiert. Die Voreingenommenheit, die oft in KI-Algorithmen zum Vorschein kommt, ist darauf zurückzuführen, dass Algorithmen trainiert werden und durch das lernen, was ihnen vorgesetzt wird. Wenn man Informationen erhält, die voreingenommen sind, dann ist das Ergebnis auch voreingenommen. Sie können nicht wie ein Mensch schlussfolgern.
Experten auf diesem Gebiet stellen fest, dass sich die KI weiterentwickelt, weil sie jetzt auch hybride Kombinationen ermöglicht. Bislang war der Ansatz der KI als Kollektor bekannt, jetzt gibt es bereits Hybridmodelle, bei denen der Kollektoransatz mit dem symbolischen Ansatz kombiniert wird, und das wird zu noch besseren Algorithmen führen, die näher an der Realität sind.
Spezialist für Lernen und Entwicklung, CEO und Gründer von Kasvun Katalyytti Oy, Finnland, zukunftsorientierter Hochschullehrer an der HELBUS Helsinki School of Business
1. Inwieweit verbessert Learning Analytics die Leistung von Lernenden und Bildungseinrichtungen?
Die Bewertung von Lernergebnissen ist so etwas wie der „Heilige Gral“ für alle Fachleute und Einrichtungen des Bildungssektors. Lernen ist ein komplexer Prozess, der nicht durch Zahlen oder Statistiken vereinfacht werden kann. Mit Hilfe der Lernanalyse lassen sich jedoch einige Elemente dieses komplexen Phänomens verstehen. Mit Hilfe von Sofortstatistiken können Sie die Lernleistung bereits während des Lernens verbessern und anschließend die Lernergebnisse steigern.
2. Wie kann der Bildungssektor kurzfristig von Learning Analytics profitieren?
Es könnten mehr evidenzbasierte Entscheidungen über die Gestaltung von Lernaktivitäten getroffen werden.
3. Wie wird KI-basierte Learning Analytics Ihrer Meinung nach den Bildungssektor verändern?
Nicht die Analytik als solche. Entscheidend sind vielmehr die Themen, die Sie bewerten. Dazu brauchen Pädagogen ein systemischeres Verständnis aller Elemente, die sich auf Bildungsaktivitäten und Lernerfahrungen auswirken. Solche Elemente könnten zum Beispiel die Regeln und die Arbeitsteilung in Bildungseinrichtungen sein, die die Lernaktivitäten steuern.
Professorin an der Universidade Federal da Paraíba in João Pessoa, Lateinamerika
1. Inwieweit verbessert Learning Analytics die Leistung von Lernenden und Bildungseinrichtungen?
Das ist ein notwendiges und komplexes Thema. Ich bin kein Profi auf diesem Gebiet, daher kann ich keine quantifizierbare oder begründete Antwort darauf geben. Als Beobachter bin ich jedoch der Meinung, dass die verschiedenen Bewertungs- und Messinstrumente, die im Rahmen der Lernanalytik entwickelt wurden und werden, es uns effektiv ermöglichen würden, uns als Lehrende zu bewerten und zu verbessern sowie den Lernenden Lösungen anzubieten, um ihre Lernprozesse und ihre Wissensproduktion zu verbessern. Andererseits ist es in der Institution, in der ich arbeite, Sache jedes einzelnen Professors, eine individuelle und gruppenbezogene Bewertung jedes einzelnen Fachs vorzunehmen, wobei der Schwerpunkt auf dem jeweiligen Fachgebiet liegt. Im Bereich des Sprachunterrichts im Allgemeinen wurden große Fortschritte bei den Lernmaterialien gemacht und die Art der Formate, Materialien und Vorschläge wurden diversifiziert.
2. Wie kann der Bildungssektor kurzfristig von Learning Analytics profitieren?
Der Bildungssektor wird kurzfristig von Learning Analytics profitieren durch
– Durchführung von Forschungsarbeiten
– Entwicklung von Mess- und Überwachungssystemen, die sowohl für Schüler als auch für Lehrer einfach anzuwenden, zu verstehen und zu nutzen sind
– Schulung von Lehrern und Schülern für die beste Analyse und Suche nach Lösungen zur Verbesserung von Lernen und Lehren.
– Erfahrungen auf verschiedenen Ausbildungsebenen sammeln
– Verbreitung und Austausch von Informationen und Forschungsergebnissen zu diesem Thema
3. Wie wird KI-basierte Lernanalyse Ihrer Meinung nach den Bildungssektor verändern?
Aus verschiedenen Blickwinkeln betrachtet, glaube ich, dass es einen großen Wandel geben wird, und ich denke, dass die Pandemie diesen Prozess bereits beschleunigt hat. Im Bereich der Übersetzung und des Spracherwerbs zum Beispiel wurden dank der Erfahrungen mit künstlicher Intelligenz große Fortschritte erzielt. Heutzutage gibt es viele hochentwickelte Übersetzungsprogramme, die bei den Prozessen helfen, sowie verschiedene Möglichkeiten, Sprachen zu lernen, wie Anwendungen, Handbücher, Bücher, Lernplattformen usw.
KI-basierte Analytik ermöglicht es Ihrer Organisation, die Auswirkungen einer Reihe von Kennzahlen auf die Lernleistung zu messen und Entscheidungen auf der Grundlage von Daten zu treffen.
Wenn Sie in einer Schule, Universität oder Organisation für das Lernen zuständig sind und keine Daten nutzen, um Entscheidungen zu treffen, sollten Sie EDLIGO Learning Analytics in Betracht ziehen, um die Lernergebnisse zu verbessern.
EDLIGO hat sich als skalierbar erwiesen, von einem Team bis zur Unternehmensebene, von einem Klassenzimmer bis zur staatlichen Ebene.
– Verfolgen Sie die Ergebnisse Ihres Studiums und vergleichen Sie sie mit denen anderer Studenten.
– Visualisieren Sie die Realitäten auf jeder Ebene
– Lernfortschritte überwachen und steuern
– Gezielte akademische Unterstützung und Gestaltung personalisierter Lernerfahrungen
– Einen Qualitätssicherungsrahmen mit integrierter Datenanalyse und KI einrichten
Wenden Sie sich an das EDLIGO–Team oder vereinbaren Sie eine Demo, wenn Sie mehr darüber erfahren möchten, wie Learning Analytics Ihrer Organisation helfen kann, mithilfe von Daten und KI bessere Ergebnisse zu erzielen.