ALICE - Analyzing Learning for Individualized Competence development in mathematics and science Education
Im Projekt soll das Lernen von Schüler*innen im mathematisch-naturwissenschaftlichen Unterricht anhand der Daten aus der Interaktion der Schüler*innen mit digitalen Technologien evaluiert werden. Hierbei sollen Lernpfade rekonstruiert und identifiziert werden, die mit der Kompetenz-Entwicklung übereinstimmen. Eine theoretische und methodische Grundlage für eine verbesserte Individualisierung des Unterrichts soll erschaffen werden, um Schüler*innen zu helfen, ihre Bildungsziele zu erreichen und mathematisch-naturwissenschaftlichen Kompetenzen zu entwickeln.
Die Coronavirus-Krise hat den dringenden Bedarf geweckt, das Lernen der Schüler*innen durch digitale Technologien zu unterstützen. Diese Notwendigkeit unterstreicht die Bedeutung der Bemühungen im Bildungssektor, die einzigartigen Möglichkeiten zur Förderung des Lernens auf der Grundlage digitaler Technologien und der Analyse digitaler Daten zu nutzen. Weit über die Nutzung digitaler Plattformen für die Verteilung von Aufgaben an die Schüler*innen hinaus ermöglichen digitale Technologien es das Lernen der einzelnen Schüler*innen zu verfolgen und gezielte, auf die individuellen Bedürfnisse der einzelnen Schüler*innen zugeschnittene Unterstützung zu bieten. Eine stärkere Individualisierung des Lernens wird als Mittel befürwortet, um alle Schüler*innen bei der Entwicklung der für die berufliche, gesellschaftliche und kulturelle Teilhabe erforderlichen Kompetenzen zu unterstützen - insbesondere in so wichtigen Bereichen wie Mathematik und Naturwissenschaften.
Allerdings erfordert individualisiertes Lernen, auch bekannt als personalisiertes und adaptives Lernen, die kontinuierliche Bewertung des Lernens der Schüler*innen, die Rekonstruktion der Lernpfade und die Extrapolation dieser Pfade im Hinblick auf die der Kompetenzentwicklung der Schüler*innen. Dies erfordert eine Theorie des Lernens, und darauf aufbauend, ein Modell der Kompetenzentwicklung sowie Methoden, die eine kontinuierliche Bewertung des Lernens der Schüler*innen über eine Reihe von Lernaktivitäten und eine anschließende Zuordnung zur Kompetenzentwicklung der Schüler*innen ermöglichen.
Da digitale Technologien im mathematisch-naturwissenschaftlichen Unterricht zunehmend allgegenwärtig sind, können sie sich für die Entwicklung einer solchen Methodik anbieten. Während die Schüler*innen mit digitalen Technologien arbeiten, können ihre Interaktionen mit diesen Technologien aufgezeichnet und automatisch analysiert werden. Die automatische Analyse dieser Interaktionen ermöglicht eine zeitnahe Bewertung der Leistungen der einzelnen Schüler*innen.
Das Projekt untersucht, inwieweit Daten, die aus der Interaktion von Schüler*innen mit digitalen Technologien im mathematisch-naturwissenschaftlichen Unterricht stammen, genutzt werden können, um 1) das Lernen einzelner Schüler*innen kontinuierlich zu evaluieren, 2) Lernpfade über Sequenzen von Lernaktivitäten zu rekonstruieren und 3) diejenigen Pfade zu identifizieren, die mit der Entwicklung von Kompetenzen in Mathematik und Naturwissenschaften übereinstimmen. Damit will das Projekt die theoretischen und methodischen Grundlagen für eine stärkere Individualisierung des mathematisch-naturwissenschaftlichen Unterrichts schaffen, um alle Schüler*innen dabei zu unterstützen, die für die gesellschaftliche, kulturelle und berufliche Teilhabe notwendigen Kompetenzen zu entwickeln und damit die Bildungsziele zu erreichen.
Finanzierung: Leibniz Kooperative Excellence
Kooperation: IPN | Leibniz-Institut für die Pädagogik der Naturwissenschaften und Mathematik, IWM | Leibniz-Institut für Wissensmedien
Laufzeit: 04/2021 - 03/2024
Status: abgeschlossen
Projektteam: Sebastian Gombert
Kontakt: Hendrik Drachsler