Empfehlungssysteme für Lehre & Lernen

19.10.2012: Im Interview spricht Hendrik Drachsler von der Open University Nederland, Centre for Learning Sciences and Technologies (CELSTEC) über Recommender Systems for Learning und erörtert, was Empfehlungssysteme im Bereich Lehre und Lernen leisten können.

Auch in Bildungseinrichtungen wie Universitäten werden immer mehr Prozesse digital erfasst und abgebildet. Hierdurch entstehen riesige Datenmengen. Neue Analysemethoden basierend auf Information Retrieval Technologien eröffnen hier viele Möglichkeiten. Dies zeigt die Forschung rund um Recommender Systems for Learning, also Empfehlungssysteme im Lehr-/ Lernkontext. Bisher werden Daten allerdings nur wenig dazu genutzt, um beispielsweise Empfehlungen zu Personen oder Lerninhalten auszusprechen oder eine Form der Personalisierung des Lernprozesses zu unterstützen. Ein Problem stellt hierbei die Rechtslage dar, die den Zugang zu und die Nutzung der Daten reglementiert.

Im Interview spricht Hendrik Drachsler von der Open University Nederland, Centre for Learning Sciences and Technologies (CELSTEC) über den aktuellen Forschungsstand in diesem Forschungsgebiet und was Empfehlungssysteme im Bereich Lehre und Lernen leisten können. Er macht deutlich, mit welchen Herausforderungen sich der Forscher konfrontiert sieht, wenn es darum geht, mit den Daten der Hochschulen zu arbeiten. Außerdem zeigt Hendrik Drachsler Schnittstellen zwischen den Forschungsbereichen Educational Data Mining und Learning Analytics auf und stellt verschiedene EU-Projekte und Initiativen im Bereich Empfehlungssysteme vor.

Hier die Podcasts im Überblick:

Empfehlungssysteme für Lehre & Lernen Teil 1
Empfehlungssysteme für Lehre & Lernen Teil 2
Empfehlungssysteme für die Lehre & Lernen Teil 3
Empfehlungssysteme für die Lehre & Lernen Teil 4

Zu Hendrik Drachsler:

Dr. Hendrik Drachsler (http://www.drachsler.de) beschäftigt sich seit 2006 mit Personalisierung im Bereich Lernen mit Rückgriff auf Information Retrieval Technologien und Empfehlungssysteme. Seine Dissertation schloss er im Rahmen des EU Programms TENCompetence (2006-2010) über ‘Navigation Support for Learners in Informal Learning Networks ab. Der Assistent Professor an der Open University der Niederlande ist in viele Projekte zum Thema involviert, wie dem Workshop RecSystTel und den EU-Projekten dataTEL, Open Discovery Space und LinkedUp , die im Folgenden näher beschrieben werden. Außerdem ist er Mitherausgeber des 2012 erschienenen Handbuchs „Recommender Systems for Learning“, das sieben Jahre Forschung im Bereich Empfehlungssysteme abbildet. Es ist gedacht als Anleitungsbuch mit dem Ziel mehr Standardisierung und Qualitätskriterien in die Forschung rund um das Thema Empfehlungssysteme hinein zu bringen.Das Buch ist bei Springer erhältlich. Ebenso existiert eine Mendeley-Community zum Buch.

Projekte im Überblick

RecSystTel	Seit 2006 trifft sich die Forschercommunity rund um Recommender Systeme auf jährlichen Workshops zum Thema „Social Information Retrieval for Technology-Enhanced Learning“ (SIRTEL). 2010 wurde der Workshop umbenannt in RecSystTel -Recommender Systems for Technology Enhanced Learning. Er findet jeweils in Kombination mit der „European Conference on Technology Enhanced Learning (EC-TEL) statt.
dataTEL	dataTEL (2010-2011) war ein Projekt im Rahmen des EU- Forschungsprogramms STELLAR (Sustaining Technology Enhanced Learning at a LARge scale (http://www.stellarnet.eu/). Ein Ziel von dataTel war es, Richtlinien und Standards vorzubereiten, die die den Zugang zu und die Arbeit mit Datensätzen im Lehr-/Lernkontext erleichtern und so weiterführende Forschung ermöglichen. Insbesondere wurden verschiedene Datensätze aus realen Lehr-/Lernkontexten zusammen getragen, um diese Forschern zur Verfügung stellen zu können. Zur Fortführung der Initiative wurde die Special Interest Group dataTEL unter der Schirmherrschaft der European Association of Technology-Enhanced Learning (EATEL) gegründet. Mehr Infos zur Gruppe dataTEL.
Open Discovery Space	Im EU-Projekt Open Discovery Space sollen „Terms of Use“ für die Arbeit mit Daten aus dem Hochschulkontext entwickelt werden, die auf europäischer Ebene Gültigkeit besitzen. Ziel ist es, dass Studierende das Nutzungsrecht an ihren Daten abgeben, wie sie es jetzt auch bei Facebook tun. Dabei geht es auch darum, wie die Anonymisierung beispielsweise technische umgesetzt werden kann.
LinkedUp	Im EU Projekt LinkedUp geht es um den Zugang zu und die Bereitstellung von Datensets für die Forschung im Bereich Empfehlungssysteme im Hochschulkontext. Im Rahmen eines Wettbewerbs sollen Initiativen unterstützt werden, die Ansätze entwickeln, wie offene im Web befindliche Daten genutzt und in Beziehung gesetzt werden können um personalisierte Lernpfade zu generieren. Die Masse und Vielfalt der verfügbaren Daten stellt die Forscher hier vor besondere Herausforderungen im Bereich Informationsmanagement (Information Retrieval).
AlterEgo	Im Projekt AlterEgo (2010-2012), das finanziert wird über das niederländische Laboratory for Lifelong Learning (NeLLL) geht es darum, wie Datensätzen im Bereich Lehre und Lernen zur Theoriebildung bei mediengestütztem Lernen genutzt werden können.

Weitere Informationen:
Der Artikel Explaining Collaborative Filtering Recommendations (2000) von J. Herlocker, J. Konstan und J. Riedl bietet einen sehr ausführlichen und anwendungsfreundlichen Einstieg in das Themengebiet Recommenter Systems.