Optimieren geht über Studieren.

Optimieren geht über Studieren.

Wird Educational Data Mining die Hochschulbildung revolutionieren?
33 Minuten
Podcast
Podcaster

Beschreibung

vor 2 Jahren

Wird Educational Data Mining die Hochschulbildung
revolutionieren?


Data Mining – das meint das Sammeln und Auswerten von Datenmengen
im großen Stil, um Erkenntnisse zu gewinnen, die ohne weiteres
nicht ersichtlich wären. Seit ein paar Jahren wird dieses
Verfahren der Informationstechnologie auch im Bildungsbereich
angewandt. Ziel ist die Personalisierung des Lernens. Nützlich
für die Analyse sind alle Daten, die die Lernenden in der
digitalen Bildungswelt absichtlich oder unabsichtlich generieren:
seien es bevorzugte Lernzeiten, ganze Seminartexte, Beiträge in
Diskussionsforen oder die Augenbewegung beim Lesen des
Lernstoffs. Die Analyse der Daten kann verwendet werden, um
Lernschwächen frühzeitig zu erkennen, individuell zugeschnittene
Förderprogramme anzubieten und gegebenenfalls einem
prognostizierten Studienabbruch vorzubeugen. Dürfen sich die
Studierenden auf eine solche persönliche Förderung freuen? Dr.
Christian Leineweber sieht die Revolution der Hochschulbildung
durch Educational Data Mining eher kritisch. Sie auch?


Weitere Informationen zum Digitalen Espresso und
Anmeldemöglichkeiten für die interaktive Live-Diskussion finden
Sie unter: www.digitalerespresso.de


Wenn Sie Fragen und Anregungen zum Format haben, schreiben Sie
uns eine Mail an: espresso@ksi.de.


Das Gespräch führte: Martin Kutz


Audiobearbeitung: Said Suma


Titelmusik: René Gevorkaraghi


Intro: Marina Lenz


Technische Unterstützung: Markus Saager, KSI Multimedia LAB


Der "Digitaler Espresso" ist ein Projekt des Katholisch-Sozialen
Instituts in Zusammenarbeit mit der Landesarbeitsgemeinschaft
Katholische Erwachsenen- und Familienbildung NRW e.V (LAG KEFB
NRW). Sie wird gefördert mit Mitteln der
Kardinal-Höffner-Stiftung des Erzbistums Köln und des
Ministeriums für Kultur und Wissenschaft NRW.

Kommentare (0)

Lade Inhalte...

Abonnenten

15
15
:
: