IoT in Education by Designing Smart Learning Environments

Wie gestaltet man intelligente Lernumgebungen?

Diese Frage wird im Folgenden beantwortet und baut auf den Beitrag „Das Internet der Dinge erfordert neue pädagogische Lernkonzepte auf. Have a look here for a short overview in english.

Eine intelligente Lernumgebung geht adaptiv auf unterschiedlichste Nutzerbedürfnisse ein. Nicht nur die Inhalte werden an den Bedürfnissen ausgerichtet, sondern auch die Methode der Darbietung. Je nachdem, an welchem Ort man sich befindet, ob allein oder im Team sowie in Abhängigkeit der individuellen Interessen und Vorlieben. Eine intelligente Umgebung unterstützt zudem nicht rein auf fachlicher Ebene, sondern ist auf Lernen im Austausch mit anderen fokussiert. Eine intelligente Lernumgebung ist flexibel und multifunktional. Sie bietet Raum für Kreativität und Experimente, dadurch können Fachinhalte alleine oder mit Kolleg/inn/en intrinsisch motiviert, sinnerfüllt und mit Spaß angeeignet werden. Eine angenehme Arbeitsathmosphäre ist hier ebenso relevant wie ein intelligentes System „im Backend“. Die IT-Infrastruktur liefert nämlich nicht nur relevanten Inhalte (recommender system), sondern sorgt auch für die entsprechende Datenverwaltung und -auswertung im Hintergrund, um z.B. bearbeitete Inhalte schnell wiederzufinden oder mit anderen zu teilen etc.

Hört sich in der Theorie erstmal ganz gut an, aber wie kann man das nun wissenschaftlich fundiert, ganzeitlich betrachtet und strategisch angehen?

Smart Learning Environments (SLEs) sind physikalische Umgebungen, also (Lern-)Räume, die mit digitalen und kontextsensitiven Komponenten (z.B. Sensorik, Aktorik) angereichert sind, um ein schnelleres und besseres Lernen zu ermöglichen (Koper, 2014). Hierdurch entstehen Mischformen des Lernens, die zwischen formalen und informellen Lernsettings, zwischen selbstorganisiertem und sozialen Lernen, zwischen verschiedenen Lernzeiten und Lernorten sowie zwischen analogen und digitalen Lernformaten zu verorten sind (Specht u. a., 2013).

Derartige Lernszenarien ermöglichen unter Verwendung modernster, mobiler, drahtloser Informationstechnologien (IoT) ein fließendes Zusammenwirken zwischen physikalischer und digitaler Lernumgebung. SLEs sind technologiegestützte Lernumgebungen, die sich zum einen an die Bedürfnisse der Lernenden anpassen (adaptiv) und zum anderen Informationen aus der Umwelt/ Lernsituation aufnehmen, verarbeiten und darauf angepasste Aktionen auslösen können. SLEs ermöglichen eine nahtlose Kombination von virtuellen und physikalischen Umgebungen. In diesem Zusammenhang wird auch von „Ubiquitous Learning Environment“ gesprochen (Bomsdorf, 2005).

Eine detailliertere Definition von Smart Learning Environments liefern Hwang et al. 2008:

“[…] therefore, “smart learning environments” can be regarded as technology-supported learning environments that make adaptations and provide appropriate support (e.g., guidance, feedback, hints or tools) in the right places and at the right time based on individual learners’ needs, which might be determined via analyzing their learning behaviors, performance and the online and realworld contexts in which they are situated” (Hwang 2014).

Ein intelligentes System bzw. Smart Learning Environment ist entsprechend dadurch gekennzeichnet, dass es

  • personalisiertes Feedback oder Hilfestellung bietet
  • über mehrere Kanäle (z.B. über Smartphones oder andere Ubiquitous Computing-Geräte) mit dem Nutzer interagiert
  • angepasste Lerninhalte für die individuellen Lernbedürfnisse anbietet
  • persönliche Faktoren sowie äußere Einflüsse der Umgebung (z.B. pers. Lernbedürfnisse, Vorlieben, Zeitpläne und Situationen der realen Umgebung) berücksichtigt
  • auf Lernstrategien und Lernwerkzeuge (tools) verweist
  • formales und informelles Lernen unterstützt
  • den realen (Lern-)Kontext erfasst und berücksichtigt.

Eine Übersicht zu SLE-Kriterien und konkreten Unterscheidungsmerkmalen zwischen adaptiven und ubiquitären Lernsettings liefert Hwang, 2014 in folgender Tabelle:

Smart, Ubiquitous, Adaptive Learning im Vergleich

Die Datenmenge wächst und potenziert sich stetig. Für Wissensarbeiter/innen bedeutet dies sprichwörtlich, die Nadel im Heuhaufen zu finden. Besonders die Handhabung der verteilten, unstrukturierten Daten ist eine der zentralen Herausforderungen der digitalen Transformation, welche mittels SLEs begegnet werden kann.

Durch intelligente Verfahren kann die Entwicklung und kontinuierliche Anpassung einer persönlichen Lernumgebung unterstützt werden. Die Informationsflut (Big Data) wird hierbei kanalisiert und vorstrukturiert, um Informationsprozesse effizienter zu gestalten. (Back, 2014; Brusilovsky & Peylo, 2003; Erpenbeck & Sauter, 2015). Es ermöglicht relevante und qualitativ hochwertige Informationen automatisiert zu „liefern“, anstatt mühevoll zu recherchieren. Ansätze der künstlichen Intelligenz reichen noch weiter.

Es geht nicht nur darum, die richtigen Informationen, zum richtigen Zeitpunkt und am richtigen Ort zur Verfügung zu stellen, sondern je nach Vorliebe bedürfnisorientiert zu präsentieren, also als Text (Studie, Community-Beitrag…), Video, Podcast o.ä.

Das intelligente System „erlernt“ die Bedürfnisse und bevorzugten Lernmethoden und liefert „adaptive und kontextsensitive Informationen“. Die Gestaltung von adaptiven Lernsystemen ist ein sehr komplexer Vorgang und beruht auf einer Kombination folgender, aufeinander aufbauender Bereiche (Bomsdorf, 2005):

  1. Individuelles Profiling (Qualifikationen, Lernziele, Interessen, bevorzugte Lernmethoden etc.)
  2. Zugang zu Meta Daten (Auswertung von Big Data aus internen/ externen Datenbeständen)
  3. Set an Lernressourcen (Werkzeuge, Tools, Dienste, Kalender, Mail etc.)

Das bedeutet, dass im Vorfeld zunächst eine umfassende Bedarfsanalyse der Lernenden durchzuführen ist. Darauf aufbauend werden interne und externe Datenbestände identifiziert, die im Zuge der Lernprozesse relevante Inhalte liefern und an das Lernsystem angebunden werden können. Dazu gehören beispielsweise auch Netzwerke. In einem dritten Schritt werden dann konkrete Lernressourcen identifiziert und bereitgestellt, die individuelle Lernprozesse unterstützen können. In Ergänzung dazu führt Hwang, 2014 weitere Bereiche auf, die die Funktionalität von SLEs beeinflussen und im Vorfeld analysiert, geplant und implementiert werden müssen:

  1. Zustand der Lernenden (Aufenthaltsort, Temperatur, Zeit etc.)
  2. Lernkontrolle (Was wurde gelernt? Wo gab es Probleme? Wurden Lernziele erreicht?)
  3. Hilfe & Feedback (z.B. Leitfänden, Feedback-Systeme etc.)

Adaptive und ubiquitäre Lernarrangements setzen die kontinuierliche Erhebung, Verarbeitung, Speicherung und ggf. Weitergabe von (personenbezogenen) Daten voraus. Ein zentrales Element von SLEs ist dabei die Erstellung eines individuellen Lern-Profils, das kontinuierlich verfeinert und angepasst wird (Learning Analytics). Dabei werden Informationen zur Person, zum Aufenthaltsort, zum Surfverhalten, zu Interessens-gebieten etc. analysiert und ausgewertet (Brusilovsky & Peylo, 2003; Bomsdorf, 2005; Hwang, 2014).

Derartiges Sammeln und Auswerten von (personenbezogenen) Daten hat fundamentale Auswirkungen auf den Einzelnen sowie die Gesellschaft (Schaar, 2014). Dies ist ein Kernproblem, welches nur über die Herstellung maximaler

  • Transparenz
  • Datensouveränität
  • Selbstbestimmung

der Lernenden überwunden werden kann. Darüber hinaus sind grundlegende datenschutzrechtliche Gesetzgebungen zu modernisieren (Katzlinger, 2007; Neumann, 2014; Schaar, 2014). Bei der Gestaltung von SLEs bietet der „Privacy by Design-Ansatz“ konkrete Lösungswege, um o.a. Hindernissen zu begegnen (Langheinrich, 2001).

Ein didaktisch fundiertes Modell zur Gestaltung intelligenter Lernräume

Im Folgenden geht es darum, die individuellen PLEs mit adaptiven und ubiquitären Lernsettings innerhalb von physischen Umgebungen zu verknüpfen. Dazu ist es zunächst sinnvoll, einzelne Teilbereiche zur Gestaltung von (Lern-)Räumen näher zu betrachten und sich in einem nachgelagerten Schritt auf eine pädagogisch sinnvolle Gestaltung zu fokussieren. Ziel ist es, in Anlehnung an theoretische Vorüberlegungen ein Raumkonzept zu entwickeln, das eine nahtlose Kombination aus digitalen und physikalischen Lernsettings ermöglicht und darüber hinaus die Vielfalt der Möglichkeiten von individueller und sozialer, digitaler und analoger, mediengestützter und didaktisch organisierter Wissensaneignung kombinieren kann (Stang, 2010).

Das Modell besteht aus zwei Dimensionen, MENSCH und RAUM, die in gegenseitiger Wechselwirkung & Interaktion zueinanderstehen. Beide Dimensionen beinhalten jeweils drei Gestaltungsbereiche, die die jeweilige Dimension auszeichnen und beeinflussen.

bild1

Bei der Gestaltung intelligenter Lernräume bzw. Smart Learning Environments ist entsprechend eine Berücksichtigung dieser soziotechnischen Artefakte sowie aller Variablen zu empfehlen, die im Folgenden kurz erläutert werden.

Dimension: Mensch

1. Bedürfnisse:

Ausgangspunkt zur Gestaltung von Smart Learning Environments sind die Bedürfnisse der Menschen, die diese nutzen. Nur wenn die Lernbedürfnisse mit den Lernangeboten in hohem Maße übereinstimmen, wird über die Sinnhaftigkeit intrinsische Motivation und Interesse erzeugt. Um herauszufinden, welche Fach- und Methodenkompetenz gewünscht bzw. notwendig wird, sollte im Vorfeld ein (Bedarfs-)Analyse durchgeführt werden, die letztlich in ein (Kompetenz-)Profiling mündet. Das Profiling dient unter Beratung von professionellen Lernbegleitern zur Entwicklung einer „Persönlichen Lernumgebung“ (PLE), die auf Basis der Bedürfnisse ein individuelles Wissensmanagement unterstützt und für formale wie informelle Lernformate genutzt werden kann.

bedurfnisse

2. Lern- und Arbeitsmethoden

Um möglichst vielen Lerntypen und Lernbedarfen gerecht zu werden, ist es nützlich, innerhalb von Lernprozessen verschiedene Sinne anzusprechen und eine Methodenvielfalt zu erzeugen.  Anregungen für problemorientiertes Lernen, situatives Lernen, arbeitsplatzbezogenes Lernen, selbstgesteuertes oder kollaboratives Lernen ist z.B. dem kleinen Handbuch der didaktischen Modelle (nach Flechsig) zu entnehmen. Lernen kann aus konstruktivistischer Perspektive nie direkt gesteuert werden und ist stets eine Eigenleistung des Subjekts. Es können lediglich günstige Rahmenbedingungen zum Lernen geschaffen werden. Hierfür bieten sich neue Medien in besonderer Weise an. Aber auch „analoge“ Methoden wie z.B. Design Thinking eignen sich, um Kreativität und Innovationskraft zu fördern.

lern-und-arbeitsmethoden

3. Lern- und Unternehmenskultur

Lernprozesse werden von einer Lern- und Unternehmenskultur geprägt, die sich über viele Jahre hinweg entwickelt und manifestiert. Es ist ein Unterschied, ob man zu einer Schulung geschickt wird oder jemandem die Möglichkeit dafür geboten wird. Es ist zudem ein Unterschied, ob Experimentieren oder Fehler machen erlaubt sind oder ob streng nach Plan vorgegangen werden muss. Es ist ein Unterschied, ob hierarchische Strukturen die Kommunikation prägen oder ob auch „Top-Manager“ über Netzwerke o.ä. ansprechbar sind. Es ist darüber hinaus ein Unterschied, ob die Ziele vorgegeben werden oder man über seine Ziele selbst entscheiden kann.  Ist ein Unternehmen transparent und offen gegenüber den Mitarbeitern oder ist Intransparenz an der Tagesordnung? Werden Mitarbeiter/innen befähigt statt kontrolliert und ist ein interdisziplinäres Zusammenarbeiten über vorhandene Silo-Strukturen über Fachbereiche hinaus möglich?

lern-und-unternehmenskultur

Dimension: Raum

4. Intelligente IT-Infrastruktur

Die intelligente IT-Infrastruktur ist das Kernelement eines „Smart Learning Environments“ und wird in aktuellen Diskussionen auch als „Digitaler Agent“ oder „Digitaler Assistent“ etc. bezeichnet. Durch Bündelung von Spezialist/inn/en aus dem Bereich der künstlichen Intelligenz können intelligente Funktionen und Systeme entwickelt werden. Hierzu müssen relevante Lernressourcen und Wissensquellen identifiziert und miteinander vernetzt werden. Durch Anwendung von Data Analytics und durch Verfahren aus der künstlichen Intelligenz wie Semantik können so neuronale Netze, also abstrakte Softwarearchitekturen geschaffen werden, die Sinnzusammenhänge zwischen unterschiedlichen Wissensbeständen und Datenquellen herstellen können.  Letztlich entsteht auf dieser Grundlage ein intelligentes Empfehlungssystem, das in Abhängigkeit der individuellen Bedürfnisse (vgl. PLE) relevante Inhalte findet, aufbereitet und in bestimmte Typen klassifiziert. Die intelligente IT-Infrastruktur fungiert als Schnittstelle zwischen internen und externen Datenbeständen und organisiert bedarfsgerecht alle benötigten Informationen. Nähere Ausführungen sind im Beitrag über Competitive Intelligence im Bildungskontext enthalten. Einen verfügbaren Prototyp hinsichtlich „intelligenter Empfehlungssysteme“ stellt das EEXCESS-Projekt dar, welches den Code als Open Source via GitHub zur Verfügung stellt. Im dazugehörenden Video wird die Funktionsweise erklärt: https://www.youtube.com/watch?v=5gy6V1M2R9M

intelligente-it-infrastruktur

5. Digitale und physikalische Ausstattung

Ein wesentlicher Aspekt bei der Gestaltung intelligenter Lernräume ist die Ausstattung mit Gegenständen, also Möbel, technische Geräte oder auch Pflanzen etc. Einerseits handelt es sich hier um klassisch analoge Dinge wie Tische, Stühle, Hocker, Sofas, FlipChart, Stellwände, Stifte, Papier, Post-it´s u.s.w. Andererseits handelt es sich um die technische Ausstattung mit PC, Beamer, Audio- und Konferenzsystem oder auch mit „smart devices“. Hiermit sind z.B. smart pens, Tablets, 3D-Drucker, Smartphones, smart TV, Powerwall, smart Boards oder aber auch „intelligente Fenster“ gemeint, die sich automatisch öffnen, wenn frische Luft nötig wird. Kreative Büro-Möbel Zusammenstellungen sind z.B. in Co-Working-Spaces wie dem FabLab Berlin oder Impact HUB Berlin zu finden. Darüber hinaus verfügt ein intelligenter Lernraum über digitale Werkzeuge (Software-Applikationen), die den Lern- und Arbeitsprozess kontinuierlich unterstützen. Dies sind z.B. Anwendungen, die die Lernergebnisse mit einer (internen) „Community-of-Practice“ teilen oder auch vorinstallierte Werkzeuge, mit welchen man während des Lernprozesses Fotos, Grafiken oder Videos erstellen und bearbeiten kann. Eine gute Übersicht an Tools, die im Kontext von Lernen und Arbeiten relevant sind gibt es jährlich von Jane Heart – eine Übersicht von Robin Good führt sogar über 550 Tools im Arbeitskontext auf. Meine persönliche Zusammenstellung nützlicher Tools habe ich in einem e-Book zu „Tools für (m)ein persönliches Wissensmanagement“ erläutert.

digitale_physikalische-ausstattung

6. Workplace Architektur

Raumkultur wirkt auf Lernkultur. Es ist ein Unterschied, ob man sich in einem in Grau gehaltenen Büro oder in einem Google-Office befindet. Dies sind plakative Extreme – es gilt hier eine ausgewogene Balance zu finden. Wichtigste Ansatzpunkte sind ein angenehmes, modernes Design kombiniert mit multifunktionalem Mobiliar, welches sich einfach und schnell an unterschiedliche Lern- und Arbeitsszenarien anpassen lässt. Darüber hinaus bieten sich hier innovative Konzepte wie die des Upcyclings an, wobei z.B. aus Palletten Tische oder Regale gefertigt werden. Ein zentrales Merkmal des „Internet der Dinge“ ist die Integration der Technik in Alltagsgegenstände zu sogenannten „Smart Objects“. Damit ist die Anreicherung von Alltagsgegenständen wie z.B. einem Fenster mit Sensoren und Aktoren gemeint, um einen automatisierten Zusatznutzen zu generieren (Bsp.: Wenn die Luftqualität nicht lernförderlich ist, gehen die Fenster automatisch auf). Demnach tritt die Technik unauffällig in den Hintergrund. Die Technik wird Bestandteil der Architektur und des Mobiliars, sie ist in Wände, Tische, Stühle etc. integriert. Ein Beispiel sind integrierte Lautsprecher in Wände, Sofas o.ä. oder z.B. auch multifunktionale Raumteiler, die nur bei Bedarf einen Touchscreen zur Verfügung stellen und ansonsten als Regal oder beschreibbare Wand genutzt werden können.

workplace-architektur

Das skizzierte Modell beschreibt ein komplexes Bild über IoT in Education und liefert erste Empfehlungen zur Gestaltung intelligenter Lernräume bzw. Gestaltung von Smart Learning Environments.

Nur durch die Berücksichtigung der einzelnen Teilbereiche kann im Gesamtergebnis eine intelligente Lernumgebung entstehen, die adaptive, ubiquitäre und hybride Lernszenarien unterstützt.

Zusammengefasst ergeben sich folgende Empfehlungen:

empfehlungen

Danke an Andrea Kiss von http://www.kissundklein.de/ für die grafische Umsetzung!!

Über Feedback, Kommentare und Anregungen würde ich mich freuen!!

Erläuterungen:

[1] “Personal Learning Environments can be viewed as a concept related to the use of technology for learning focusing on the appropriation of tools and resources by the learner” (Buchem et al, 2011 S.1).

[2] Mit „Tools“ sind IT-Applikationen gemeint, die das Lernen und Arbeiten unterstützen und als Werkzeuge fungieren (z.B. RSS-Reader).

[3] “Communities of Practice (CoPs) are often seen not as domain-specific communities but rather as linked, dispersed and extended communities collaborating on common tasks. This collaboration is based on artefacts carrying the knowledge and the culture of a specific community and acting as boundary objects which can be used across different communities. Learning can take place through bringing together knowledge with practice and through critical reflection on that practice, facilitated by social applications such as blogs, wikis and micro blogging tools. Involvement and active engagement in such communities provides not only support but motivation for learning through processes of inquiry and collaboration” (Buchem et al. 2011, S. 24).

Advertisements

6 Comments

Kommentar verfassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden / Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden / Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden / Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden / Ändern )

Verbinde mit %s