LearnLab: Adaptive Data Driven Learning Space

Screenshot der Programmierumgebung 'Karel'

Das Studierendenprojekt LearnLab zielt darauf ab, eine verbreitete Open-Source Programmier-Lernumgebung namens Karel in den Browser zu portieren und mittels Nutzungsdaten die Lernkurve zu optimieren. Es soll versucht werden, das Lerntempo und die Motivation der Nutzer:innen über den Kurs hinweg zu messen. Dies ermöglicht es, problematische Lektionen zu identifizieren und iterativ zu überarbeiten, beispielsweise indem übermäßig schwere Lektionen einfacher gestaltet werden. Weiterhin könnten das Curriculum später für Nutzer:innen automatisiert angepasst werden, wenn ihr Lerntempo in bestimmten Bereichen wesentlich vom Durchschnitt abweicht. 
 
Das Projekt soll den Fachkräftemangel im Bereich der Informatik adressieren und den Bedarf an grundlegenden Programmierkenntnissen in verschiedenen Disziplinen decken. Das Lernen der Programmierung kann für Anfänger:innen herausfordernd sein, und der Mangel an Lehrkräften erschwert den Lernprozess zusätzlich. Das Projekt bietet eine innovative Möglichkeit, Lernmaterialien evidenzbasiert zu gestalten und gleichzeitig an die individuellen Fähigkeiten der Nutzer:innen anzupassen. Durch die Justierung des Schwierigkeitsgrads an das Lerntempo und das Vorwissen der Lernenden kann der Betreuungsaufwand reduziert und eine motivierende Lernerfahrung gewährleistet werden. 
 
Herausforderungen sind dabei sowohl inhaltlicher als auch technischer Natur. Es müssen sinnvolle Metriken definiert und deren Aussagekraft validiert werden, außerdem muss die Lernanwendung aus didaktischer Sicht an unsere Zwecke angepasst werden. So besteht ein nicht unwesentlicher Teil der Arbeit in der Gestaltung von Lerninhalten. Gleichzeitig entsteht eine Software-Anwendung, was für sich genommen viele Herausforderungen mit sich bringt. Die Lernanwendung an sich muss funktionieren, die Daten müssen an einen Server geschickt und danach ausgewertet werden. Im späteren Verlauf des Projekts wird der Auswertungsprozess eventuell automatisiert stattfinden. Die Auswertungen der Daten werden zunächst mit Methoden der frequentistischen Statistik stattfinden, um zum Beispiel eine signifikante Abweichung vom durchschnittlichen Lerntempo zu prüfen. Perspektivisch ist aber auch Machine-Learning als Methode denkbar, um einen komplexeren Empfehlungsalgorithmus für passende Curriculums-Inhalte zu entwickeln.