LPA-AFLEK – Learning Progression Analytics - Analyse und Förderung von Lernverläufen zur Entwicklung von Kompetenzen
Time-period of study
2020 – 2023
Leadership / Management
Di Mitri, Daniele / Drachsler, Hendrik (ORCID: 0000-0001-8407-5314) / Rummel, Nicole (ORCID: 0000-0002-3187-5534) / Kubsch, Marcus (ORCID: 0000-0001-5497-8336) / Neumann, Knut (ORCID: 0000-0002-4391-7308) / Grimm, Adrian / Borgards, Lena / Bohm, Isabell / Strauß, Sebastian / Gombert, Sebastian / Karademir, Onur
Collaboration
Di Mitri, Daniele (ORCID: 0000-0002-9331-6893) / Borgards, Lena (ORCID: 0009-0009-0739-590X) / Karademir, Onur (ORCID: 0000-0002-6985-4202) / Strauß, Sebastian (ORCID: 0000-0002-0647-1132) / Gombert, Sebastian (ORCID: 0000-0001-5598-9547) / Grimm, Adrian (ORCID: 0000-0003-2701-3349) / Bohm, Isabell
- Deutschland
- Kompetenzentwicklung
- Unterrichtsforschung
- Interdisziplinäre Forschung
- Lehrer-Schüler-Interaktion
- Learning Analytics
- Lernprozess
- Physikunterricht
- Feedback
- Lernverhalten
- Learning Progression Analytics
- Diagnosekompetenz
- digitales Lernen
Erfolgreicher Schulunterricht ist mehr als die bloße Beschäftigung mit vorgegebenen Themen im Unterricht. Im Idealfall sollten Schülerinnen und Schüler mithilfe des Unterrichts Kompetenzen entwickeln und vernetztes Wissen aufbauen. Ist das nicht so, ist der Lernverlauf "unproduktiv". Digitale Unterrichtseinheiten können helfen, individuelle Lernverläufe von Schülerinnen und Schülern zu erfassen, zu analysieren, inwieweit diese produktiv sind, und die Informationen an Lehrkräfte zurückzumelden. Wie Lehrkräfte diese Daten im Unterricht nutzen können, um aus unproduktiven Lernverläufen produktive zu machen, ist bislang weitgehend unerforscht. Hier setzt das vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Verbundprojekt des Leibniz-Instituts für die Pädagogik der Naturwissenschaften und Mathematik (IPN), des Leibniz-Instituts für Bildungsforschung und Bildungsinformation (DIPF) und der Ruhr-Universität Bochum an. Ziel ist es herausfinden, wie sich individuelle Lernverläufe und die dabei auftretenden Lernschwierigkeiten abbilden lassen. Anhand von Daten aus digitalen Unterrichtseinheiten im Fach Physik sollen produktive und unproduktive Lernverläufe identifiziert werden. Mithilfe dieser Informationen sollen Lernschwierigkeiten automatisch erkannt und konkrete Handlungsvorschläge für Lehrkräfte abgeleitet werden, um unproduktive in produktive Lernverläufe zu überführen. Das interdisziplinäre Team nutzt dafür sogenannte Teacher Dashboards, die Lehrkräften nahezu in Echtzeit Feedback zum Lernverlauf ihrer Schülerinnen und Schüler geben können. Dem Team am IPN obliegt dabei die Koordination des Verbundprojekts. Es bringt außerdem seine Expertise in der fachdidaktischen Analyse von Lernprozessen und der Kompetenzdiagnostik in das Verbundprojekt ein. Das Team des DIPF fokussiert vor allem die Analyse von Lernprozessen mittels Learning Analytics. Das Team der Ruhr-Universität bringt seine lernpsychologische Expertise in das Verbundprojekt ein und ist für die Erprobung der Teacher Dashboards unter realen Bedingungen zuständig.
Funding
Research design
- Längsschnitt → Kohorten
Geographic coverage
Deutschland; Schleswig-Holstein
Population
Sampling
- Nicht-Wahrscheinlichkeitsauswahl
Sampled universe
ZA8874: Learning Progression Analytics - Analyse und Förderung von Lernverläufen zur Entwicklung von Kompetenzen (LPA-AFLEK)
Collection mode
2021 – 2023
Resource type
- Umfrage- und Aggregatdaten
- Kompetenz- und Leistungsdaten
- Qualitatives, nicht oder gering standardisiertes Datenmaterial
(Ausführliche Beschreibungen, beispielsweise zum Untersuchungsdesign, dem zugrundeliegenden Kompetenz-Modell, sowie dem Scoring-Prozess; Scores zu den Daten; Text; Datensatz)
Collection mode
- Inhaltscodierung
- Messungen und Tests → Leistungs- und Kompetenztests → Computerbasierter Test
- Eigenständig auszufüllender Fragebogen → CAWI (Computerunterstützte Web-Befragung)
Sampling
Publication date
26.09.2025
Availability
Zugangsklasse 0 - Daten und Dokumente sind für jedermann freigegeben.