Intelligente Modellierung von Lernenden in Echtzeit

Es wurde ein Lernermodell für Studierende entwickelt, die mithilfe eines computergestützten Tutorials lernen. Ein erstes Modell wurde mit den Ergebnissen eines Vortests zum zu lernenden Stoff, einem biografischen Fragebogen sowie zwei Instrumenten zur Ermittlung des Lernstils - dem Kolb LSI und dem Entwistle ASI - gefüttert. Neuronale Netze lieferten ergänzende Informationen, indem sie das Online-Verhalten erfassten, beispielsweise welche Optionen ausgewählt wurden, in welcher Reihenfolge und wie viel Zeit die Lernenden mit jeder Option verbrachten. Zu den Optionen gehörten das Ansehen eines Beispiels, das Lesen eines Erklärungstextes oder das Absolvieren eines Übungstests. Das Online-Lernverhalten, das zu erfolgreichen bzw. erfolglosen Lernergebnissen führte, wurde anschließend mithilfe von Statistiken und neuronalen Netzen ausgewertet. Die Lernergebnisse wurden in Nachtests gemessen. Nur der Entwistle ASI erwies sich als nützliches A-priori-Maß. Sowohl die statistischen Analysen als auch die Analysen mittels neuronaler Netze ergaben ähnliche Kategorien für Lernermodelle, was bedeutet, dass eine valide Echtzeit-Lernermodellierung möglich ist. Dies würde eine Echtzeitanpassung sowohl der Inhalte als auch des Vermittlungsformats der Unterrichtsmaterialien ermöglichen. Ein weiterer Vorteil besteht darin, dass man sich kontinuierlich anpassen oder mit den Lernenden Schritt halten kann, während diese Fortschritte machen und weiterlernen.