TY - THES A1 - Hörmann, Markus T1 - Analyzing and fostering students' self-regulated learning through the use of peripheral data in online learning environments T1 - Analyse und Förderung des selbstgesteuerten Lernens durch die Verwendung von peripheren Daten in Online-Lernumgebungen N2 - Learning with digital media has become a substantial part of formal and informal educational processes and is gaining more and more importance. Technological progress has brought overwhelming opportunities for learners, but challenges them at the same time. Learners have to regulate their learning process to a much greater extent than in traditional learning situations in which teachers support them through external regulation. This means that learners must plan their learning process themselves, apply appropriate learning strategies, monitor, control and evaluate it. These requirements are taken into account in various models of self-regulated learning (SRL). Although the roots of research on SRL go back to the 1980s, the measurement and adequate support of SRL in technology-enhanced learning environments is still not solved in a satisfactory way. An important obstacle are the data sources used to operationalize SRL processes. In order to support SRL in adaptive learning systems and to validate theoretical models, instruments are needed which meet the classical quality criteria and also fulfil additional requirements. Suitable data channels must be measurable "online", i.e., they must be available in real time during learning for analyses or the individual adaptation of interventions. Researchers no longer only have an interest in the final results of questionnaires or tasks, but also need to examine process data from interactions between learners and learning environments in order to advance the development of theories and interventions. In addition, data sources should not be obtrusive so that the learning process is not interrupted or disturbed. Measurements of physiological data, for example, require learners to wear measuring devices. Moreover, measurements should not be reactive. This means that other variables such as learning outcomes should not be influenced by the measurement. Different data sources that are already used to study and support SRL processes, such as protocols on thinking aloud, screen recording, eye tracking, log files, video observations or physiological sensors, meet these criteria to varying degrees. One data channel that has received little attention in research on educational psychology, but is non-obtrusive, non-reactive, objective and available online, is the detailed, timely high-resolution data on observable interactions of learners in online learning environments. This data channel is introduced in this thesis as "peripheral data". It records both the content of learning environments as context, and related actions of learners triggered by mouse and keyboard, as well as the reactions of learning environments, such as structural or content changes. Although the above criteria for the use of the data are met, it is unclear whether this data can be interpreted reliably and validly with regard to relevant variables and behavior. Therefore, the aim of this dissertation is to examine this data channel from the perspective of SRL and thus further close the existing research gap. One development project and four research projects were carried out and documented in this thesis. N2 - Lernen mit digitalen Medien ist ein substantieller Bestandteil formeller und informeller Bildungsprozesse geworden und gewinnt noch immer an Bedeutung. Technologischer Fortschritt hat überwältigende Möglichkeiten für Lernende geschaffen, stellt aber gleichzeitig auch große Anforderungen an sie. Lernende müssen ihren Lernprozess sehr viel stärker selbst regulieren als in traditionellen Lernsituationen, in denen Lehrende durch externe Regulation unterstützen. Das heißt, Lernende müssen ihren Lernprozess selbst planen, geeignete Lernstrategien anwenden, ihn überwachen, steuern und evaluieren. Diesen Anforderungen wird in verschiedenen Modellen des selbst-regulierten Lernens (SRL) Rechnung getragen. Obwohl die Wurzeln der Forschung zu SRL bis in die 1980er Jahren zurück reichen, ist die Messung und adäquate Unterstützung von SRL in technologie-gestützten Lernumgebungen noch immer nicht zufriedenstellend gelöst. Eine wichtige Hürde sind dabei die Datenquellen, die zur Operationalisierung von SRL-Prozessen herangezogen werden. Um SRL in adaptiven Lernsystemen zu unterstützen und theoretische Modelle zu validieren, werden Instrumente benötigt, die klassischen Gütekriterien genügen und darüber hinaus weitere Anforderungen erfüllen. Geeignete Datenkanäle müssen „online“ messbar sein, das heißt bereits während des Lernens in Echtzeit für Analysen oder die individuelle Anpassung von Interventionen zur Verfügung stehen. Forschende interessieren sich nicht mehr nur für die Endergebnisse von Fragebögen oder Aufgaben, sondern müssen auch Prozessdaten von Interaktionen zwischen Lernenden und Lernumgebungen untersuchen, um die Entwicklung von Theorien und Interventionen voranzutreiben. Zudem sollten Datenquellen nicht intrusiv sein, sodass der Lernprozess nicht unterbrochen oder gestört wird. Dies ist zum Beispiel bei Messungen physiologischer Daten der Fall, zu deren Erfassung die Lernenden Messgeräte tragen müssen. Außerdem sollten Messungen nicht reaktiv sein – andere Variablen (z.B. der Lernerfolg) sollten also nicht von der Messung beeinflusst werden. Unterschiedliche Datenquellen die zur Untersuchung und Unterstützung von SRL-Prozessen bereits verwendet werden, wie z.B. Protokolle über lautes Denken, Screen-Recording, Eye Tracking, Log-Files, Videobeobachtungen oder physiologische Sensoren erfüllen diese Kriterien in jeweils unterschiedlichem Ausmaß. Ein Datenkanal, dem in der pädagogische-psychologischen Forschung bislang kaum Beachtung geschenkt wurde, der aber nicht-intrusiv, nicht-reaktiv, objektiv und online verfügbar ist, sind detaillierte, zeitlich hochauflösende Daten über die beobachtbare Interkation von Lernenden in online Lernumgebungen. Dieser Datenkanal wird in dieser Arbeit als „peripheral data“ eingeführt. Er zeichnet sowohl den Inhalt von Lernumgebungen als Kontext auf, als auch darauf bezogene Aktionen von Lernenden, ausgelöst durch Maus und Tastatur, sowie die Reaktionen der Lernumgebungen, wie etwa strukturelle oder inhaltliche Veränderungen. Zwar sind die oben genannten Kriterien zur Nutzung der Daten erfüllt, allerdings ist unklar, ob diese Daten auch reliabel und valide hinsichtlich relevanten Variablen und Verhaltens interpretiert werden können. Ziel dieser Dissertation ist es daher, diesen Datenkanal aus Perspektive des SRL zu untersuchen und damit die bestehende Forschungslücke weiter zu schließen. Dafür wurden eine Entwicklungs- sowie vier Forschungsarbeiten durchgeführt und in dieser Arbeit dokumentiert. KW - Selbstgesteuertes Lernen KW - Computerunterstütztes Lernen KW - self-regulated learning KW - process analysis KW - online learning KW - mouse tracking KW - keyboard tracking KW - learning KW - selfregulated Y1 - 2020 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-180097 ER - TY - THES A1 - Betz, Christian T1 - Scalable authoring of diagnostic case based training systems T1 - Skalierbare Erstellung diagnostischer fallbasierter Trainingssysteme N2 - Diagnostic Case Based Training Systems (D-CBT) provide learners with a means to learn and exercise knowledge in a realistic context. In medical education, D-CBT Systems present virtual patients to the learners who are asked to examine, diagnose and state therapies for these patients. Due a number of conflicting and changing requirements, e.g. time for learning, authoring effort, several systems were developed so far. These systems range from simple, easy-to-use presentation systems to highly complex knowledge based systems supporting explorative learning. This thesis presents an approach and tools to create D-CBT systems from existing sources (documents, e.g. dismissal records) using existing tools (word processors): Authors annotate and extend the documents to model the knowledge. A scalable knowledge representation is able to capture the content on multiple levels, from simple to highly structured knowledge. Thus, authoring of D-CBT systems requires less prerequisites and pre-knowledge and is faster than approaches using specialized authoring environments. Also, authors can iteratively add and structure more knowledge to adapt training cases to their learners needs. The theses also discusses the application of the same approach to other domains, especially to knowledge acquisition for the Semantic Web. N2 - Fallbasierte diagnostische Trainingssysteme (FDT) ermöglichen es Lernern, Wissen durch Anwendung in einem realistischen Kontext zu erwerben und zu festigen. In der medizinischen Ausbildung präsentieren FDT Systeme virtuelle Patienten, an denen der Lerner die Auswahl und Interpretation der richtigen Untersuchungen, die Diagnostik und die Bestimmung geeigneter Therapien erlernen und üben kann. Eine Vielzahl von Anforderungen durch die Lerner und die Autoren solcher Systeme hat zur Entwicklung unterschiedlicher Trainingsumgebungen geführt. Darunter gibt es einfache, präsentationsorientierte Systeme ebenso wie komplexe wissensbasierte Systeme, die exploratives Lernern erlauben. Diese Dissertation untersucht einen Ansatz und Werkzeuge, um FDT Systeme aus vorhandenen Daten (d.h. Dokumenten, beispielsweise Entlassschreiben) und mit Hilfe bekannter Werkzeuge (d.h. Textverarbeitung) zu entwickeln: Die Autoren annotieren dazu die Dokumente, um die Fälle zu modellieren. Eine skalierbare Wissensrepräsentation kann das so extrahierte Wissen auf verschiedenen Ebenen erfassen, angefangen mit unstrukturierten Elementen bis zu Wissensmodellen mit kausalen Beziehungen. Autoren können mit Hilfe des vorgestellten Ansatzes fallbasierte diagnostische Trainingssysteme mit geringerem Vorwissen und schneller erstellen als mit Hilfe spezialisierter Autorensysteme. Dabei können die Autoren insbesondere die Fälle sukzessive mit weiterem Wissen anreichern und so auf die Anforderungen ihrer Lerner anpassen. In der Dissertation wird darüber hinaus die Anwendung des Ansatzes und der entstandenen Werkzeuge auf andere Domänen untersucht. Besonders interessant ist dabei die Anwendung in der Wissensakquisition für das Semantic Web. KW - Computerunterstütztes Lernen KW - Medizin KW - Wissensrepräsentation KW - Trainingssystem KW - agile Prozesse KW - Semantic Web KW - d3web.Train KW - knowledge representation KW - training systems KW - agile processes KW - semantic web KW - d3web.Train Y1 - 2005 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-17885 ER -