conferences | speakers | series

S145: Ein Fallbeispiel zum Umgang mit Learning Analytics Forschungsdaten - fachspezifische Konzeptentwicklung eines Data Librarians

home

S145: Ein Fallbeispiel zum Umgang mit Learning Analytics Forschungsdaten - fachspezifische Konzeptentwicklung eines Data Librarians
Bibliothekskongress 2022

Session: Data Literacy (S145)

Ein Fallbeispiel zum Umgang mit Learning Analytics Forschungsdaten - fachspezifische Konzeptentwicklung eines Data Librarians
I. Wolff1, V. Köppen2, S. Zug3
1Otto-von-Guericke-Universität Magdeburg, Magdeburg, Deutschland, 2Zentral- und Landesbibliothek Berlin, Berlin, Deutschland, 3Technische Universität Bergakademie Freiberg, Freiberg, Deutschland

Abstract Text: Learning Analytics (LA) befassen sich mit der Aggregation und Analyse von Lernendendaten und deren Kontext, um den Lernprozess zu verstehen und systematisch zu verbessern. Obwohl die Methoden der LA zum größten Teil digitale Daten generieren und komplexe Analyseverfahren verwenden, besitzt die Disziplin bisher weder eine Forschungsdatenkultur noch liegen fachspezifische Konzepte zur Nachnutzung der Daten vor. Insbesondere vor dem Hintergrund, dass die Zahl der Probanden häufig ein kritisches Element der Studien darstellen, wäre diese auf einer übergreifenden Ebene zielführend. Wissenschaftliche Bibliotheken können hier mit ihrer Datenkompetenz eine entscheidende Rolle spielen, Wissenschaftler der LA bezüglich ihrer Datenhaltung zu unterstützen.
Anhand eines Fallbeispiels aus der Hochschullehre, der Untersuchung kollaborativen Erlernens von Programmiersprachen, zeigen wir, wie die Arbeit eines beteiligten Data Librarians aussehen kann. Im Fokus soll die unterstützende Arbeit für den Wissenschaftler stehen, die einerseits auf die Analyse der LA Forschung und der sich daraus ergebenden fachspezifischen Bedarfe beruht. Andererseits soll das entwickelte Vorgehensmodell einen Mehraufwand bezüglich der professionellen Datenerhaltung für den Wissenschaftler verhindern, indem Maßnahmen und fachspezifische Lösungen entlang des Datenlebenszyklus in den Bereichen – Planung, Auswahl, Übernahme, Speicherung, Erhaltungsmaßnahmen, Zugriff und Nutzung – abgeleitet werden. Entsprechend zielt das Vorhaben ausgehend von der Analysephase auf eine weitgehend automatisierte Realisierung dieser Schrittfolge. In der Umsetzung des Konzepts entsteht auf der Basis der über mehrere Semester gesammelten Datensätze eine konsistente mehrstufige (Meta-)Datenstruktur, die den Austausch entlang notwendiger Bedarfe (bspw. Privacy) für die Arbeit im unmittelbaren Team, durch Projektpartner und durch Dritte gewährleistet.

Tweet

Speakers: Ian Wolff Sebastian Zug Veit Köppen