227
deposit_hagen Publikationsserver der Universitätsbibliothek Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten Mathematik und Informatik Dissertation Tobias Augustin

Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

  • Upload
    others

  • View
    11

  • Download
    0

Embed Size (px)

Citation preview

Page 1: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

deposit_hagenPublikationsserver der Universitätsbibliothek

Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten

Mathematik und Informatik

Dissertation

Tobias Augustin

Page 2: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

Entwicklung eines Frameworks zur

Personalisierung von

E-Learning-Angeboten

M.Sc. Tobias Augustin

aus Hagen

Dissertation

zur Erlangung des akademischen Grades

Dr. rer. nat.

der Fakultät für Mathematik und Informatik der

Fernuniversität in Hagen

Hagen 2016

Page 3: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

ii

Kurzfassung

Massive Open Online Courses oder kurz MOOC’s sind eine erst seit we-

nigen Jahren eingesetzte, spezielle Form von E-Learningangebot, mit der

sich bis dahin ungeahnte Mengen von Lernenden erreichen lassen. Derzeit

werden MOOC’s vor allem von Universitäten und Unternehmen im Bil-

dungssektor eingesetzt. Sie erlauben es Lernenden auf der ganzen Welt,

zeit- und ortsunabhängig an Veranstaltungen teilzunehmen. Die Veran-

staltungen mit teilweise mehr als 100.000 Teilnehmern setzen sich aus

kleinen Lerneinheiten zusammen, bestehend aus Videosequenzen oder

Textabschnitten.

Allerdings sind MOOC’s heute nur als statische Umgebung vorzufinden,

die nicht auf die Individualität und den jeweils aktuellen situativen Kon-

text des Nutzers eingehen. Nach dem Prinzip ”one size fits all” erlauben

sie lediglich hinsichtlich der Komponenten Zeit und Ort große Freihei-

ten. Zwar sind Lernumgebungen, die sich dynamisch an die verschiede-

nen Anforderungen und Bedürfnisse des Benutzers anpassen, keine neue

Überlegung, denn Ansätze zur Entwicklung adaptiver Lernumgebungen

gibt es etwa seit den 1980er Jahren. Allerdings gehen die vorhandenen

Lösungen und Ansätze in der Regel nicht über adaptierbare Funktionen,

um den Komfort bei der Bearbeitung zu erhöhen, und eine Adaption im

Sinne von recht einfachen Navigationshilfen oder Annotationen hinaus.

Die Ursachen hierfür liegen zum einen in den fehlenden technischen Res-

sourcen in der Anfangszeit dieser Entwicklungen und zum anderen in der

Anzahl der zu erreichenden Lernenden. Auch in Zeiten von online verfüg-

baren Web-Based-Trainings finden sich in der Regel nur kleine vierstelli-

ge Teilnehmerzahlen. Betrachtet man den Aufwand für die Entwicklung

einer umfangreichen adaptiven Lernumgebung und die anschließende Er-

stellung multimodaler und multicodaler Inhalte, ist der Aufwand je Teil-

nehmer immer eine kritische Größe gewesen.

Diese kritischen Einflussfaktoren haben sich in den letzten Jahren stark

verändert. Berücksichtigt man die heute über MOOC’s erreichbare Menge

an Lernenden, ist zu erkennen, dass sich dieses Verhältnis verändert hat

und daß damit eine deutliche Erhöhung des Aufwands zur Erstellung von

qualitativ hochwertigen adaptiven Inhalten gerechtfertigt scheint. Gleich-

zeitig wurde die Entwicklung von Webtechnologien stark vorangetrieben,

mit der Folge, dass viele proprietäre Sonderlösungen durch leistungsstar-

Page 4: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

iii

ke Standards abgelöst werden können.

Jedoch gibt es seit der Frühzeit der adaptiven Lernumgebungen Entwick-

lungen, die vollkommen neue Lösungsansätze und Konzepte erfordern. So

konnte in den 1980er Jahren noch davon ausgegangen werden, dass einem

Benutzer immer genau ein Endgerät zugeordnet werden kann. Es war

nicht zu erwarten, dass dieses Gerät sich hinsichtlich seiner Leistungs-

fähigkeit und technischen Möglichkeiten verändert. Heute hingegen ver-

wenden die meisten Nutzer mehrere Geräte, die in unterschiedlichen Si-

tuationen zum Einsatz kommen. Insbesondere die Nutzung mobiler End-

geräte in adaptiven Lernumgebungen erfordert neue Lösungsansätze, um

Geräte mit verschiedenen Charakteristika so mit Inhalten zu beliefern,

dass für den Nutzer ein individuell optimierter und zugleich transparen-

ter Lernprozess auf allen seinen Geräten entsteht.

Vorhandene Systeme nutzen nur ein sehr eingeschränktes Spektrum an

individuellen Benutzermerkmalen und daraus abgeleiteten Adaptions-

maßnahmen. Häufig berücksichtigen vorhandene Systeme nur ein einzel-

nes Merkmal, dessen Ausprägung zu Beginn ermittelt wird und anschlie-

ßend als konstant angenommen wird, wodurch sich kein Benutzermodell

erstellen lässt. Insbesondere dynamische Faktoren, die für die momentane

Situation des Benutzers entscheidend sind, finden keine Berücksichtigung.

Gegenstand der Arbeit ist die Konzipierung und Entwicklung einer be-

nutzerzentrierten adaptiven Lernumgebungen, die sich dadurch auszeich-

net, dass sie den Lernprozess anhand individueller Merkmale ihrer Benut-

zer und deren Umgebung, sowie deren aktueller Situation anpassen kann.

Hierfür wurde ein dynamisch erweiterbares Framework konzipiert und als

Prototyp entwickelt, innerhalb dessen Messverfahren für technische oder

individuelle, persönliche Benutzermerkmale integriert werden können. So

lässt sich innerhalb des Frameworks ein präzises Benutzermodell erstel-

len, mit dessen Hilfe ein dynamisches Regelwerk die zu vermittelnden

Lerninhalte an die Individualität und die aktuelle persönliche Situation

des Lernenden anpasst. Exemplarisch werden in der Arbeit die aktu-

ell zur Verfügung stehende Kommunikationsbandbreite als technisches

Merkmal, die Medienpräferenz des Lernenden und eine Emotionsanalyse

als individuelles, persönliches Merkmale ermittelt.

Page 5: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

iv

Abstract

Massive Open Online Courses or short MOOC’s are a special form of e-

learning environment, which has been in use for a few years and allows us

to address untold numbers of students. At present, MOOCs are mainly

used by universities and enterprises in the education sector. They enable

learners all over the world to participate in lectures independent of place

and time. The lectures with sometimes more than 100,000 students are

based on small units consisting of video sequences or text sections.

However today’s MOOC’s are only to be found as a static environments

that do not take into account the diversity of the students and their si-

tuational context. According to the ”one size fits all” principle, they only

allow great freedom with regard to the components time and location.

Learning environments that adapt dynamically to the individual needs of

the user are not a new consideration, as approaches to developing adap-

tive learning environments have been around since the 1980s. However,

existing solutions usually do only have adaptable functions to increase

the comfort in the processing, and do not reach beyond an adaptation in

the sense of quite simple navigation aids or annotations.

The reasons for this have been, on the one hand, the lack of technical

resources in the early days of these developments, and the number of stu-

dents to be reached. Even in times of online-based web-based training,

there are usually only small numbers of course attendants. Considering

the effort required to develop a large adaptive learning environment and

the subsequent creation of multimodal and multicodal content, the effort

per participant has always been a critical factor.

These critical factors have changed dramatically in recent years. Consi-

dering the number of students that are reachable today by MOOCs, it is

obvious that this relationship has changed and that a significant increase

in the effort to produce high-quality adaptive content can now be justi-

fied. At the same time, the development of web technologies has been

significantly progressed, with the result that many proprietary special

solutions today can be replaced by powerful standards.

Since the early days of adaptive learning environments there have been

developments that require completely new approaches and concepts. In

the 1980s, for example, it could be assumed that a single user would

always use the same, unique terminal or device. This device was not

Page 6: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

v

expected to change in terms of performance and technical capabilities.

Today, however, most users have access to multiple devices that are used

in different situations. In particular, the use of mobile devices in adapti-

ve learning environments requires new approaches to ensure that devices

with different characteristics are provided with learning content in such a

way that the user experiences an individually optimized and at the same

time transparent education process on all his devices. Existing systems

use only a very limited range of individual user features and adaptive

measures derived from them. In many cases, existing systems only take

into account a single characteristic, with the initial value for this charac-

teristic being determined once at the beginning of a learning session and

then assumed to be constant, which means that no dynamic user model

can be created. In particular, dynamic factors, which can be decisive for

the current situation of the user, are not taken into account.

The aim of this thesis is the design and development of a user-centric

adaptive learning environment, which is characterized by the fact that

it can adapt the learning process by means of individual characteristics

of its users and their environment as well as their current situation. For

this purpose, a dynamically extensible framework was designed and de-

veloped as a prototype, within which measuring methods for technical or

individual, personal user features can be integrated. In this way, a precise

user model can be created within the framework. A dynamic set of rules

will adopt the course material to be delivered to the individuality and

the current personal situation of the learner. The current communicati-

on bandwidth as a technical feature, the media preference of the learner

and an emotion analysis as individual, personal features are identified

and demonstrated as examples.

Page 7: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

vi

Inhaltsverzeichnis

Kurzfassung ii

Abstract iv

Abbildungsverzeichnis ix

1. Einleitung 1

1.1. Motivation und Problemstellung . . . . . . . . . . . . . . 3

1.2. Forschungsfragen und Ziel der Arbeit . . . . . . . . . . . 7

1.3. Gliederung der Arbeit . . . . . . . . . . . . . . . . . . . 9

2. Stand der Forschung und Technik 11

2.1. Forschungsfeld . . . . . . . . . . . . . . . . . . . . . . . . 11

2.2. Historische Entwicklung . . . . . . . . . . . . . . . . . . 14

2.3. Adaptive Systeme . . . . . . . . . . . . . . . . . . . . . . 16

2.4. Taktung der Adaption . . . . . . . . . . . . . . . . . . . 22

2.4.1. Schnittstellen-Adaptivität . . . . . . . . . . . . . 22

2.4.2. Makroadaptivität . . . . . . . . . . . . . . . . . . 23

2.4.3. Mikroadaptivität . . . . . . . . . . . . . . . . . . 23

2.5. Einflussgrößen . . . . . . . . . . . . . . . . . . . . . . . . 24

2.6. Messverfahren . . . . . . . . . . . . . . . . . . . . . . . . 35

2.6.1. Explizite Messverfahren . . . . . . . . . . . . . . 37

2.6.2. Implizite Messverfahren . . . . . . . . . . . . . . 38

2.6.3. Weitere Messverfahren . . . . . . . . . . . . . . . 39

2.7. Domänenmodell . . . . . . . . . . . . . . . . . . . . . . . 41

2.8. Benutzermodell . . . . . . . . . . . . . . . . . . . . . . . 43

2.9. Modellierungsverfahren . . . . . . . . . . . . . . . . . . . 45

2.9.1. Verfahren zur Modellierung von Benutzern . . . . 45

2.9.2. Verfahren zur Modellierung von Stereotypen und

Personae . . . . . . . . . . . . . . . . . . . . . . . 51

2.10. Adaptionsmaßnahmen . . . . . . . . . . . . . . . . . . . 54

2.10.1. Textadaption . . . . . . . . . . . . . . . . . . . . 54

2.10.2. Navigationsadaption . . . . . . . . . . . . . . . . 56

2.10.3. Contentadaption . . . . . . . . . . . . . . . . . . 57

2.11. Verfügbare Lösungen und Produkte . . . . . . . . . . . . 59

2.11.1. Schnittstellenadaptivität . . . . . . . . . . . . . . 59

2.11.2. Makroadaptivität . . . . . . . . . . . . . . . . . . 61

Page 8: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

vii

2.11.3. Mikroadaptivität . . . . . . . . . . . . . . . . . . 65

2.11.4. Zusammenfassende Betrachtung über den Stand

der Technik . . . . . . . . . . . . . . . . . . . . . 68

2.12. Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . 71

2.13. Verbleibende Herausforderungen und weiteres Vorgehen . 74

3. Systemkonzeption 77

3.1. Anforderungsanalyse . . . . . . . . . . . . . . . . . . . . 77

3.2. Zieldefinition . . . . . . . . . . . . . . . . . . . . . . . . 80

3.3. Anforderungsdefinition . . . . . . . . . . . . . . . . . . . 83

3.4. Logische Systemarchitektur . . . . . . . . . . . . . . . . 88

3.5. Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . 91

4. Umsetzung des Prototyps 92

4.1. Systemarchitektur . . . . . . . . . . . . . . . . . . . . . . 93

4.1.1. Systemplattform und Entwicklungsumgebung . . 94

4.1.2. Physische Architektur . . . . . . . . . . . . . . . 95

4.1.3. Datenbankstruktur . . . . . . . . . . . . . . . . . 97

4.2. Regelverwaltung . . . . . . . . . . . . . . . . . . . . . . . 104

4.3. Komponentenschnittstelle . . . . . . . . . . . . . . . . . 105

4.4. Komponentenentwicklung . . . . . . . . . . . . . . . . . 107

4.4.1. Medienpräferenz . . . . . . . . . . . . . . . . . . 107

4.4.2. Bandbreitenermittlung . . . . . . . . . . . . . . . 111

4.4.3. Emotionserkennung . . . . . . . . . . . . . . . . . 113

4.5. Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . 137

5. Demonstration und Evaluation 139

5.1. Strukturverwaltung . . . . . . . . . . . . . . . . . . . . . 141

5.2. Contentpflege . . . . . . . . . . . . . . . . . . . . . . . . 146

5.3. Benutzerbetreuung . . . . . . . . . . . . . . . . . . . . . 150

5.4. Regelverwaltung . . . . . . . . . . . . . . . . . . . . . . . 152

5.5. Endbenutzerschnittstelle . . . . . . . . . . . . . . . . . . 159

5.6. Evaluation der Komponente zur Emotionserkennung . . . 176

5.7. Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . 181

6. Ergebnisse und Diskussion 184

6.1. Forschungsergebnisse . . . . . . . . . . . . . . . . . . . . 184

6.2. Zusammenfassung und Fazit . . . . . . . . . . . . . . . . 188

Page 9: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

viii

6.3. Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . 191

Literaturverzeichnis 193

Anhang 209

A. Knoten zur Demonstration der Benutzerschnittstelle 209

B. Übersicht über die eingesetzten Testbilder 213

Page 10: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

ix

Abbildungsverzeichnis

1. Kernkomponenten eines AEHS . . . . . . . . . . . . . . . 21

2. Adaptierbare Funktion in mobiler Anwendung . . . . . . 36

3. Domänen Netzwerkmodell . . . . . . . . . . . . . . . . . 42

4. Einfaches binäres Overlay Modell . . . . . . . . . . . . . 47

5. Mehrschichtiges gewichtetes Overlay Modell . . . . . . . 49

6. Logische Systemarchitektur . . . . . . . . . . . . . . . . 90

7. Physikalische Systemarchitektur . . . . . . . . . . . . . . 97

8. Datenbankstruktur: Content Schema . . . . . . . . . . . 99

9. Datenbankstruktur: User Schema . . . . . . . . . . . . . 101

10. Datenbankstruktur: Regel Schema . . . . . . . . . . . . . 103

11. Komponentenschnittstelle . . . . . . . . . . . . . . . . . 106

12. Schematischer Aufbau . . . . . . . . . . . . . . . . . . . 108

13. JavaScript Komponente zur Ermittlung der Medienpräferenz109

14. PHP Komponente zur Ermittlung der Medienpräferenz . 110

15. AJAX Requests im zeitlichen Verlauf . . . . . . . . . . . 110

16. Clientseitig eingesetzter Javascript Code zur ermittlung

der zur Verfügung stehenden Bandbreite . . . . . . . . . 111

17. Schematischer Aufbau der Emotionserkennungskomponente114

18. WebSocket Client . . . . . . . . . . . . . . . . . . . . . . 115

19. WebSocketServer Klasse . . . . . . . . . . . . . . . . . . 116

20. WebSocketHandler Klasse . . . . . . . . . . . . . . . . . 117

21. Serverseitige Extraktion der Benutzerkennung . . . . . . 117

22. Zwei Haar Features in einem Testbild . . . . . . . . . . . 118

23. Haar Features nach Viola und Jones . . . . . . . . . . . . 119

24. Einfaches Integral-Image zwischen Ursprung und Punkt

(x,y) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

25. Pixelsumme eines beliebigen Rechtecks mittels Integral-

Image . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

26. Kaskade von Klassifikatoren . . . . . . . . . . . . . . . . 123

27. Weitere Features nach Lienhart et al. . . . . . . . . . . . 125

28. ExtractFaces.cpp . . . . . . . . . . . . . . . . . . . . . . 126

29. Originalbild und erkannte Gesichtsregion . . . . . . . . . 127

30. Erkannte Landmarks . . . . . . . . . . . . . . . . . . . . 128

31. Einfaches 2-Bit Beispielbild . . . . . . . . . . . . . . . . 131

32. Schematischer Aufbau Emotionserkennung . . . . . . . . 136

Page 11: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

x

33. Content Graph . . . . . . . . . . . . . . . . . . . . . . . 141

34. Kontextmenü eines Knoten . . . . . . . . . . . . . . . . . 142

35. Neu erstellter Knoten . . . . . . . . . . . . . . . . . . . . 142

36. Erstellung eines Testknotens . . . . . . . . . . . . . . . . 143

37. Neu erstellter Testknoten . . . . . . . . . . . . . . . . . . 143

38. Erstellung einer neuen Kante zwischen bestehenden Knoten144

39. Neu erstellte Kante . . . . . . . . . . . . . . . . . . . . . 144

40. Entfernen eines bestehenden Knotens . . . . . . . . . . . 145

41. Content Graph - Detailauschnitt . . . . . . . . . . . . . . 145

42. Modifikation eines Knoten . . . . . . . . . . . . . . . . . 146

43. Knoteneditor . . . . . . . . . . . . . . . . . . . . . . . . 147

44. Darstellung von Referenzknoten . . . . . . . . . . . . . . 148

45. Testeditor . . . . . . . . . . . . . . . . . . . . . . . . . . 149

46. Auswahl eines Benutzers . . . . . . . . . . . . . . . . . . 150

47. Content Graph mit Benutzerpfad-Detailauschnitt . . . . 150

48. Ansicht von Benutzerattributen . . . . . . . . . . . . . . 151

49. Funktionsbereich der Regelverwaltung . . . . . . . . . . . 152

50. Editorbereich der Regelverwaltung . . . . . . . . . . . . 152

51. Entfernen eines vorhandenen Links . . . . . . . . . . . . 153

52. Regeleditor: Detailansicht Bedingung . . . . . . . . . . . 154

53. Regeleditor: Detailansicht Anweisung . . . . . . . . . . . 155

54. Vollständige Regel . . . . . . . . . . . . . . . . . . . . . 155

55. Aufwändige Regel . . . . . . . . . . . . . . . . . . . . . . 157

56. Generierter PHP Regelcode . . . . . . . . . . . . . . . . 158

57. Knotenstruktur zur Demonstration . . . . . . . . . . . . 159

58. Regelsatz zur Demonstration der Benutzerschnittstelle . 160

59. Start Ba . . . . . . . . . . . . . . . . . . . . . . . . . . . 161

60. Test Ba . . . . . . . . . . . . . . . . . . . . . . . . . . . 161

61. Testergebnis Ba . . . . . . . . . . . . . . . . . . . . . . . 162

62. Beginner 1 Ba . . . . . . . . . . . . . . . . . . . . . . . . 163

63. Beginner 2 Ba . . . . . . . . . . . . . . . . . . . . . . . . 164

64. Start Bb . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

65. Test Bb . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

66. Testergebnis Bb . . . . . . . . . . . . . . . . . . . . . . . 166

67. Beginner 1 Bb . . . . . . . . . . . . . . . . . . . . . . . . 167

68. Beginner 2 Bb . . . . . . . . . . . . . . . . . . . . . . . . 168

69. Start Bc . . . . . . . . . . . . . . . . . . . . . . . . . . . 169

Page 12: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

xi

70. Test Bc . . . . . . . . . . . . . . . . . . . . . . . . . . . 169

71. Testergebnis Bc . . . . . . . . . . . . . . . . . . . . . . . 170

72. Beginner 1 Bc . . . . . . . . . . . . . . . . . . . . . . . . 171

73. Beginner 2 Bc . . . . . . . . . . . . . . . . . . . . . . . . 172

74. Start Bd . . . . . . . . . . . . . . . . . . . . . . . . . . . 173

75. Test Bd . . . . . . . . . . . . . . . . . . . . . . . . . . . 173

76. Testergebnis Bd . . . . . . . . . . . . . . . . . . . . . . . 174

77. Expert 1 Bd . . . . . . . . . . . . . . . . . . . . . . . . . 174

78. Modifiziertes Design für die Evaluation . . . . . . . . . . 177

Page 13: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

1

1. Einleitung

Massive Open Online Courses oder kurz MOOC’s sind eine erst seit we-

nigen Jahren eingesetzte, spezielle Form von E-Learningangebot, mit der

sich bis dahin ungeahnte Mengen von Lernenden erreichen lassen. Derzeit

werden MOOC’s vor allem von Universitäten und Unternehmen im Bil-

dungssektor eingesetzt. Sie erlauben es Lernenden auf der ganzen Welt,

zeit- und ortsunabhängig an Veranstaltungen teilzunehmen. Die Veran-

staltungen mit teilweise mehr als 100.000 Teilnehmern setzen sich aus

kleinen Lerneinheiten zusammen, bestehend aus Videosequenzen oder

Textabschnitten. Das sich MOOC’s heute einer so großen Beliebtheit

erfreuen ist jedoch nicht ausschließlich das Resultat der zur Verfügung

stehenden Technologie, sondern vor allem zwei weiteren Faktoren geschul-

det.

Zum einen der rasanten Zunahme an Internetnutzern in Entwicklungs-

und Schwellenländern der letzten Jahre. Durch die fortschreitende Glo-

balisierung und Digitalisierung können nun auch diese Teilnehmer von

Bildungsangeboten profitieren, die zuvor nur einem verhältnismäßig klei-

nen privilegierten Kreis zur Verfügung standen. Dadurch haben sich viele

Lehrangebote die traditionell nur eine kleine Hörerschaft erreichten hin

zu einem globalen Massenmarkt entwickelt.

Zum anderen findet aber auch in der westlichen Welt ein Strukturwan-

del statt. Die Nachfrage an Bildungsformen, die nicht an einen festen

Zeitplan und Ort geknüpft sind steigt sowohl im akademischen, als auch

im Weiterbildungsbereich. Die Ursachen hierfür finden sich einerseits in

einer Generation, die den Umgang mit Online-Medien gewohnt ist und

dies auch im Bereich der Ausbildung fordert, und andererseits in neu-

en Arbeitsformen und Beschäftigungsverhältnissen in denen lebenslanges

Lernen zu einem wichtigen Faktor geworden ist, da Qualifikationen und

Erfahrungen schnell veralten und wertlos werden können.1

Allerdings sind MOOC’s heute nur als statische Umgebung vorzufin-

den, die nicht auf die Individualität und den jeweils aktuellen situati-

ven Kontext des Nutzers eingeht. So fordert auch Jörg Dräger, Vorstand

für Bildung bei der Bertelsmann Stiftung, in einem Artikel der ZEIT

”Nicht mehr massive müssen die Onlinekurse sein, sondern personalized

1 Vgl. Weber, 2007

Page 14: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

2

– POOCs statt MOOCs”2.

Eine ähnliche Entwicklung erwartet auch John Hennessy, Präsident der

Stanford-Universität, ”Die Vorlesung als Format wird aussterben und

durch neue Format ersetzt werden [...]. Außerdem werden wir intelligente

automatische Tutorensysteme haben, die anhand individueller Stärken

und Schwächen Online-Übungsprogramme für unsere Studenten erstel-

len”.3

Es kann sicherlich in Frage gestellt werden, ob die seit Jahrhunderten

bewährte Form der Vorlesung tatsächlich aussterben wird. Jedoch kann

dieser radikale Ansatz durchaus als inspirierender Denkanstoß verstan-

den werden, denn klar ist auch, dass unterstützende Online-Angebote

und solche für spezielle Zielgruppen fest in der Bildungslandschaft ver-

ankert sind und sich rasch verbreiten.

Dass ein Lehrer sein Lehrmaterial und seinen Unterricht auf die Be-

dürfnisse und Voraussetzungen der Schüler ausrichtet, ist seit jeher die

Grundlage für erfolgreiche Lehre. Eine individuelle Abstimmung der Leh-

re auf den einzelnen Schüler war jedoch nur wenigen vorbehalten. Die

breite Masse jedoch nahm an größer angelegten Lehrveranstaltungen teil,

in denen der Lehrende dem Unterricht im Idealfall so ausrichtete, dass

er für die Mehrheit der Schüler geeignet war. Dieser Kompromiss führ-

te jedoch dazu, dass eine exakte didaktische Abstimmung auf einzelne

Schüler nicht erreicht werden konnte. Insbesondere eine gezielte Abstim-

mung auf Teilnehmer mit besonderen Förderbedarfen gelingt in einem

solchen Umfeld regelmäßig nicht. Es sind genau diese Probleme, mit de-

nen sich Lehrende in großen Gruppen schon immer konfrontiert gesehen

haben und die sich nun auch bei modernen Formen der Lehre mit großer

Relevanz zeigen.

2 Dräger, 20133 Wiarda, 2016

Page 15: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

3

1.1. Motivation und Problemstellung

E-Learning ist in vielen Bildungseinrichtungen angekommen und mitt-

lerweile ein grundlegender Bestandteil von Bildungsangeboten jeglicher

Art. Neben dem Einsatz im schulischen und universitären Umfeld sind

E-Learning-Angebote für die betriebliche und private Weiterbildung ver-

fügbar. Das E-Learning-Angebot erfreut sich großer Beliebtheit, da es

jederzeit an nahezu jedem Ort zur Verfügung steht. Dieses hohe Maß

an Flexibilität wird durch den technischen Fortschritt im Bereich der

Präsentations- und Distributionstechnologien ermöglicht. Außerdem sind

in den meisten Haushalten und Arbeitsplätzen Geräte verfügbar, die in

der Lage sind, multimediale Inhalte abzuspeichern und wiederzugeben.

Neben den Vorzügen der E-Learning-Angebote für den Lernenden erge-

ben sich auch Vorteile für die Lehrenden. So ist mit geringem Aufwand

eine große Anzahl von Lernenden zu erreichen. Limitierende Faktoren

wie die Hörsaalgröße können vernachlässigt werden.

Eine spezielle Form von E-Learning-Angeboten bilden MOOC’s. Diese

neue Form des Lehrens und Lernens ist die konsequente Weiterentwick-

lung von E-Learning-Angeboten, die sich an große Zahlen von Lernenden

richten, und findet viel Beachtung in den Medien. Hierbei handelt es sich

um eine spezielle Form der Vorlesung, die auf Video aufgezeichnet wird

und online abrufbar ist. Ein solcher Kurs besteht in der Regel aus vie-

len einzelnen Videosequenzen und Textpassagen. Im Anschluss an die

meist nur 8 bis 12 Minuten dauernden Videosequenzen können die Stu-

dierenden in Form eines Tests feststellen, ob die vorgestellten Inhalte

verstanden wurden und gegebenenfalls angewendet werden können. Da-

durch können Menschen auf der ganzen Welt meist kostenlos und ohne

Zugangsbeschränkung an universitärem Wissen teilhaben.4

Coursera, einer der größten Anbieter von MOOC’s, beispielsweise hatte

am Ende des Gründungsjahres 2012 schon über zwei Millionen registrier-

te Benutzer5 und damit ein größeres Wachstum als Facebook6. 100.000

Studenten in einem Onlinekurs sind übliche Größenordnungen.7 MOOC’s

scheinen sich insbesondere für die Massenausbildung in Grundlagen zu

eignen. ”Es ist doch eine enorme Verschwendung von Ressourcen, wenn

4 Vgl. Pappano, 20125 Vgl. Kolowich, 20126 Vgl. Pappano, 20127 Vgl. Friedman, 2012

Page 16: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

4

bundesweit jedes Semester Dutzende Einführungsvorlesungen in die Sta-

tistik angeboten werden. Da würde es doch reichen, eine gute für alle

zu produzieren”, schlägt Hannes Klöpper vor. Soll will die Universität

Duisburg-Essen künftig Großveranstaltungen aus dem Grundstudium di-

gitalisieren und lediglich durch Tutoren begleiten lassen. ”Mit den MOOC

lässt sich der Ansturm der Studierenden viel effizienter bewältigen”, sagt

Volker Meyer-Guckel vom Stifterverband für die deutsche Wissenschaft8.

Es zeigt sich aber, dass MOOC’s trotz ihres Erfolgs den Anforderungen

an moderne, lernerzentrierte Bildungssysteme nicht immer gerecht wer-

den. Gefordert wird eine lernerzentrierte, bedarfsgerechte und flexible

Umgebung nach dem Prinzip ”my need, my time, my place”.9

Derzeit folgen MOOC’s vielmehr dem Prinzip ”one size fits all” und stellen

eine statische Lernumgebung dar, die lediglich hinsichtlich der Kompo-

nenten Zeit und Ort große Freiheiten erlaubt. Aus diesem Grund gibt es

im Bereich der MOOC’s Forschungsbedarf, um sie ”[...]enjoyable, adapti-

ve, evaluable, accessible, usable by handicapped learners, aware of cultural

diversity and ethical context [...]” zu gestalten10.

Zwar sind Lernumgebungen, die sich dynamisch an die verschiedenen An-

forderungen und Bedürfnisse des Benutzers anpassen, keine neue Über-

legung, denn Ansätze, adaptive Lernumgebungen zu entwickeln, gibt es

etwa seit den 1980er Jahren. Allerdings gehen die vorhandenen Lösungen

und Ansätze in der Regel nicht über adaptierbare Funktionen, um den

Komfort bei der Bearbeitung zu erhöhen, und eine Adaption im Sinne

von recht einfachen Navigationshilfen oder Annotationen hinaus. Auch

bei aufwändigen Systemen fällt auf, dass sie sich auf einen kleinen Bereich

der Individualität konzentrieren. In der Regel wird eine Einflussgröße un-

tersucht und unter Berücksichtigung der gewonnenen Ergebnisse eine der

zur Verfügung stehenden Adaptionsmaßnahmen ausgewählt. Unter der

Annahme, dass sich die Individualität eines Lerners aus einer Vielzahl

persönlicher und situativer Faktoren zusammensetzt, lässt sich erkennen,

dass die vorhandenen Lösungen keine ausreichende Berücksichtigung der

individuellen Erfordernisse erreichen können.

Die Ursachen hierfür scheinen zum einen die fehlenden technischen Res-

sourcen in der Anfangszeit dieser Entwicklungen und zum anderen die

8 Vgl. Schmidt, 20139 Schlageter and Feldmann, 2002, S. 347

10 Dillenbourg et al., 2014

Page 17: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

5

Anzahl der zu erreichenden Lernenden zu sein. Auch in Zeiten von on-

line verfügbaren Web-Based-Trainings finden sich in der Regel nur klei-

ne vierstellige Teilnehmerzahlen. Betrachtet man den Aufwand für die

Entwicklung einer umfangreichen adaptiven Lernumgebung und die an-

schließende Erstellung multimodaler und multicodaler Inhalte, ist der

Aufwand je Teilnehmer immer eine kritische Größe gewesen. Brusilovsky

und Millán führen hierzu aus: ”The more user features are represented in

the model the more complete it will be. However, the cost of creating and

maintaining a more complete model should be caully balanced against the

usefulness of such a model.”11

Diese kritischen Einflussfaktoren haben sich in den letzten Jahren stark

verändert. Berücksichtigt man die heute über MOOC’s erreichbare Menge

an Lernenden, ist leicht zu erkennen, dass sich dieses Verhältnis drastisch

verändert hat und dass damit eine deutliche Erhöhung des Aufwands zur

Erstellung von Systemen und qualitativ hochwertigen adaptierbaren In-

halten gerechtfertigt scheint. Ferner ist im Bereich nutzbarer Inhalte ein

weiterer Trend zu beobachten. Neben der ständigen Vervielfachung der

im Internet verfügbaren Inhalte wird momentan intensiv an der Entwick-

lung von Datenbanken zur Verwaltung von Open Educational Ressources

(OER) gearbeitet.

Gleichzeitig wurde die Entwicklung von Webtechnologien stark voran-

getrieben, mit der Folge, dass viele proprietäre Sonderlösungen durch

leistungsstarke Standards abgelöst wurden. Auch im Bereich der einge-

setzten Sensorik sind große Fortschritte hinsichtlich Verfügbarkeit und

Verbreitung zu verzeichnen. Waren Mobiltelefone vor 10 Jahren noch

recht einfache Geräte zur Text und Audio Ein- und Ausgabe, so finden

sich in heutigen Smartphones durchschnittlicher 20 verschiedene Senso-

ren. 12 Die Bandbreite reicht von Kameras über Näherungssensoren bis

hin zu Pulsmessern.13 Durch heute verfügbare Datenbestände und techni-

sche Verfahren in Verbindung mit der Fortschreitenden Verbreitung und

Bandbreite von Sensorik lassen sich so viele Benutzermerkmale abrufen

beziehungsweise erfassen, die zuvor gar nicht oder nur unter unverhält-

nismäßig hohem Aufwand zu ermitteln waren. Schon heute werden Iden-

tifikationsprozesse eingesetzt, die anhand von einfachen Gesichtsbildern

11 Brusilovsky and Millán, 2007, S. 2912 Vgl. Kühl, 201613 Vgl. Biermann, 2014

Page 18: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

6

Personen identifizieren. Auch die Analyse von Emotionen in Gesichtsbil-

dern ist praktisch einsetzbar und könnte in Lernanwendungen genutzt

werden.

Außerdem stehen einem Großteil der Gesellschaft günstige Internetan-

bindungen mit hoher Bandbreite zur Verfügung. Diese Eingangsvoraus-

setzung zur Teilnahme an digitalen Bildungsangeboten kann in vielen

Teilen der Welt bereits als gegeben angesehen werden, während in vielen

anderen Teilen eine rasche Entwicklung zu verzeichnen ist. Insbesondere

die Zahl der mobilen Internetnutzer wächst sehr schnell. Bereits heute

gibt es weltweit mehr als 3 Mrd. Internetnutzer 14, von denen etwa 2,3

Mrd. Nutzer mobile Geräte für dem Zugang nutzen15. Prognosen gehen

davon aus, dass es 2019 bereits 4 Mrd. Internetnutzer geben wird16, was

erstmals mehr als 50% der Weltbevölkerung entspricht17.

Jedoch gibt es seit der Frühzeit der adaptiven Lernumgebungen auch

Entwicklungen, die vollkommen neue Lösungsansätze und Konzepte er-

fordern. So konnte in den 1980er Jahren noch davon ausgegangen werden,

dass einem Benutzer ein Endgerät zugeordnet werden kann. Es war nicht

zu erwarten, dass sich dieses Gerät hinsichtlich seiner Leistungsfähigkeit

und technischen Möglichkeiten verändert. Heute hingegen verwenden die

meisten Nutzer mehrere Geräte, die in unterschiedlichen Situationen zum

Einsatz kommen.

Ein Nutzer könnte beispielsweise zuhause einen leistungsstarken PC ver-

wenden und für die mobile Nutzung wahlweise auf ein Tablet oder Smart-

phone zurückgreifen. Insbesondere die Nutzung mobiler Endgeräte in ad-

aptiven Lernumgebungen erfordert neue Lösungsansätze, um Geräte mit

verschiedenen Charakteristika so mit Inhalten beliefern zu können, dass

für den Nutzer ein individueller und zugleich transparenter Lernprozess

auf allen seinen Geräten entsteht.

14 Internet Live Stats, 201615 eMarketer, 2016c16 eMarketer, 2016b17 eMarketer, 2016a

Page 19: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

7

1.2. Forschungsfragen und Ziel der Arbeit

Gegenstand der Arbeit sind benutzerzentrierte adaptive Lernumgebun-

gen, die sich dadurch auszeichnen, dass sie den Lernprozess anhand in-

dividueller Merkmale ihrer Benutzer und deren Umgebung, sowie deren

aktueller Situation anpassen. Vorhandene Systeme nutzen nur ein sehr

eingeschränktes Spektrum an individuellen Benutzermerkmalen und dar-

aus abgeleiteten Adaptionsmaßnahmen. Häufig berücksichtigen vorhan-

dene Systeme nur ein einzelnes Merkmal, dessen Ausprägung zu Beginn

ermittelt wird und anschließend als konstant angenommen wird, wodurch

sich kein Benutzermodell erstellen lässt. Insbesondere dynamische Fak-

toren, die für die momentane Situation des Benutzers entscheidend sind,

finden keine Berücksichtigung.

Im Gegensatz hierzu soll in dieser Arbeit durch die Nutzung vielfältiger

Benutzermerkmale ein möglichst präzises Benutzermodell erstellt wer-

den und eine Ermittlung der jeweiligen Ausprägung begleitend oder in

geeigneten Intervallen erfolgen, um so geeignete Adaptionsmaßnahmen

vornehmen zu können, die auf die Individualität des Nutzers abgestimmt

sind.

Da es bis heute keine Lösung gibt multiple Einflussfaktoren innerhalb ei-

nes Lernprozesses zu berücksichtigen, muss zunächst untersucht werden,

welche individuellen Einflussfaktoren sich auf den Lernprozess auswirken

können und in einem weiteren Schritt, welche dieser ermittelten Fak-

toren nach heutigen Möglichkeiten technisch erfassbar sind. Außerdem

muss eine Architektur konzipiert werden, die es ermöglicht unterschiedli-

che Einflussfaktoren zu erfassen, die ermittelten Daten vorzuhalten und

über ein zentrales Regelwerk unterschiedliche Einflussfaktoren miteinan-

der zu verknüpfen.

Anhand dieser Problemstellung ergeben sich die nachfolgend aufgeführ-

ten Forschungsfragen:

• F1: Welche individuellen Einflussfaktoren sind im Kontext von com-

puterbasierten Lernumgebungen grundsätzlich als relevant in Be-

zug auf den Lernprozess anzusehen?

• F2: Welche individuellen Einflussfaktoren sind im Kontext von com-

puterbasierten Lernumgebungen nach heutigem Kenntnisstand tech-

Page 20: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

8

nisch zu erfassen und mit welchen Methoden können sie erfasst

werden?

• F3: Wie lassen sich erfasste Einflussfaktoren unter Berücksichtigung

unterschiedlicher Datenformate und Erfassungszyklen in geeigneter

Weise in einer Datenstruktur vorhalten?

• F4: Welche Basiskomponenten sind für den Aufbau einer benutzer-

zentrierten adaptiven Lernumgebung erforderlich?

• F5: Wie lassen sich unterschiedliche Module zur Erfassung von in-

dividuellen Einflussfaktoren in einem Gesamtsystem integrieren?

• F6: Wie lassen sich Komponenten zur Ermittlung von Einflussfak-

toren sinnvoll in einem System kombinieren?

Ziel der Arbeit ist es Einflussfaktoren zu ermitteln, die sich auf Tei-

le des Lernprozesses auswirken. Die ermittelten Einflussfaktoren sollen

hinsichtlich ihrer technischen Erfassbarkeit bewertet werden. Zudem soll

evaluiert werden, wie sich festgestellte individuelle Faktoren in geeigneter

Weise modellieren lassen und sich entsprechende Adaptionsmaßnahmen

ableiten lassen. Anhand dieser Erkenntnisse sollen ein Systemkonzept

und ein Prototyp entwickelt werden, die es erlauben unterschiedliche Ein-

flussfaktoren zu erfassen und zu kombinieren. So soll die Grundlage zur

Gewinnung eines möglichst vollständigen Benutzerprofils geschaffen wer-

den. Anhand ausgewählter Einflussfaktoren soll beispielhaft die Zusam-

menarbeit in einem Gesamtsystem demonstriert werden. Dabei besteht

der Prototyp mindestens aus den folgenden Kernkomponenten:

• Autorenwerkzeug zur Erstellung und Pflege von Inhalten und Me-

tadaten

• Domänenmodell für die Speicherung der Lehrinhalte

• Benutzermodell zur Modellierung einzelner Benutzerattribute

• Business-Rule-Engine, sowie Business-Rule-Repository für die Ver-

waltung des Regelwerks

• Benutzerschnittstelle (Client) für die Nutzung durch den Lernenden

Page 21: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

9

1.3. Gliederung der Arbeit

Die vorliegende Arbeit beleuchtet in Kapitel 2 zunächst die Historie ad-

aptiver Systeme und deren Vorgänger und gibt einen Überblick über den

aktuellen Forschungsstand. Dazu werden verfügbare Lösungen und For-

schungsergebnisse betrachtet und bewertet.

Das nachfolgende Kapitel gibt einen generellen Überblick über die erfor-

derlichen Komponenten adaptiver Lernsysteme und zeigt dabei grund-

sätzliche Unterscheidungsmerkmale auf. Außerdem wird untersucht, wel-

che relevanten Einflussfaktoren zu berücksichtigen sind, um auf die Indi-

vidualität des Nutzers eingehen zu können. Hierzu soll zunächst evaluiert

werden, welche persönlichen, situativen und technischen Einflussfaktoren

sich auf den Lernprozess auswirken können und welche Adaptionsmaß-

nahmen sich daraus ableiten lassen.

Im Fokus der Betrachtung stehen

• mögliche Einflussfaktoren, die sich auf den Lernprozess auswir-

ken,

• Möglichkeiten, die Ausprägungen dieser Einflussgrößen anhand von

Messverfahren zu bestimmen,

• Modellierungsverfahren, die die Ausprägungen der ermittelten

Einflussgrößen in einem Benutzermodell speichern können,

• sowie die Ableitung geeigneter Adaptionsmaßnahmen.

In Kapitel 4 wird das Systemkonzept des zu entwickelnden Prototyps

vorgestellt. Auf Basis der grundsätzlichen Überlegungen des vorangegan-

genen Kapitels werden in einem strukturierten Auswahlprozess konkret

nutzbare Faktoren, Methoden und Verfahren identifiziert. Diese werden

im Weiteren genutzt, um ein Konzept für eine konkrete Implementierung

vorzuschlagen und einen Prototypen zu implementieren. Hierzu werden

zunächst Ziele festgelegt, die mit dem vorgeschlagenen System erreicht

werden sollen. Anschließend werden die festgelegten Ziele verwendet, um

Anforderungen zu formulieren, die die Erreichung der Ziele ermöglichen.

Zudem werden Rahmenbedingungen berücksichtigt, die einen zeitgemä-

ßen Betrieb eines Softwaresystems ermöglichen. Hierzu zählen die Be-

rücksichtigung heute eingesetzter Endgeräte, die Wartbarkeit des Sys-

tems, sowie ein Mindestmaß an Ausfallsicherheit und Datenschutz.

Page 22: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

10

In Kapitel 5 wird die Umsetzung der Basis des entwickelten Prototyps

auf verschiedene Ebenen behandelt. Außerdem zeigt es beispielhaft die

Entwicklung und Integration von unterschiedlichen Komponenten zur Er-

mittlung von Benutzerattributen.

Die Arbeit schließt mit einem Fazit zu den gewonnenen Erkenntnissen

und gibt einen Ausblick zu offenen Fragestellungen und sich ergebenden

Forschungsbedarfen.

Page 23: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

11

2. Stand der Forschung und Technik

Dieses Kapitel gibt zunächst einen Überblick über das Forschungsfeld und

angrenzende Disziplinen, zu dieser Arbeit. Im Folgenden wird die Ent-

wicklung technischer Maschinen zur Wissensvermittlung bis hin zu ad-

aptiven Lernsystemen betrachtet. Anschließend werden Grundlagen der

Adaptivität im Bereich E-Learning behandelt und insbesondere die Tak-

tung der Adaption behandelt.

Die einzelnen Komponenten eines modernen Lernsystems, sowie die zu-

grundeliegenden Standards und Techniken werden im Folgenden Beschrie-

ben. In diesem Teil werden grundsätzlich denkbare Ansätze und Metho-

den vorgestellt, die sich eignen können, um individuelle Eigenschaften des

Lernenden zu berücksichtigen. Hierzu wird zunächst auf Einflussgrößen

eingegangen, die die Diversität der Lernenden maßgeblich ausmachen. Im

zweiten Teil werden Methoden und Modelle vorgestellt, die sich eignen,

um Einflussgrößen zu messen und zu modellieren. Anschließend werden

Möglichkeiten zur Analyse der ermittelten Einflussgrößen evaluiert. Im

letzten Teil dieses Kapitels werden Maßnahmen vorgeschlagen, die sich

aus der Analyse der Einflussgrößen ableiten lassen können.

Da sich aus den zuvor behandelten Gebieten der Forschung häufig kon-

krete Implementierungen entwickelt haben, werden in Kapitel 2.11 ver-

fügbare E-Learning Lösungen und Produkte hinsichtlich ihrer adaptiven

Funktionen vorgestellt.

2.1. Forschungsfeld

Der Ansatz benutzerzentrierter adaptiver Lernumgebungen ist an der

Schnittstelle der Informatik Teilgebiete Mensch-Computer Interaktion,

Multimedia- und Hypermediatechnik, sowie Bildungsinformatik bezie-

hungsweise E-Learning einzuordnen.

Die Mensch-Computer-Interaktion (englisch Human–computer interacti-

on; HCI) ist ein Teilgebiet der Informatik und beschäftigt sich mit der

benutzergerechten Gestaltung von Mensch-Maschine-Schnittstellen inter-

aktiver Systeme. Neben Erkenntnissen aus der Informatik werden auch

solche aus der Psychologie (insbesondere Medienpsychologie), der Ar-

beitswissenschaft, der Kognitionswissenschaft und der Ergonomie berück-

sichtigt. Das Hauptaugenmerk im Bereich Mensch-Maschine-Interaktion

Page 24: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

12

(MMI) liegt in der Entwicklung von Konzepten und Technologien, die

die Nutzung technischer Systeme für den Menschen erleichtern.18

Unter E-Learning versteht man generell die Unterstützung von Lehr- und

Lernprozessen durch digitale Medien und Technologien, die mit Computer-

oder Internetunterstützung durchgeführt werden.19 Der Begriff E-Learning

umfasst ein großes Spektrum sowohl technologischer Entwicklungen als

auch lernorganisatorischer Formen. E-Learning ist kein klar definierter

Begriff und hat eine Vielzahl an begrifflichen Vorläufern, wie Compu-

ter Based Training – CBT20, Computer Based Instruction - CBI21 oder

Computer Aided Teaching - CAT22 Er umfasst sowohl onlinegestützte

Lernformen als auch computerunterstützte offline Lernformen. Zumeist

setzt E-Learning setzt sich aus den Facetten Interaktivität, Multicoda-

lität, Multimedialität und Multimodalität zusammen. Tabelle 1 zeigt in

Anlehnung an Kerres23 drei voneinander zu unterscheidende Formen des

E-Learnings. Sie stellen Punkte in einem Spektrum von völlig selbststän-

digen Lernangeboten bis hin zu einem völlig betreuten Lernangeboten

dar.

18 Vgl. Shneiderman and Plaisant, 201019 Vgl. Ehlers, 201120 Vgl. Brendel, 199021 Vgl. Lillie et al., 198922 Vgl. Grob, 199723 Vgl. Kerres, 2001

Page 25: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

13

OffenesTelelernen

Teletutoring Teleteaching

Merkmale Lerninhalte wer-den in modularenDatenbanken an-geboten, der Ab-ruf erfolgt wahl-frei keine organi-sierte Kommuni-kation

zeitlich getakteteDistribution vonLernmaterialienmit LernaufgabenBetreuung vorallem asynchron

synchrone Kom-munikation zwi-schen entferntenPersonen

Vorteile individuelleAuswahl vonLerninhalten und-wegen zeitlichfreier Zugriff

Betreuung durchTutor kooperati-ves verteiltes Ler-nen in Gruppenmöglich

interpersonelleInteraktionohne zeitlicheVerzögerung

MöglicheNachteile

kein systematischaufbereitetesLernangebotkeine systemati-sche Betreuunggeringer Lerner-folg für Anfänger

Aufwand bei Pla-nung (Anpassungan Zielgruppeu.ä.)organisatorischerAufwand beiDurchführung einwahlfreier Zugriff

technischer Auf-wandoft nur Einweg-KommunikationSynchronisationdes Lehr-Lernprozesses

Tabelle 1: Vor- und Nachteile der methodischen Grundformen des E-Learnings nach Kerres

Diese Arbeit bewegt sich im Umfeld des offenen Telelernens. Das offene

Telelernen ist eng verbunden mit der „Open University“ in Großbritan-

nien24. Sie organisiert ihr Lehrangebot nicht in fest umrissenen Curricu-

la und Studiengängen, sondern fördert die individuellen Lerninteressen

durch Offenheit in der Kurswahl. Der entscheidet eigenständig, welche

Inhalte er wann und in welcher Detailtiefe lernt. Es ist jedoch bekannt,

dass diese Form des Lernprozesses nur dann erfolgreich ist, wenn der Ler-

nende bereits umfangreiche Lernkompetenzen und Erfahrungen mit der

notwendigen Selbstorganisation besitzt. Häufig sind Lernende durch die

notwendige Organisation überfordert. Folglich nutzen sie die angebote-

nen Kurse nach einiger Zeit nicht mehr. Aus didaktischer Sicht sollte das

Lehrangebot beim offenen Telelernen auf die individuelle Auseinander-

setzung des Lernenden mit dem Inhalt abgestimmt sein.25

24http://www.open.ac.uk25 Vgl. Ehlers, 2011

Page 26: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

14

Multimedia- und Hypermediatechnik ist ein Teilgebiet der Informatik,

das sich mit der Verknüpfung verschiedener web-basierter Technologien

im Bereich Multimedia befasst. Multimedia bezeichnet technische Syste-

me, die in der Lage sind, verschiedene Datenformate, wie Texte, Grafiken,

Ton und Video, zu verarbeiten und für den interaktiven Abruf vorzuhal-

ten.26 Multimediale Lernsysteme im Speziellen zeichnen sich durch ei-

ne vernetze Informationsstruktur, die durch Hypertext ermöglicht wird,

aus. Ein Hypertext besteht aus Knoten, die Informationen enthalten,

und Verbindungen, welche die strukturellen Zusammenhänge zwischen

den Knoten explizit darstellen.27 Ein Zugriff auf die Knoten ist in be-

liebiger Abfolge möglich. Hypertext-Systemen werden oftmals aufgrund

der möglichen assoziativen Anordnung von Lerninhalten hohe didakti-

sche Potentiale nachgesagt.28 29 Bestehen die Knoten eines Dokuments

nicht aus Textbausteinen, sondern aus anderen Medienformaten, spricht

man von Hypermedia.30.

2.2. Historische Entwicklung

Der Gedanke, moderne Technologien zu nutzen, um Lernprozesse zu er-

leichtern, ist nicht erst mit der Entwicklung von Computern und dem In-

ternet aufgekommen. So entwickelte Pressey bereits 1915 Maschinen ”zur

Intelligenzprüfung und zur Informationsvermittlung“.31 32 Sie werden als

Ursprung für die Entwicklung von modernen Lernmaschinen gesehen.

Diese Maschinen präsentierten den Lernenden Multiple-Choice-Fragen.

Ein internes Rechenwerk addiert die Anzahl der korrekt beantworteten

Fragen und ermöglicht ein anschließendes Ablesen der Ergebnisse durch

den Leiter des Tests. In einer Erweiterung, hin zu einer Lernmaschine

wurde die Anzeige der Lerninhalte über die Ergebnisse dieser Tests ge-

steuert. Weitere Lerninhalte wurden erst dann präsentiert, wenn die Tests

zu den vorangegangenen Inhalten erfolgreich absolviert wurden.33.

26 Vgl. Kerres, 200127 Vgl. Tergan, 200228 Vgl. Haack, 200229 Vgl. Langer, 201330 Vgl. Tergan, 200231 Boring, 1958, S. 152 f.32 Pressey, 1946, S. 26233 Vgl. Benjamin, 1988, S. 705 f.

Page 27: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

15

In den 1950er-Jahren griff Skinner die Idee des Privatlehrers wieder auf

und entwickelte Lehrapparate, die es ermöglichen sollten die Lehre ma-

schinell zu individualisieren. Dazu bediente er sich an den Prinzipien

des operanten Konditionierens und differenzierte zwischen dem Appa-

rat und dem in ihm ablaufenden Programm. Die Apparate ermöglichten

es, nicht nur eine Lösung aus vorgegebenen Möglichkeiten auszuwählen,

sondern eigene Lösungsvorschläge durch das Verschieben von Hebeln ein-

zugeben.34 So wurden einerseits die Lehrapparate auf denen individua-

lisierte Lernangebote abliefen und andererseits die Lehrprogramme, die

in gedruckter Form eingesetzt wurden entwickelt. Allerdings waren aus-

schließlich die gedruckten Lehrprogramme bis in die 1960er- Jahre erfolg-

reich, während die Lehrapparate nie zu einem Erfolg wurden. Ursächlich

hierfür ist der enorme technische Aufwand für deren Entwicklung und

Herstellung.35

Auch in den folgenden Jahrzehnten wurden immer wieder Projekte mit

dem Ziel eine maschinelle Form der Lehre zu finden gestartet. In die-

sen Projekten wurden vermehrt Computer für die Steuerung der Lehr-

maschinen eingesetzt, konnten sich aber letztlich aufgrund der enormen

Kosten für Computersysteme dieser Zeit nie durchsetzen. Seitdem der

Personal Computer in den 1980er Jahren zu immer geringeren Kosten

zur Verfügung stand und sich rasant verbreitet erlebte auch der Zweig

der computerbasierten Lernumgebungen eine Belebung. So wurden Sys-

teme vorgestellt, die ihr Verhalten anhand statischer Regeln, individuell

auf den Lernenden zuschneiden.

Systeme, die die Individualität von Lernenden in computerunterstütz-

ten Lernumgebungen berücksichtigt, werden als ”Adaptive Educational

System” (AES) bezeichnet.36 Diese Systeme sind zum einen aus den ”In-

telligent Tutor Systems” (ITS) und zum anderen aus den ”Adaptive Hy-

permedia Systems” (AHS) entstanden.

Die ITS sind aus dem Forschungszweig der Lehrmaschinen entstanden,

der sich mit der Frage beschäftigt hat, wie individualisiertes Lehren und

Lernen möglich ist. In diesem Kontext wurden Lehrprogramme entwi-

ckelt, die sich mithilfe von künstlicher Intelligenz selbstständig auf die

34 Vgl. Benjamin, 1988, S. 70835 Vgl. Leutner, 1992, S. 2 f.36 Vgl. Brusilovsky, 1998

Page 28: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

16

Voraussetzungen des Lernenden einstellen können.37 Die Entwicklung der

ITS wurde in erster Linie von Fragestellungen der Informatik getrieben,

sodass in vielen ITS instruktionspsychologische und pädagogische Er-

kenntnisse eine untergeordnete Rolle spielten.38

Im Gegensatz hierzu sind AHS eine jüngere Entwicklung die mit dem

Entstehen des Internets einhergeht. AHS hatten zunächst keinen Bezug

zu Lernumgebungen, sondern beschäftigten sich mit der grundsätzlichen

Individualisierbarkeit von Multimediainhalten im Internet. Im Zusam-

menhang mit Lernumgebungen werden sie deshalb auch als ”Adaptive

Educational Hypermedia Systems” (AEHS)39 40 oder ”Adaptive Hyper-

media Learning Systems” (AHLS)41 bezeichnet. Hierzu verwenden Sys-

teme dieses Typs in der Regel ein Benutzermodell, in dem die berück-

sichtigten Attribute des Benutzers vorgehalten werden.42

2.3. Adaptive Systeme

Als adaptive Systeme werden im Bereich von Lernumgebungen unter-

schiedlichste Anwendungen der computergestützten Lehre bezeichnet. Im

Allgemeinen zeichnen sich adaptive Systeme dadurch aus, dass sie Fakto-

ren ihrer Umwelt und ihres Nutzungskontexts berücksichtigen. Adaptive

Systeme im Bereich von Lernumgebungen im Speziellen berücksichtigen

hierzu in der Regel individuelle Merkmale und die aktuelle Situation ih-

rer Benutzer. Diese Merkmale reichen vom Geschlecht43 über Vorwissen44

45 bis hin zum kognitiven Typ46 47 des Nutzers. Abhängig von dem je-

weiligen System kann der Benutzer das System eigenständig auf seine

Bedürfnisse und Vorlieben einstellen, oder das System nimmt diese Ad-

aption selbstständig vor.

Es gibt ein sehr breites Spektrum von möglichen Benutzermerkmalen.

Trotzdem werden Benutzermerkmale in der aktuellen Forschung zumeist37 Vgl. Issing and Klimsa, 1995, S. 55538 Vgl. Leutner, 1992, S. 4 ff.39 Henze and Nejdl, 2004, S. 440 Mampadi, 2012, S. 141 Mampadi et al., 2009, S. 15642 Vgl. Brusilovsky, 199843 Vgl. Schumacher and Morahan-Martin, 2001, S. 9544 Vgl. Last et al., 2001, S. 345 Vgl. Mitchell et al., 2005, S. 5346 Vgl. Chen and Macredie, 2004, S. 37547 Vgl. Stash and De Bra, 2004, S. 378

Page 29: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

17

nur isoliert verwendet. In einer Studie48 von 2012 wurde der Einfluss

von Vorwissen und kognitivem Stil in adaptiven Lernumgebungen unter-

sucht. Zwar konnte in der abschließenden Untersuchung ein unterschied-

lich starker Effekt der beiden Merkmale ausgemacht werden, allerdings

kommt diese Untersuchung, wie auch vorangegangene Studien49 50, zu

der Folgerung, dass künftige Lösungen sich auf die Kombination mehre-

rer Merkmale konzentrieren sollten.

Bisher gibt es keine Lernumgebung, die einerseits basierend auf einem

Lernermodell, Motivation, Vorwissen, erlangtes Wissen, Lernstil etc. er-

fasst und andererseits alle Möglichkeiten der Modifikation der Lernin-

halte nutzt. In der Regel werden nicht mehr als ein oder zwei Variablen

im Lernermodell operationalisiert und ein bis zwei Modifikationen vorge-

nommen.51

Im Folgenden wird ein Überblick über den Forschungsstand gegeben.

Dazu werden zunächst unterschiedliche Modelle betrachtet und anhand

dieser, eine strukturierte Kategorisierung von adaptiven Lernumgebun-

gen vorgenommen.

In der Forschung zu adaptiven Systemen im Bereich von Lernumgebun-

gen werden die unterschiedlichen Ausprägungen der Adaptivität nach

unterschiedlichen Kriterien kategorisiert. Einige der vorgeschlagenen Kri-

terien werden nachfolgend vorgestellt.

Burgos et al. schlagen hierzu drei Kategorien vor.

• Adaptionsinstanz

Die Adaptionsinstanz beschreibt die Instanz in einem Modell, die

die Adaption vornimmt. In diesem Zusammenhang begrenzen die

adaptability und adaptivity die Menge der möglichen Instanzen.

Auf der einen Seite beschreibt die adaptability eine Instanz, die es

dem Benutzer ermöglicht eigenständig Modifikationen an der Ler-

numgebung vorzunehmen. Auf der anderen Seite beschreibt die ad-

aptivity die systemseitige Adaption der Lernumgebung an den Ler-

nenden. Diese Form sieht keine direkte Eingriffsmöglichkeit durch

48 Vgl. Mampadi, 2012, S. 749 Vgl. Mampadi et al., 2009, S. 16350 Vgl. Mampadi et al., 2011, S. 100951 Vgl. Lehmann, 2010, S. 17

Page 30: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

18

den Lernenden vor. Tatsächlich bedienen sich adaptive Lernumge-

bungen aber häufig einer Form, die weder das eine, noch das andere

Extrem vollständig abbildet oder eine Mischform darstellt.52

• Adaptionsinput

Unabhängig von der Adaptionsinstanz, sind die berücksichtigten

Merkmale und Einflussfaktoren zu berücksichtigen. Die verwende-

ten Merkmale und Einflussfaktoren werden als Adaptionsinput be-

zeichnet. Häufig werden die Interaktionen der Benutzer mit der

Lernplattform oder explizierte Steuerungsentscheidungen der Nut-

zer als Adaptionsinput verwendet.

Konkret wird hierzu zwischen vier Quellen für den Adaptionsinput

unterschieden:

– Informationen über das Verhalten und die Leistung der Nut-

zer, die durch das System ermittelt werden.

– Explizite Entscheidungen der Nutzer.

– Entscheidungen eines Betreuers oder Lehrenden, der durch

Evaluation der Lehrsituation bewusste Entscheidungen trifft.

– Vordefinierte Regeln zur Steuerung der Adaption.53

• Adaptionsgegenstand

Der Adaptionsgegenstand beschreibt die Elemente einer Lernumge-

bung, auf die sich die Adaption bezieht. Hierzu werden drei Grup-

pen vorgeschlagen. Die erste Gruppe beinhaltet Möglichkeiten, um

die Benutzerschnittstelle anzupassen, und kann dem Bereich Usa-

bility Engineering zugeordnet werden. Typische Anwendungsfälle

sind die Positionierung von Elementen und deren Ausgestaltung

hinsichtlich Farbe, Größe und weiterer Attribute. In der Regel wird

diese einfache Form der Adaption eigenständig durch den Benut-

zer vorgenommen. Die zweite Gruppe beschreibt die Sequenzierung

von Lerninhalten. Abhängig von unterschiedlichen Einflussfaktoren

wird hier die Reihenfolge der Lernobjekte individuell für jeden Be-

nutzer manipuliert. Die letzte Gruppe arbeitet auf Basis der Leh-

rinhalte. Für jedes Lernobjekt liegen alternative Inhalte vor und

werden abhängig von Einflussfaktoren eingesetzt.54

52 Vgl. Burgos et al., 2007, S. 16153 Vgl. Burgos et al., 2007, S. 16254 Vgl. Burgos et al., 2007, S. 162f.

Page 31: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

19

Ein anderes Unterscheidungsmerkmal, für die Differenzierung von adap-

tiven Lernumgebungen ist der Adaptionszweck. Hierzu wird nach Leut-

ner55 zwischen dem Kompensationsmodell, dem Präferenzmodell und

dem Fördermodell unterschieden. Im Rahmen des Fördermodells werden

durch Tests zunächst Defizite der Lernenden ermittelt und anschließend

durch die Präsentation zusätzlicher Lerneinheiten versucht zu beheben.

Bei dem Einsatz des Kompensationsmodells sollen Defizite der Lernen-

den durch zur Verfügung gestellte Hilfsmittel kompensiert werden. Im

Gegensatz hierzu ermittelt und kompensiert das Präferenzmodell keine

Defizite der Lernenden, sondern unterstützt und Fördert die vorhande-

nen Stärken des Lernenden

Schulmeister56 und Leutner57 schlagen außerdem vor, Systeme entspre-

chend der Taktung der Adaption zu unterschieden. Das Spektrum der

möglichen Taktungen reicht von einer einmaligen Anpassung zum Bei-

spiel zu Beginn durch den Nutzer selbst, über einige wenige Anpassungen

bis hin zur kontinuierlichen Bewertung des Nutzerverhaltens. Im Ver-

gleich zu der Adaptionsinstanz nach Burgos et al. sind bei der Taktung

der Adaption die Anzahl der Eingriffe und die Zeit zwischen den Eingrif-

fen relevant und nicht, wer den Eingriff durchführt.

Die hier vorgestellten Modelle zur Kategorisierung adaptiver Lernumge-

bungen zeigen viele Gemeinsamkeiten und Schnittpunkte. Unter Berück-

sichtigung der jeweils anderen Modelle lässt sich jedoch auch erkennen,

dass kein Modell alle Eigenschaften vollständig erfasst und nur durch

Ergänzung eine umfassende Charakterisierung möglich ist. Aus den vor-

gestellten Modellen können fünf Kategorien hergeleitet werden, die die

Kategorisierung adaptiver Lernumgebungen ermöglichen:

1. Quelle des Adaptionssinputs,

2. Adaptionsinstanz,

3. Taktung der Adaption,

4. Adaptionsgegenstand,

5. Zweck der Adaption.55 Vgl. Leutner, 2002, S. 11856 Vgl. Schulmeister, 2006, S. 115ff.57 Vgl. Leutner, 2002, S. 118ff.

Page 32: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

20

Die Kategorien Adaptionssinput, Adaptionsinstanz und Adaptionsgegen-

stand entsprechen den Kategorien nach Burgos et al.58. Die Taktung der

Adaption entspricht der Unterscheidung zwischen Mikro- und Makroa-

daptivität nach Leutner59, beziehungsweise der statischen und dynami-

schen Lerner-Adaptivität nach Schulmeister60. Der Zweck der Adaption

greift die Differenzierung des Adaptionszwecks nach Leutner auf.

Henze und Nejdl bieten eine Beschreibung auf Basis der technischen

Komponenten eines AEHS61 an. Die einzelnen Komponenten können im

Gegensatz zu den Kategorien der vorangegangenen Modelle als techni-

sche Module eines Systems betrachtet werden. In diesem Modell sind die

Kernkomponenten ”Document Space”, ”User Model”, ”Observations” und

”Adaption Component”.62

In einem adaptiven System bestehen Beziehungen zwischen diesen ein-

zelnen Bestandteilen. Der ”Document Space” kann als Speicherort für

Wissensobjekte und deren Metadaten verstanden werden und wird im

Folgenden allgemein als Domänenmodell bezeichnet. Die ”User Model”-

Komponente beinhaltet Daten zu Benutzern, deren Umgebung und ih-

rem Verhalten und wird im Folgenden als Benutzermodell bezeichnet.

Die Komponenten ”Observations” und ”Adaption Component” arbeiten

auf Basis der Daten des Domänen- und Benutzermodells und bilden die

Funktionalität eines Systems ab. Hier wird zu Gunsten einer detaillierte-

ren Betrachtung auf die Begrifflichkeiten ”Observations” und ”Adaption

Component” verzichtet. Stattdessen wird zwischen möglichen Einfluss-

faktoren, die sich auf den Lernprozess auswirken, Messverfahren zur Er-

mittlung der Ausprägungen von Einflussgrößen, Modellierungsverfahren,

die die Ausprägungen der ermittelten Einflussgrößen in einem Benutzer-

modell speichern können und daraus abgeleiteten geeigneten Adaptions-

maßnahmen unterschieden.

Die Beziehung dieser Faktoren, Verfahren und Maßnahmen zueinander

kann als Regelkreis verstanden werden und ist in Abbildung 1 dargestellt.

In diesem Regelkreis werden verschiedene Einflussfaktoren gemessen und

so die Adaptionsmaßnahmen beeinflusst. Im folgenden Adaptionsschritt

nimmt der Einflussfaktor eine veränderte Größe an, sodass die Adaptions-

58 Vgl. Burgos et al., 2007, S. 161ff.59 Vgl. Leutner, 2002, S. 118ff.60 Vgl. Schulmeister, 2006, S. 115ff.61 Adaptive Educational Hypermedia System62 Vgl. Henze and Nejdl, 2004, S. 5

Page 33: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

21

maßnahme weiter beeinflusst wird, bis ein zufriedenstellendes Ergebnis

erreicht wurde. Die Taktung der Adaption gibt dabei an, in welchem zeit-

lichen Abstand Adaptionsmaßnahmen durchgeführt werden.

In den folgenden Unterkapiteln werden die einzelnen Kernkomponenten

einer adaptiven Lernumgebung auf Basis dieses Modells detailliert erläu-

tert.

Abbildung 1: Kernkomponenten eines AEHS

In den folgenden Unterkapiteln werden die übrigen vorgeschlagenen Kom-

ponenten eines adaptiven E-Learningsystems und die Taktung der Adap-

tion näher beleuchtet. Da die Taktung der Adaption ein offensichtliches

Systemmerkmal und ein Indikator für die Komplexität der Systeme ist,

wird sie zunächst erläutert und im folgenden Teil als Grundlage für die

Kategorisierung der verfügbaren Technik und Lösungen verwendet.

Page 34: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

22

2.4. Taktung der Adaption

Eine grundlegende Unterscheidung bietet Leutner63, der adaptive Lehr-

systeme primär in Bezug auf Mikroadaptivität und Makroadaptivität

unterscheidet.

Schulmeister64 unterschiedet ähnlich, stellt allerdings neben der stati-

schen und dynamischen Lerner-Adaptivität, die im wesentlichen der Makro-

und Mikroadaptivität entsprechen, die Schnittstellen-Adaptivität als wei-

tere Form der Adaptivität vor.

Im Folgenden wird die Differenzierung nach Leutner und Schulmeister

aufgegriffen, um eine Kategorisierung vorzunehmen. Dabei wird die Ma-

kroadaptivität synonym für statische Lerner-Adaptivität und Mikroad-

aptivität synonym für dynamische Lerner-Adaptivität verwendet.

2.4.1. Schnittstellen-Adaptivität

Die Schnittstellen-Adaptivität oder Adaptierbarkeit bezieht sich auf die

Adaption der Benutzerschnittstelle. Dabei handelt es sich um ein sehr

pragmatisches Konzept, das es erlaubt, die Benutzerschnittstelle an die

Bedürfnisse beziehungsweise Einschränkungen des Benutzers anzupas-

sen. In der Regel lässt sich die Präsentation in Form von Schriftgröße,

einstellbaren Fenstergrößen und Farbgebung anpassen. Außerdem lassen

sich zusätzliche Hilfsmittel wie Werkzeuge für Annotationen, Datenban-

ken oder Kommunikationsdienste zu- beziehungsweise abschalten. Um

eine Bearbeitung auch durch Nutzer mit Einschränkungen zu erlauben,

sind außerdem häufig für Screenreader optimierte Texte, Bilder mit Be-

schreibungstext und Farbgestaltungen für Farbblinde anzutreffen.65

Mittlerweile ist diese Form der Adaptivität unter dem Gesichtspunkt

der Usability und der Barrierefreiheit in vielen Hypermediaanwendungen

anzutreffen. Dies liegt zum einen an der vergleichsweise einfachen Um-

setzbarkeit, da sie unabhängig von den Inhalten erfolgen kann und zum

anderen an dem unbestrittenen Nutzen und der Notwendigkeit durch Re-

gulierungen und Vorschriften, wie EN ISO 9241-11066, 9241-15167, 9241-

63 Vgl. Leutner, 2002, S. 118ff.64 Vgl. Schulmeister, 2006, S. 115ff.65 Vgl. Schulmeister, 2006, S. 11666 ISO 9241-110, 2006,67 ISO 9241-151, 2008,

Page 35: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

23

17168 oder die ”Web Content Accessibility Guidelines” (WCAG) 2.0 des

World Wide Web Konsortiums69.

2.4.2. Makroadaptivität

Makroadaptivität oder statische Adaptivität ist die Fähigkeit einer Lern-

umgebung, sich seitens des Lehrenden oder des Systems selbst an die Er-

fordernisse des Lernenden anpassen zu lassen. Hierbei sind nur sehr we-

nige Eingriffe vorgesehen. In der Praxis ist meist ein einmaliger Eingriff

zu Beginn der Lerneinheit notwendig. Makroadaptive Systeme erfordern

somit nur einen relativ geringen Aufwand für die technische Entwicklung

dieser Form von System. Implizit liegt auch hier ein Lernermodell vor.

Jedoch gibt es für die Festlegung dieser Form von Lerner- oder Benut-

zermodell weitaus größere Freiheiten, weil es nicht oder zumindest nicht

kontinuierlich durch das System aktualisiert werden muss. Eine deutliche

Einschränkung in diesem Zusammenhang ist die Beschränkung auf per-

sönliche Merkmale, von denen nicht zu erwarten ist, dass sie sich während

einer Sitzung verändern. In Systemen, die nur einen Eingriff vorsehen,

können folglich nur Konstanten berücksichtigt werden.

Ein typisches Szenario ist ein Selbsttest zu Beginn einer Lerneinheit, der

das vorhandene Wissen prüft und anschließend entsprechende Lerninhal-

te auswählt.

2.4.3. Mikroadaptivität

Im Gegensatz zu den makroadaptiven Systemen, die wenige oder nur

einen Zeitpunkt der Adaption vorsehen, wird eine solche Adaption bei der

Mikroadaptivität oder dynamischen Adaptivität deutlich häufiger oder

kontinuierlich vorgenommen. Somit ist diese Gruppe von Systemen in

der Lage individuelle Merkmale des Lernenden zu Berücksichten, die sich

rasch verändern können und in der Lage darauf zu reagieren.70 71 Dazu

wird in der Regel ein Lerner- oder Benutzermodell eingesetzt, das zur

Laufzeit einer Sitzung aktualisiert werden kann. Es ist leicht zu erkennen,

dass eine mikroadaptive Umgebung grundsätzlich eine deutlich größere

Bandbreite an Adaptionsmaßnahmen bieten kann.

68 ISO 9241-171, 2008,69 Ben Caldwell, 2008,70 Vgl. Leutner, 2002, S. 12071 Vgl. Schulmeister, 2006, S. 116

Page 36: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

24

2.5. Einflussgrößen

Einflussgrößen sind unterschiedliche Kriterien und Faktoren, anhand de-

rer sich verschiedene Benutzer und deren momentane Situation unter-

scheiden und somit die Individualität von Lernenden ausmachen. Im

Folgenden werden verschiedene Einflussgrößen vorgestellt und einer ers-

ten Kategorisierung unterzogen. Dazu werden sie zum einen in Kate-

gorien eingeteilt und hinsichtlich ihrer Veränderbarkeit beziehungsweise

Beständigkeit im zeitlichen Verlauf untersucht. Durch diese zweistufige

Einteilung lassen sich Einflussgrößen anschließend in verschiedene Grup-

pen einteilen.

Grundlegend ist zwischen

• technischen Einflussgrößen,

• persönlichen Einflussgrößen und

• situativen Einflussgrößen

zu unterscheiden.

Technische Einflussgrößen sind alle Einflussgrößen, die nicht direkt von

einem Benutzer abhängen, sondern von seiner technischen Ausstattung.

Die persönlichen Einflussgrößen hängen direkt von persönlichen Merk-

malen eines Nutzers ab. Situative Einflussfaktoren werden durch die mo-

mentane Umgebung des Benutzers bestimmt.

Weiter ist zu berücksichtigen, dass Einflussgrößen einer unterschiedli-

chen zeitlichen Beständigkeit unterliegen. Während zu erwarten ist, dass

sich situative Faktoren, wie die Konzentrationsfähigkeit häufig verändern,

können andere Einflussfaktoren, wie Sehschwächen oder andere körper-

liche Einschränkungen als konstant angesehen werden. Wie beständig

der konkrete Wert einer Einflussgröße ist, kann zusätzlich zwischen un-

terschiedlichen Benutzern variieren. Für eine grobe Einteilung werden

folgende Attribute vorgeschlagen:

• konstant

• hohe Beständigkeit

• mäßige Beständigkeit

Page 37: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

25

• geringe Beständigkeit

• keine Beständigkeit

Es ist festzuhalten, dass die gewählten Kategorien nur eine grobe Ein-

teilung zulassen und sich nur für eine erste Einschätzung eignen. Zum

einen sind teilweise keine eindeutigen Zuordnungen möglich. Etwa kön-

nen Einflussfaktoren wie die Konzentrationsfähigkeit sowohl persönlich

als auch situativ sein. Zum anderen lässt sich für einige Einflussfaktoren

keine klare Annahme über deren zeitliche Beständigkeit treffen. Die Ziele

können abhängig vom Benutzer stark variieren oder konstant sein.

Anhand der vorgeschlagenen Kategorisierungen werden im Folgenden

Einflussgrößen vorgestellt und zugeordnet.

• Vorhandenes Wissen

Unter vorhandenem Wissen ist jenes Wissen zu verstehen, das vor

der Durchführung eines Lernprozesses zur Verfügung steht. Hierbei

ist primär Wissen aus der Domäne des thematischen Lehrgebiets

relevant. Darüberhinaus kann aber auch Grundlagenwissen aus an-

deren Bereichen relevant sein. Dies ist zum Beispiel der Fall, wenn

Inhalte aus dem Bereich der relationalen Datenbanken vermittelt

werden sollen und der Lerner bereits aus einer mathematischen

Ausbildung mit logischen Ausdrücken vertraut ist.

Unter Zuhilfenahme des vorhandenen Wissens des Nutzers ist es

möglich, die entsprechenden Lerneinheiten zu verkürzen oder in

kompakter Form anzubieten. Somit ist ein Direkteinstieg in rele-

vanten Themengebieten und Komplexitätsstufen möglich.

Das vorhandene Wissen zu einem bestimmten Zeitpunkt – typischer

ist hier der Wissensstand zu Beginn eines Lernprozesses interessant

- ist ein persönlicher Einflussfaktor.

Es ist davon auszugehen, dass sich das vorhandene Wissen zu Be-

ginn der Bearbeitung als Konstante festhalten lässt und sich nur

im Bereich des Domänenwissens durch den Lernprozess selbst ver-

ändert.

Die zeitliche Beständigkeit des vorhandenen Wissens ist zwar als

konstant zu betrachten, allerdings ist es möglich, dass weiteres vor-

handenes Wissen durch die Auseinandersetzung mit einem Lern-

gegenstand aktiviert wird und anschließend zur Verfügung steht.

Page 38: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

26

Somit ist die Beständigkeit dieser Einflussgröße insgesamt als hoch

anzusehen.

• Domänenwissen

Domänenwissen spiegelt das Wissen zu einzelnen Elementen der

Lehrdomäne wider. Das Domänenwissen ist neben der Lernstilbe-

trachtung das am weitesten verbreitete Benutzermerkmal bestehen-

der adaptiver Lehrsysteme.72 Zu Beginn einer Lerneinheit ist davon

auszugehen, dass das Domänenwissen dem vorhandenem Wissen

entspricht. Während das vorhandene Wissen das Wissen zu einem

bestimmten Zeitpunkt festhält, zeigt das Domänenwissen die Ent-

wicklung des Wissens eines Benutzers.

Das Domänenwissen ist als persönliches Merkmal anzusehen und

im Gegensatz zum vorhandenen Wissen durchaus veränderbar.

Das Ziel eines jeden Lernsystems ist die Vermittlung von Wissen,

somit ist die zeitliche Beständigkeit dieses Parameters als gering

anzusehen. Dies bedeutet jedoch nicht, dass nur ein Zugewinn von

Wissen denkbar ist, sondern ebenfalls ein Verfall von Wissen, wenn

beispielsweise durch die Darstellungen im Lehrsystem Zweifel an

bereits vorhandenem Wissen aufkommen.

• Ziele des Nutzers

Die Ziele des Nutzers sind eine weitere Möglichkeit, um den Umfang

der zu vermittelnden Inhalte genau bestimmen zu können. Gemein-

sam mit dem vorhandenen Wissen lässt sich der Umfang so nach

oben und unten beschränken.

Ziele können beispielsweise ein weiter Überblick über ein Themen-

gebiet, die theoretische Vertiefung eines speziellen Themengebiets

oder praktische Kenntnisse zum Umgang mit einer bestimmten

Technologie sein.

Die Ziele eines Benutzers sind ein persönliches Merkmal eines Ler-

ners, können aber auch durch andere Anspruchsgruppen, wie dem

Arbeitgeber vorgegeben sein.

Die Ziele eines Nutzer verändern sich fast immer von Lernsitzung zu

Lernsitzung und häufig sogar während einer Sitzung.73 Dies könnte

der Fall sein, wenn ein Lerner, während er sich einen Überblick über

72 Vgl. Brusilovsky and Millán, 2007, S. 573 Vgl. Brusilovsky and Millán, 2007, S. 10

Page 39: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

27

ein Themengebiet verschafft, für ihn interessante Themen identifi-

ziert und deren Untersuchung zu seinen Zielen erklärt. Somit haben

die Ziele eines Nutzers im zeitlichen Verlauf häufig nur eine geringe

Beständigkeit.

• Interessen des Nutzers

Unter Interesse versteht man die kognitive Anteilnahme, die eine

Person an einer Sache nimmt und die unterschiedlich stark ausge-

prägt sein kann. Ebenso werden auch Vorlieben und Hobbys als

Interessen bezeichnet. Das Gegenteil zu einem Interesse wird als

Desinteresse bezeichnet und kann in seiner stärksten Form eine

Apathie sein.

In der Psychologie spricht man hinsichtlich des Interesses von einem

mehrdimensionalen Konstrukt.74 Moderne Theorien und Untersu-

chungen basieren auf einer Personen-Gegenstands-Konzeption, wel-

che die psychischen Phänomene des Lernens und der Entwicklung

als permanente Austauschbeziehung zwischen einer Person und ih-

rer sozialen Umwelt interpretiert. 75 Demnach definiert sich ein In-

teresse durch konkrete Objekte, thematische Wissensbereiche oder

bestimmte Gruppen von Tätigkeiten. Der Grad der Interessen wird

über den Grad der subjektiven Wertschätzung des Interessenge-

gestands ist und die Intensität der positiv emotionalen Zustände

während der Interessenhandlungen definiert.

Das Interesse ist eine persönliche Einflussgröße mit einer hohen Be-

ständigkeit.

• Lernstil

Die meisten der in Kapitel 2.11 vorgestellten adaptiven Systeme ba-

sieren auf einem Lernstil als Adaptionsmerkmal. Dabei werden von

verschiedenen Systemen unterschiedliche Lernstilmodelle verwen-

det, um eine Unterscheidung individueller Benutzer zu ermöglichen

und darauf abgestimmte Methoden der Adaption zu verwenden.

In der Literatur gibt es unterschiedliche Ansätze, Lernstil-Typen

zu definieren und voneinander zu unterscheiden.

Wild76 ist der Auffassung, dass Lernstile relativ stabile kognitive

74 Vgl. Todt, 199075 Vgl. Deci and Ryan, 198576Vgl. Wild, 2000

Page 40: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

28

und affektive Verhaltensweisen sind, die widerspiegeln, wie Perso-

nen ihre Umwelt wahrnehmen und auf diese reagieren.77 Er versteht

sie als feste Persönlichkeitsmerkmale, die unabhängig von kontex-

tuellen Bedingungen sind.

Schulmeister78 hingegen fasst Lernstile als wissenschaftliche Kon-

strukte und nicht als Persönlichkeitseigenschaften auf. Demnach ist

der individuelle Gebrauch von Lernstilen kontext-relativ und kann

sich je nach Inhalten, Aufgaben und Gegebenheiten ändern. Da

die Selbsteinschätzung des eigenen Lernstils durch Lernstilinven-

tare nicht unbedingt mit dem tatsächlich genutzten Lernstil über-

einstimmt, wählten Nistor und Schäfer79 den Begriff des aufgaben-

induzierten Lernstils.

Der Lernstil ist ein Persönlichkeitsmerkmal.

Da nicht klar ist, ob sich ein Lernstil im Laufe der Zeit verändert

oder konstant ist, kann seine Beständigkeit im zeitlichen Verlauf

nicht klassifiziert werden.

• Kognitiver Stil

In der Kognitionspsychologie geht man davon aus, dass Personen

sich in ihren kognitiven Verarbeitungsstilen unterscheiden, die sie

im Rahmen von Lernprozessen und zur Problemlösung anwenden.

Messick beschreibt kognitive Stile als ”consistent individual diffe-

rences in preferred ways of organising and processing information

and experience”.80

Resultate aus zahlreichen Studien deuten auf verschiedene konsis-

tente Hauptdimensionen individueller Unterschiede hin81 82, unter

denen die sogenannten kognitiven Stile eine besondere Rolle spie-

len.

Das Konstrukt der kognitiven Stile wurde von Allport83 eingeführt

und bezieht sich auf eine typische Art eines Individuums, Dinge

wahrzunehmen, sich zu erinnern, zu denken und Probleme zu lö-

sen. Jahrzehntelang haben sich Psychologen umfassend mit kogni-

77Vgl. Sternberg, 1994, S. 169 ff.78Vgl. Schulmeister, 2004, S. 479Vgl. Nistor and Schäfer, 200480 Messick, 1984,81 Dunn et al., 1981, S. 372 ff.82 Riding and Cheema, 1991, S. 193 ff.83 Allport, 1937

Page 41: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

29

tiven Stilen befasst. Messick84 identifizierte 19 Verfahren zur Mes-

sung kognitiver Stile; Smith85 unterschied zwischen mindestens 17

Verfahren zur Messung von Lernstilen. Der Unterschied zwischen

Lernstilen und kognitiven Stilen wird darin gesehen, dass Lernstile

in der praktischen Anwendung verwurzelt sind, während kognitive

Stile im Bereich der Forschung zur Informationsverarbeitung anzu-

treffen sind.

Unter den vielen in der Literatur genannten kognitiven Stilen kön-

nen für das Online-Lernen die Stile ”feldabhängig vs. feldunabhän-

gig”, ”ganzheitlich vs. analytisch”, ”impulsiv vs. reflektierend” sowie

sensorische Präferenzen und verschiedene, von Kolb86 unterschie-

dene kognitive Typen als relevant betrachtet werden.87

Der kognitive Stil ist ein Persönlichkeitsmerkmal mit einer hohen

Beständigkeit.

• Ethnisch-kultureller Hintergrund

Es liegen Berichte88 über Mathematikkurse in Berkeley vor, nach

denen schwarze und lateinamerikanische Studierende deutlich schlech-

ter abschneiden als asiatische und weiße Studierende.

Zunächst wurde davon ausgegangen, dass Schwarze und Studen-

ten lateinamerikanischer Herkunft häufig aus einkommensschwa-

chen Schichten kommen, denen die Motivation und die familiäre

Unterstützung fehlt. Jedoch zeigt sich in Interviews mit 20 schwar-

zen und 20 chinesischen Studierenden, das Schwarze Studenten ähn-

lich wie weiße Studenten allein lernten, während die chinesischen

Studenten in Lerngruppen bevorzugten und sich gegenseitig unter-

stützten.

Anhand dieses Beispiels wird deutlich, wie der ethnisch-kulturelle

Hintergrund massiven Einfluss auf den Lernerfolg haben kann und

in der Auswahl von Lehrmethoden berücksichtigt werden muss.

Der ethnisch-kulturelle Hintergrund ist ein Persönlichkeitsmerk-

mal, das unveränderlich und somit konstant ist.

84 Messick, 197685 Smith, 198486 Kolb, 198487 Vgl. Seel and Ifenthaler, 2009, S. 47 f.88Vgl. Treisman, 1992, S. 2 ff.

Page 42: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

30

• Konzentrationsfähigkeit

Die Konzentrationsfähigkeit eines Lernenden beurteilen zu können

ist für Lehrende in der klassichen Lehre, wie es im Schulunterricht

oder Seminaren der Fall ist, ein wichtiger Einflussfaktor. In diesen

Situationen kann der Lehrende auf Lernende eingehen, die unkon-

zentriert wirken, indem er etwa den Schwierigkeitsgrad anpasst oder

als Alternative zu einem Text ein Video einsetzt. Genauso kann er

aber auch in Phasen, in denen die Lernenden hochkonzentriert wir-

ken, versuchen, komplexere Inhalte zu vermitteln.

Da die persönliche Konzentrationsfähigkeit als hoch dynamische

Komponente anzusehen ist, die nicht oder nur in geringem Maße

extern beeinflussbar ist, kann sie als gleichzeitig persönlich und

situativ mit geringer Beständigkeit angesehen werden.

• Motivation

Eine nicht zu unterschätzende Einflussgröße ist die Motivation. Al-

lerdings wird diese Komponente von kaum einem adaptiven System

berücksichtigt.89 Dabei wird anerkannt, dass moderne eLearning-

Lösungen eine beträchtliche Wirkung auf die Motivation haben

können, indem sie viele motivationsanregende Aufgaben, Darstel-

lungsformen und Inhalte bereitstellen.90

Um eine zutreffende Bewertung der Motivation vornehmen zu kön-

nen, ist eine Unterscheidung zwischen intrinsischer und extrinsicher

Motivation vorzunehmen.

Die extrinsiche Motivation gliedert sich in die positive und negative

Verstärkung in Form von Belohnung und Zwang.

Intrinistische Motivation liegt in den Formen Neugier, Anreiz und

Erfolgserwartung vor.

Die Neugier ist das Explorationsbedürfnis aller Menschen und wird

insbesondere dann geweckt, wenn eine Inkongruenz zwischen neu-

em und bekannten Wissen besteht.

Anders als bei der Neugier stehen bei der anreiztheoretischen Auf-

fassung nicht kognitive Aspekte im Fokus, sondern emotionale Kom-

ponenten. Es wird davon ausgegangen, dass in Personen als Form

der Persönlichkeitsdisposition latente Motive und Bedürfnisse vor-

handen sind und diese sich durch aktuelle Situationsfaktoren anre-89 Vgl. Seel and Ifenthaler, 2009, S. 8390 Vgl. Hede, 2002, S. 177 ff.

Page 43: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

31

gen und in aktuelle Motivation überführen lassen.

Ein weiterer wesentlicher Aspekt der Motivation ist die Erfolgser-

wartung. Ist ein Mitarbeiter beispielsweise davon überzeugt, dass

eine Handlung zu einem Erfolg führt, wird er hoch motiviert sein

und die dazu nötigen Handlungen auch gerne tätigen.91

Da die extrinsische und die intrinsische Motivation zwei grundle-

gend verschiedene Motivationsfaktoren darstellen, müssen sie auch

gesondert bewertet werden.

Die extrinsische Motivation auf der einen Seite ist nicht durch den

Lerner selbst, sondern durch Dritte, wie beispielsweise Eltern oder

Arbeitgeber bestimmt und stellt somit einen situativen Einfluss-

faktor dar. Durch die Abhängigkeit dieser Einflussgröße von einem

oder mehreren externen Einflüssen ist ihre Beständigkeit gering zu

bewerten.

Die intrinsiche Motivation auf der anderen Seite ist durch den Ler-

ner selbst bestimmt und gegebenenfalls veränderbar. Sie ist somit

ein persönlicher Einflussfaktor bei einer hohen Beständigkeit.

• Merkmale der Internetverbindung

Insbesondere im Bezug auf die Verwendbarkeit von verschiedene

Medientypen ist die zur Verfügung stehende Internetverbindung

eine entscheidende Einflussgröße. Vor allem bei Nutzung unter-

schiedlicher und mobiler Geräte gewinnt dieser Faktor an Bedeu-

tung. Durch Kenntnis über die zur Verfügung stehende Bandbreite

und die Stabilität der Verbindung lassen sich geeignete Medienty-

pen auswählen und störende Ladezeiten oder Nicht-Verfügbarkeiten

vermeiden.

Diese Einflussgröße ist als technisch und zugleich situativ zu kate-

gorisieren und hat eine geringe Beständigkeit.

• Endgerät

Das Endgerät bildet die Schnittstelle zwischen dem Lernsystem

und dem Lerner. Die Ausführung und Ausstattung von Endgerä-

ten spielen eine erhebliche Rolle bei der Auswahl von Lösungen.

Heute ist eine enorme Vielfalt an Geräten verfügbar, die als End-

geräte eingesetzt werden können und unterschiedlichste Technologi-91 Vgl. Edelmann, 2003, S. 30 ff.

Page 44: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

32

en unterstützen. Wichtigste Merkmale bei der Unterscheidung von

Endgeräten sind die Rechenleistung, der verfügbare Speicher, die

Bildschirmgröße und Auflösung, sowie die Verfügbarkeit von Stan-

dardsoftware. Außerdem spielt das eingesetzte Zubehör eine weite-

re wichtige Rolle. So kann beispielsweise die Information über die

Verwendbarkeit von Kopfhörern in Kombination mit Informationen

über den situativen Kontext eine sinnvolle Adaption im Bezug auf

verwendbare Medien ermöglichen. Abhängig von diesen Merkma-

len eines eingesetzten Endgeräts verringert sich zum Beispiel die

Vielfalt an einsetzbaren Medien.

Das eingesetzte Endgerät an sich ist ein technisches Merkmal. Auf-

grund der hohen Vielfalt an verfügbaren Geräten und der Viel-

zahl an Benutzern mit mehreren Geräten, wie Laptop, Tablet-Com-

puter und Smart-Phone ist es zugleich ein situatives Merkmal mit

einer mäßigen Beständigkeit.

Es kann davon ausgegangen werden, dass ein Gerätewechsel wäh-

rend der Bearbeitung einer Lerneinheit eher selten ist, keinesfalls

jedoch davon, dass einem Benutzer dauerhaft ein Gerät zugeordnet

werden kann. Weiter muss berücksichtigt werden, dass neben einem

Gerätewechsel auch eine Veränderung der Gerätesoftware jederzeit

möglich ist.

• Einschränkungen des Lerners

Diese Kategorie fasst unterschiedliche Einschränkungen einzelner

Lerner zusammen, aus denen sich besondere Anforderungen an die

Lernumgebung ergeben.

Zu den am weitesten verbreiteten zählen Farbfehlsichtigkeiten, Far-

benblindheit, Fehlsichtigkeiten oder eingeschränkte Hörfähigkeit. In

der Regel lassen sich diese Merkmale nicht verändern und sind des-

halb als konstantes Persönlichkeitsmerkmal zu betrachten.

• Präferenz für Medientypen

Zur sensorischen Präferenz, der natürlicherweise bei multimedialem

Lernen eine besondere Rolle zukommt, gibt es viele empirische Stu-

dien. Nach Bissell et al.92 beruht die Präferenz für eine bestimmte

Form der Wahrnehmung auf einer ”bestimmten sensorischen Moda-

lität, die als System mit der Umgebung vermittels der Sinnesemp-92 Vgl. Bissell et al., 1971, S. 130 ff.

Page 45: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

33

findungen interagiert”. Die Sinnesorgane bestimmen demnach also

die Wahrnehmungspräferenzen.

Die menschlichen Sinnesorgane werden in visuelle, auditive und kin-

ästhetische Informationsverarbeitung unterteilt. Nach Dunn und

Dunn93 sind 20 bis 30% der amerikanischen Studenten auditori-

sche Typen, mehr als 40% sind visuelle Typen und 30 bis 40% sind

kinästhetische Typen.

Gerne wird auch zwischen Verbalisierern und Visualisierern unter-

schieden, denen unterschiedliche sensorische Präferenzen unterstellt

werden.94

Diese Typisierungen besagt aber nur, dass Menschen eine bestimm-

te sensorische Präferenz für die Informationsverarbeitung bevorzu-

gen. Selbstverständlich sind sie aber auch in der Lage alle anderen

Sinnesorgane zu nutzen.95

Außerdem ist zu berücksichtigen, dass eine Medienpräferenz mit an-

deren Einflussgrößen, wie körperlichen Einschränkungen oder dem

situativen Kontext korrelieren kann.

Die Präferenz für Medientypen ist als Persönlichkeitsmerkmal mit

einer mäßigen Beständigkeit zu sehen.

• Lernkontext

Der Lernkontext bildet, die Faktoren der derzeitigen Umgebung des

Lernenden ab. Hierzu kann zum Beispiel die Umgebungshelligkeit

gezählt werden, die sich ab einer gewissen Größe negativ auf die

Abspielbarkeit von Videosequenzen auswirken kann. Ähnlich ver-

hält es sich mit der sinnvollen Nutzung von Audioinformationen in

lauten Umgebungen.

Hierbei handelt es sich um einen situativen Einflussfaktor mit einer

mäßigen Beständigkeit.

• Zur Verfügung stehende Zeit

Für die Anwendung in einem adaptiven System kann die verfügba-

re Zeit des Nutzers eine wichtige Einflussgröße darstellen. Anhand

dieser Größe kann ein System geeignete Lerneinheiten zusammen-

stellen, die in der verfügbaren Zeit sinnvoll zu bearbeiten sind oder

93 Vgl. Dunn and Dunn, 1979, S. 24094 Vgl. Sadler-Smith, 1997, S. 51 ff.95 Vgl. Seel and Ifenthaler, 2009, S. 48 f.

Page 46: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

34

bei sehr kurzen verfügbaren Zeitintervallen Inhalte wiederholen.

Bei diesem Parameter ist eine geringe Beständigkeit zu unterstel-

len, da davon auszugehen ist, dass er mit Ausnahme von einigen

Regelmäßigkeiten immer wieder veränderte Größen annimmt. Diese

Größe ist ein Merkmal, das von der Umwelt des Benutzers abhän-

gen kann und somit als situativ zu kategorisieren.

Tabellarische Zusammenfassung

Einflussgröße Kategorie Beständigkeit

Vorhandenes Wissen persönlich hoch

Domänenwissen persönlich gering

Ziele des Nutzers persönlich gering

Interessen des Nutzers persönlich hoch

Lernstil persönlich unklar

Kognitiver Typ persönlich hoch

Ethnisch-kultureller Hintergrund persönlich konstant

Konzentrationsfähigkeit situativ / persönlich gering

Extrinsiche Motivation situativ gering

Intrinsische Motivation persönlich hoch

Merkmale der Internetverbindung technisch / situativ gering

Endgerät technisch / situativ mäßig

Einschränkungen des Lerners persönlich konstant

Präferenz für Medientypen persönlich mäßig

Lernkontext situativ mäßig

Zur Verfügung stehende Zeit situativ gering

Page 47: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

35

2.6. Messverfahren

In diesem Abschnitt werden Verfahren aufgezeigt, mit denen die Aus-

prägung der in Kapitel 2.5 vorgestellten Einflussgrößen von individuellen

Benutzern gemessen werden können. Grundsätzlich ist zwischen explizi-

ten und impliziten Messverfahren zu unterscheiden. Während explizite

Verfahren den Benutzer meist direkt durch eine Frage oder eine Gruppe

von Fragen untersuchen, nutzen implizite Verfahren andere Anhaltspunk-

te wie die Ergebnisse von Tests oder werten die Interaktion des Nutzers

mit dem System aus.

Explizite Verfahren haben ein deutlich breiteres Anwendungsspektrum,

da viele Daten und Anhaltspunkte nicht implizit erfasst werden können.

Außerdem spricht die einfache Handhabung für den Einsatz von expli-

ziten Verfahren. Allerdings birgt diese Methode insbesondere bei einem

Einsatz in Lernumgebungen auch einige Nachteile, die im Folgenden auf-

geführt sind.

• Der Benutzer muss Zeit mit der Beantwortung zusätzlicher Fragen

verbringen, die keinen oder nur einen geringen Bezug zum primären

Lerninhalt haben.

• Die Qualität der abgeleiteten Aussage über den Benutzer hängt

stark von der Qualität der Fragen ab.

• Benutzer beantworten Fragen bewusst oder unbewusst falsch. So

ist es denkbar, dass Fragen nach der Motivation oder dem Vor-

wissen vorsätzlich falsch beantwortet werden, weil die Befürchtung

besteht, dass diese Daten im schulischen oder universitären Um-

feld einem Betreuer, beziehungsweise im betrieblichen Umfeld dem

Vorgesetzten zur Verfügung gestellt werden könnten. Unbewusst

falsche Angaben sind vor allem zu erwarten, weil der Nutzer sich

unter Umständen selbst schlecht einschätzen kann. Dies trifft ins-

besondere auf den Einsatz in Lernumgebungen zu.

• Der Einsatz von expliziten Methoden kann nur im Rahmen von

adaptierbaren oder makroadaptiven Systemen erfolgen. Für den

Einsatz in mikroadaptiven Systemen sind explizite Messmethoden

grundsätzlich ungeeignet.

Page 48: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

36

Implizite Verfahren hingegen sind im Hinblick auf Konzipierung und Ent-

wicklung als deutlich komplexer einzustufen. Außerdem ist ihr Einsatz-

bereich deutlich eingeschränkter als der der expliziten Methoden. Der

große Vorteil in der Verwendung dieser Methoden liegt vor allem in den

erzielbaren Ergebnissen, die einen großen Wahrheitsgehalt haben, da sie

aus realen Beobachtungen stammen. Außerdem wird der Benutzer nicht

durch zusätzliche Interaktionen mit dem System belastet und kann sich

auf die primären Lerninhalte konzentrieren.

Häufig spielen aber auch andere Rahmenbedingungen eine Rolle, wie ein

simples Beispiel veranschaulicht. Abbildung 2 zeigt die mobile Mediathek-

Anwendung des ZDF, die es dem Benutzer erlaubt, seine Verbindungs-

geschwindigkeit und die damit sinnvoll nutzbare Qualität der Medienin-

halte explizit auszuwählen. Diese adaptierbare Funktion ließe sich durch

technische Maßnahmen ebenfalls implizit realisieren. Allerdings würde in

diesem Fall nur das Ziel der Qualitätsmaximierung erreicht. Liegt der

Fokus des Benutzers auf einem sparsamen Umgang mit dem verfügbaren

Datenvolumen, würde die Adaption nicht das angestrebte Ziel des Benut-

zers verfolgen. Es zeigt sich also, dass die Entscheidung für oder gegen

den Einsatz von impliziten Methoden eine entscheidende Rolle einnimmt.

Abbildung 2: Adaptierbare Funktion in mobiler Anwendung

Page 49: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

37

In Kapitel 2.6.1 und 2.6.2 werden Verfahren vorgestellt, mit denen die

Ausprägungen von in Kapitel 2.5 beschriebenen Einflussgrößen ermit-

telt werden können. Hierbei werden nur Verfahren berücksichtigt, die in

üblichen Umgebungen, wie Desktop Computer, Tablet Computer oder

Smartphones Anwendung finden können. In Kapitel 2.6.3 werden weitere

Verfahren aufgeführt, die nicht für eine Verwendung in Standardsyste-

men geeignet sind.

Welche der Technologien in welcher Konstellation verwendet wird, sollte

sorgfältig bewertet und entschieden werden. Die verschiedenen Aufzeich-

nungstechniken produzieren verschieden hohe Datenmengen, die nur und

genau dann erfasst werden sollten, wenn sie nach der Erhebung auch

wirklich gewinnbringend gesichtet, ausgewertet, aufbereitet, interpretiert

und für die Benutzermodellierung und die Verwendung in Adaptionsmaß-

nahmen sinnvoll nutzbar gemacht werden können.

2.6.1. Explizite Messverfahren

• Fragebogen

Fragebögen sind ein häufig eingesetztes Mittel, da sie auf der einen

Seite für nahezu beliebige Fragestellungen eingesetzt werden kön-

nen und auf der anderen Seite sehr einfach integriert werden kön-

nen. Die einfache Integrierbarkeit ergibt sich aus der unkomplizier-

ten Implementierung von Fragebögen, sowie der Modellierung und

Auswertung von Ergebnissen und den häufig bereits zur Verfügung

stehenden Fragenkatalogen. Im Bereich der Kognitionspsychologie

beispielsweise stellen Dunn & Dunn96 oder Felder und Silverman97

und weitere in Kapitel 2.5 genannte neben den Modellen gleichzei-

tig die zugehörigen Fragenkataloge und Auswertungsmethoden zur

Verfügung.

Kritisch an dieser Methode zur Erhebung werden vorgegebene Ant-

wortmöglichkeiten gesehen, da diese missverständlich sein können.

So haben empirische Untersuchungen gezeigt, dass Aussagen zu

Häufigkeiten von Sachverhalten (immer, gelegentlich, selten, nie)

oder deren Ausprägung (sehr stark, stark, schwach, sehr schwach)

sehr unterschiedlich aufgefasst.98 Außerdem lässt eine ungerade An-

96 Vgl. Dunn et al., 198497 Vgl. Felder and Silverman, 1988, S. 674 ff.98 Vgl. Rohrmann, 1978, S. 222 ff.

Page 50: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

38

zahl von Antwortmöglichkeiten den Eindruck entstehen, dass mitt-

lere Antwortmöglichkeit den ”normalen” Zustand repräsentiert.99

2.6.2. Implizite Messverfahren

Ein Standardelement, das in den meisten adaptiven Lernumgebungen an-

zutreffen ist, sind Selbsttests. Selbsttests bestehen aus unterschiedlichen

Aufgabentypen, wie Multiple Choice, Lückentext oder Zuordnungsauf-

gaben und haben das Ziel, dem Benutzer die Möglichkeit zu bieten das

erworbene Wissen zu überprüfen. Die Ergebnisse von Selbsttests werden

häufig im Benutzermodell hinterlegt und dienen anschließend als Input

für folgende Adaptionsschritte. Beispielsweise können dem Benutzer In-

halte zu Fragen, die nicht korrekt beantwortet wurden, erneut vorgelegt

werden. Diese Methodik kann als Ausgangspunkt der adaptiven Lernum-

gebungen betrachtet werden, da dieses Prinzip bereits 1915 von Pressey

angewandt wurde. 100

Neben der Auswertung von Tests ist die Auswertung des Navigations-

verhaltens von Benutzern eines der am häufigsten verwendeten impli-

ziten Messverfahren. Verfügbare Systeme wie WINDS101, NetCoach102,

COALE103 oder INSPIRE104 werten das Navigationsverhalten von Be-

nutzern aus und erstellen daraus eine Historie im Benutzermodell. An-

hand dieser Daten kann das System zu einem späteren Zeitpunkt ermit-

teln, ob ein Lernobjekt für den Benutzer bekannt oder unbekannt ist.

Wie das Navigationsverhalten ermittelt wird, bleibt in den Beschrei-

bungen der Systeme offen. Lediglich in der Beschreibung zu INSPIRE

wird angegeben, dass als technische Grundlage HTTP-Anfragen analy-

siert werden.

Einzig das System COALE, das neben einer adaptiven Lernfunktion eine

Kollaborationsfunktion anbietet, nutzt die Daten des Navigationsverhal-

tens für eine weitere Funktion neben der Beurteilung, ob Lernobjekte für

einen Benutzer bekannt sind oder nicht. Dieses System erteilt jedem Be-

nutzer einen Wert, der seinen Grad der Beschäftigung widerspiegeln soll.

99 Vgl. Schwarz and Scheurig, 1991, S. 205100 Vgl. Benjamin, 1988, S. 705 f.101 Vgl. Specht et al., 2002b, S. 4102 Vgl. Weber et al., 2001, S. 3103 Vgl. Furugori et al., 2002, S. 497104 Vgl. Papanikolaou et al., 2002a, S. 4

Page 51: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

39

Befindet sich der Benutzer in einer Diskussion, wird angenommen, dass

sein Grad der Beschäftigung hoch ist. Durchsucht er hingegen das Inhalts-

verzeichnis, wird unterstellt, dass sein Grad der Beschäftigung gering ist

und er bei Bedarf eingeladen werden kann, einen anderen Teilnehmer zu

unterstützen.

Weitere Anwendungsfälle für die Nutzung der Daten aus dem Navigati-

onsverhalten der Systembenutzer sind in der Literatur nicht beschrieben.

Unter Ausnutzung von heute verfügbarer Technologie ist eine deutlich

erweiterte Nutzung impliziter Messverfahren denkbar. Zum einen sind

umfangreiche Softwareframeworks für die Nutzung in Webanwendungen

verfügbar. Vor allem clientseitige Lösungen, die den Java Script Funk-

tionsumfang erweitern, können eingesetzt werden, um implizite Nutzer-

daten zu generieren. Zum anderen stehen heute leistungsstarke Hard-

wareplattformen mit erweiterter Peripherie zur Verfügung. Vor allem in

der Klasse der Smartphones und Tablet-Geräte hat sich ein De-facto-

Standard für eingesetzte Hardware und zugehörige Peripherie etabliert,

der sehr weite Verbreitung findet. So können heute alle modernen Geräte

dieser Klasse Daten aus Sensoren für den Standort, die Beschleunigung,

die Umgebungslichtstärke und die Entfernung des Benutzers zum Ge-

rät liefern. Außerdem stehen Informationen zur Netzanbindung und dem

verwendeten Transportmedium oder eine auf den Benutzer gerichtete Ka-

mera zur Verfügung. Alle diese Datenquellen könnten als Eingangsgröße

in adaptiven Systemen Anwendung finden.

Jedoch ist bisher keines dieser Verfahren zur Gewinnung von Daten in

der Literatur zu adaptiven Lernumgebungen aufgeführt.

2.6.3. Weitere Messverfahren

• Eye-Tracking Systeme

Eye-Tracking Systeme können die Pupillenbewegungen und damit

die Blickrichtung eines Probanden mit einem Auflösungsvermögen

von wenigen Bogenminuten erfassen und dokumentieren. Diese Me-

thodik gilt als vielversprechender Ansatz in der Untersuchung von

Benutzerverhalten.105 Heutige Anwendungen sind primär im Ge-

biet der Mensch-Computer Interaktion und des Usability Enginee-

105 Vgl. Jacob and Karn, 2003, S. 598

Page 52: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

40

rings zu finden. Das System AdeLE106 beschreibt einen Ansatz, um

Eye-Tracking Informationen in einer adaptiven Lernumgebung zu

nutzen. Allerdings scheint ein flächendeckender Einsatz von Eye-

Tracking im Bereich von adaptiven Lernumgebungen derzeit nicht

möglich, da die benötigte Technik aufwändig und teuer ist und des-

halb meist nur in Laborumgebungen zur Verfügung steht.

• Computer Vision basierte Erkennung von Emotionen

Die Erkennung von Emotionen ist eine Fähigkeit, die lange Zeit aus-

schließlich von menschlichen Lehrern gewährleistet werden konnte.

Die Erkenntnis über den emotionalen Zustand lässt Rückschlüsse

auf andere Einflussfaktoren zu. So ist erkennbar, ob ein Lernender

über ein Testergebnis erfreut oder frustriert ist, ob eine neue Lern-

einheit einen Lernenden überrascht oder ob er von den Inhalten

gelangweilt ist. Alle diese Zustände ermöglichen es den Lehrenden,

Rückschlüsse aus ihrer Vorgehensweise zu ziehen.

Moderne Computer Vision Anwendungen und Frameworks wie open-

CV ermöglichen es schon heute, Gesichter in Echtzeit aus Videose-

quenzen zu segmentieren. Durch nachgelagerte Verfahren, die der-

zeit erforscht werden, ist es möglich, auf Basis der so gewonnenen

Daten unter Zuhilfenahme von Referenzdatenbanken emotionale

Zustände zu bestimmen. Dazu werden die Abstände zwischen Refe-

renzpunkten im Gesicht ermittelt und mit denen einer Datenbank

von Videosequenzen abgeglichen.107 Entsprechende Datenbanken,

wie Cohn Kanade108 oder CMU PIE109 mit Referenzmaterial sind

bereits aus verschiedenen Projekten hervorgegangen.

Ein Einsatz dieser Technik im Umfeld adaptiver Lernumgebungen

ist bisher nicht beschrieben.

106 Vgl. Pivec et al., 2006,107 Vgl. Suk and Prabhakaran, 2014, S. 134108 Vgl. Lucey et al., 2010b109 Vgl. Sim et al., 2002

Page 53: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

41

2.7. Domänenmodell

Das Domänenmodell D einer adaptiven Lernumgebung beinhaltet die

Summe aller zur Wissensdomäne gehörigen Lernobjekte L.

D = L0, L1, . . . , Ln (1)

In einem adaptiven System bildet das Domänenmodell gemeinsam mit

dem Benutzermodell die Datenbasis für die Adaption. Dabei sind im Be-

nutzermodell die Einflussfaktoren hinterlegt, die als Adaptionsgrundlage

verwendet werden. Das Domänenmodell beinhaltet die Inhalte, die adap-

tiert werden. Im direkten Vergleich ist das Domänenmodell als statisch

zu betrachten, während das Benutzermodell häufig einer großen Dyna-

mik unterliegt.

Innerhalb des Domänenmodells wird das gesamte Domänenwissen in eine

Menge von Lernobjekten zerlegt. Als Synonyme für den Begriff Lernob-

jekt werden in der Literatur häufig auch die Begriffe Wissenselement, Ler-

neinheit, Wissensgegenstand, Informationsfragment oder Konzept ver-

wendet, die alle elementare Teile des Domänenwissens bezeichnen.110 Im

Rahmen dieser Arbeit wird der Begriff Lernobjekt verwendet.

Ein Lernobjekt besteht neben dem eigentlichen Inhalt aus einem ein-

deutigen Bezeichner und einer Struktur aus Attribut-Wert-Paaren zur

Verwaltung von Metadaten. Da ein Lernobjekt die kleinste Informati-

onseinheit des Domänenmodells bildet, eignet es sich nicht für eine Ad-

aption.111 Adaptive Funktionen und Regeln können nur auf einer Menge

von Lernobjekten arbeiten. Allerdings ist es denkbar, adaptierbare Funk-

tionen auf den Inhalt eines einzelnen Lernobjektes anzuwenden.

Die einfachste Form eines Domänenmodells ist eine Reihe von Lernob-

jekten, die in keiner Beziehung zueinander stehen und keine Struktur

aufweisen.112 113 Derart unstrukturierte Domänenmodelle gründen aus-

schließlich auf referentiellen, nicht näher spezifizierten assoziativen Be-

ziehungen zwischen den Knoten, die einen Zugriff von jedem Knoten auf

jeden anderen Knoten zulassen.114

In aufwändigeren Domänenmodellen sind die einzelnen Lernobjekte der-

110 Vgl. Brusilovsky and Millán, 2007, S. 18111 Vgl. Wu et al., 2000, S. 252112 Vgl. Sanrach and Grandbastien, 2000, S. 215f.113 Vgl. Brusilovsky, 2003, S. 382114 Vgl. Tergan, 2002, S. 102

Page 54: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

42

art miteinander verbunden, dass sich Beziehungen ableiten lassen. Bei

dieser Art des Domänenmodells lassen sich Beziehungen unterschiedlicher

Art herstellen, sodass eine lineare, hierarchische oder Netzstruktur aus

Lernobjekten entsteht.115 Die komplexeste Struktur in diesem Zusam-

menhang ist ein Netzwerk aus Knoten, die Lernobjekte repräsentieren,

und Kanten, die die Beziehungen zwischen den Lernobjekten modellie-

ren. Sie wird deshalb auch Netzwerkmodell genannt. Das Netzwerk ist ein

gerichteter azyklischer Graph, dessen Knoten die Lernobjekte und des-

sen Kanten die Beziehungen darstellen.116 In adaptiven Lernumgebungen

werden Voraussetzungen, die ausdrücken, welche Lernobjekte vor dem

Betreffenden bearbeitet werden müssen, häufig als Beziehung zwischen

Lernobjekten verwendet.117

Abbildung 3: Domänen Netzwerkmodell

115 Vgl. Sanrach and Grandbastien, 2000, S. 216116 Vgl. Wu et al., 2000, S. 252117 Vgl. Brusilovsky and Millán, 2007, S. 18

Page 55: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

43

2.8. Benutzermodell

Für adaptive Systeme ist die Möglichkeit Informationen über dessen Be-

nutzer zur erfassen und zu verwalten eine Grundvoraussetzung. Ohne

Informationen über den Benutzer ist es für ein adaptives System nicht

möglich, sich an die Eigenschaften und Bedürfnisse des jeweiligen Be-

nutzers anzupassen. Dazu werden die relevanten Informationen in Be-

nutzermodellen vorgehalten und verwaltet. Ein Benutzermodell ist eine

Datenstruktur, die dazu dient Merkmale und Attribute von Benutzern

zu einem bestimmten Zeitpunkt ausdrückt. Synonym wird häufig der

Begriff Benutzerprofil verwendet. Im Zusammenhang mit ITS-Systemen

wird außerdem häufig der Begriff Studentenmodell verwendet.118

Inhaltlich besteht ein Benutzermodell häufig aus einfachen Attribut-Wert-

Paaren, kann aber auch mehreren komplexeren Relationen und unter-

schiedlichen Datenstrukturen bestehen.

Mögliche Inhalte eines Benutzermodells sind: Präferenzen, persönliche

Ziele, Aufgaben oder Interessen, sowie personenbezogene Daten oder At-

tribute zur Steuerung von Rechte- und Rollenverwaltungen. Diese Liste

könnte beliebig fortgeführt werden, da sie für jeden Anwendungsfall un-

terschiedliche Ausprägungen berücksichtigt. Man unterscheidet zwischen

statischen Benutzermodellen, deren Inhalte sich selten oder nie ändern,

und dynamischen Modellen, die Daten beinhalten die sich häufig ändern

oder aktualisiert werden.

Das Benutzermodell bildet gemeinsam mit dem Domänenmodell die Da-

tenbasis für die Durchführung der Adaption. Während das Domänen-

modell Lernobjekte und deren Metadaten vorhält, beinhaltet das Be-

nutzermodell Informationen über die Systembenutzer. Im Gegensatz zu

den statischen Daten des Domänenmodells sind die Daten über einen

Benutzer im Benutzermodell ständigen Änderungen unterworfen. Auch

der Umfang der im Benutzermodell vorhandenen Datenmengen ist höhe-

ren Schwankungen unterworfen als die Daten des Domänenmodells. Die

Menge der Daten im Domänenmodell ist in der Regel konstant und nur

durch Erweiterungen und Änderungen durch den Autor veränderbar. Im

Gegensatz dazu hängen die Daten im Benutzermodell von der Anzahl

der Benutzer, deren Interaktion mit dem System und den berücksich-

tigten Attributen ab. Darüber hinaus ist für die Speicherung der Daten

118 Vgl. Brusilovsky and Millán, 2007, S. 4

Page 56: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

44

in einem Benutzermodell die Berücksichtigung von Datenschutz und Da-

tensicherheit von besonderer Bedeutung, da es sich um personenbezogene

Daten handelt. Unter Datenschutz sind der Schutz vor missbräuchlicher

Datenverarbeitung, der Schutz des Rechts auf informationelle Selbstbe-

stimmung und der Schutz des Persönlichkeitsrechts bei der Datenverar-

beitung zu verstehen. Datensicherheit ist in diesem Zusammenhang als

das Ziel zu verstehen, Daten jeglicher Art in ausreichendem Maße gegen

Verlust, Manipulationen und andere Bedrohungen zu sichern.

Für die Speicherung von Daten, wie sie in einem Benutzermodell zu er-

warten sind, stehen mehrere Alternativen zur Verfügung. Grundsätzlich

ist es denkbar Benutzermodelle in Form von CSV-Dateien oder XML-

Datenstrukturen zu speichern. Um allerdings den Anforderungen nach

hoher Flexibilität, Erweiterbarkeit, Datenschutz und Datensicherheit ge-

recht zu werden, eignen sich moderne relationale Datenbankmanagement-

systeme in besonderem Maße.

Neben diesen grundlegenden Anforderungen an ein Benutzermodell ist zu

berücksichtigen, welche Daten in einem Benutzermodell modelliert wer-

den sollen und in welcher Form eine Modellierung erfolgen kann. Hierzu

wird in Kapitel 2.5 und 2.6 beschrieben, welche Attribute im Rahmen

eines adaptiven Systems von Bedeutung sind. In Kapitel 2.9 werden ver-

schiedene Möglichkeiten zur Modellierung der Daten vorgestellt.

Page 57: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

45

2.9. Modellierungsverfahren

Die in Kapitel 2.5 und 2.6 vorgestellten Einflussgrößen und Messverfah-

ren zur Ermittlung ihrer Ausprägung helfen, einzelne Benutzer anhand

von Eigenschaften und Attributen zu modellieren oder sie Stereotypen

oder Personae zuordnen zu können. Einerseits müssen die Einflussgrö-

ßen dazu messbar sein. Andererseits müssen sie für die Verwendung in

Benutzermodellen in geeigneter Form modelliert werden können. Für die

Verwendung in Modellen, die Stereotypen oder Personae nutzen, müssen

die Einflussgrößen nicht modellierbar, aber vergleichbar und zuordenbar

sein.

In Kapitel 2.9.1 werden Modellierungsverfahren vorgestellt, die angewen-

det werden können, um Attribute und Eigenschaften konkreter Benutzer

zu modelllieren. In Kapitel 2.9.2 wird auf die Verwendung von Stereo-

typen und Personae eingegangen, die sich eignen, um einen konkreten

Benutzer einem definierten Modell zuzuordnen.

2.9.1. Verfahren zur Modellierung von Benutzern

Schwab beschreibt Interpretationsformen des Begriffs ”Benutzermodell”,

die sich häufig in der Literatur finden119:

• Der Computer modelliert den Benutzer.

• Der Mensch baut sich ein Modell von dem System, mit dem er

arbeitet, auf.

• Ein Systemdesigner überlegt sich Anforderungen und Eigenschaften

von potenziellen Anwendern.

In den meisten Publikationen überwiegt jedoch die erste Variante. Unter

einem Benutzermodell wird in der Regel eine Wissensbasis verstanden,

die dem System als Grundlage dient, um sich an den Menschen anzupas-

sen. In diesem Sinne definierten Wahlster und Kobsa im Jahre 1989:

”A user model is a knowledge source in a natural-language dialog system

which contains explicit assumptions on all aspects of the user that may

be relevant to the dialog behavior of the system. These assumptions must

be separable by the system from the rest of the system’s knowledge.”120

119 Vgl. Schwab, 1989, S. 14120 Vgl. Wahlster and Kobsa, 1989, S. 3

Page 58: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

46

Während sich diese Begriffsabgrenzung aus einem Forschungsschwerpunkt

von Wahlster und Kobsa heraus entwickelte, beschränkt man Benutzer-

modellierung mittlerweile nicht mehr auf natürlichsprachige Systeme121.

Genauso erscheint es sinnvoll, das Anwendungsfeld von Dialogsystemen

auf alle Arten von interaktiven Systemen auszuweiten122.

In diesem Abschnitt werden Methoden und Modelle vorgestellt, die sich

eignen, um die in Kapitel 2.5 vorgeschlagenen Einflussgrößen zu model-

lieren.

• Skalare Modelle

Die einfachste Art einer Einflussgröße konkrete Werte zuzuordnen

ist der Einsatz eines skalaren Modells, das jedem Benutzer in einem

Benutzermodell einen Wert der Skala zuordnet. Dies kann quantita-

tiv, beispielswiese über einen Zahlenwert im Interval [0,5] oder qua-

litativ, beispielswiese durch das Schulnotensystem geschehen.123 124

Bei bekannten Systemen wird häufig eine vierstufige Kategorisie-

rung von Novice, Beginner, Intermediate und Advanced oder Ex-

pert, oder poor, average und good gewählt.125 126 127 Skalare Mo-

delle eignen sich insbesondere, um allgemeingültige Attribute eines

Benutzers festzuhalten, die einerseits nur eine Ausprägung für alle

Lernobjekte haben und andererseits keiner zeitlichen Veränderung

unterliegen.

Ein typischer Anwendungsfall für den Einsatz eines skalaren Mo-

dells zur Benutzermodellierung ist das Festhalten eines Sprachni-

veaus nach einem Test, wie beispielswiese TOEFL.

Ein weiterer häufiger Einsatzzweck ist die Nutzung in kollabora-

tiven Foren. Nutzer erhalten hier abhängig von der Anzahl der

erstellten Beiträge oder Beitragsbewertungen entsprechende Aus-

zeichnungen.

121 Vgl. Blank, 1996, S. 16122 Vgl. Pohl, 1996, S. 6123 Vgl. Brusilovsky and Millán, 2007, S. 6124 Vgl. Brusilovsky et al., 1998, S. 1 ff.125 Vgl. Mampadi, 2012, S. 62126 Vgl. Papanikolaou et al., 2003, S. 213 ff.127 Vgl. Brusilovsky and Anderson, 1998, S. 92 ff.

Page 59: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

47

• Overlay-Modelle

Die Idee des Overlay-Modells ist es, über das Domänenmodell für

jeden Benutzer eine individuelle Struktur zu legen. In dieser Struk-

tur werden Benutzerattribute hinterlegt und können immer einem

Objekt des Domänenmodells zugeordnet werden.128 Hierbei han-

delt es sich um das wichtigste und gleichzeitig bekannteste Modell

zur Benutzermodellierung in adaptiven Systemen.129 Die folgende

Abbildung zeigt ein sehr einfaches Overlay-Modell zur Fortschritts-

kontrolle. Das blau dargestellte Domänenmodell in Form sequen-

tiell angeordneter Lernobjekte ist systemweit identisch. Zusätzlich

wird für jeden Benutzer eine Struktur erstellt, hier in grün darge-

stellt, die der Anordnung des Domänenmodells entspricht. In dieser

zusätzlichen Struktur können persönliche Attribute des Benutzers

einzelnen Lernobjekten des Domänenmodells zugeordnet werden.

Das Beispiel zeigt für den dargestellten Benutzer bereits bearbei-

tete Lernobjekte. Bei der Bearbeitung der folgenden Lernobjekte

können die bereits bearbeiteten Objekte als bekannt vorausgesetzt

werden.

Abbildung 4: Einfaches binäres Overlay Modell

Das hier beschriebene Overlay-Modell ist sehr einfach gehalten und

128 Vgl. Brusilovsky, 2003, S. 383129 Vgl. Brusilovsky and Millán, 2007, S. 18

Page 60: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

48

dient der Veranschaulichung. Der Informationsgehalt, der mit die-

sem Modell ausgedrückt werden kann, geht nicht über Aussagen

wie ”wurde bearbeitet” oder ”ist bekannt” auf Basis von Lernob-

jekten hinaus. Deshalb werden sie auch als binäre Overlay-Modelle

bezeichnet.130

Um mehrere Attribute präziser beschreiben zu können, existieren

mehrere Erweiterungen zu Overlay-Modellen. Zum einen erlauben

gewichtete Overlay-Modelle eine präzisere Wertzuweisung von At-

tributen, indem anstelle von binären Werten qualitative oder nu-

merische skalare Werte zur Modellierung von Attributen verwendet

werden. Zum anderen wird es durch die Verwendung von mehreren

Modellierungsschichten möglich, beliebig viele verschiedene Attri-

bute zu modellieren.

Abbildung 5 zeigt ein mehrschichtiges gewichtetes Overlay-Modell

in einem Domänenmodell mit alternativen Pfaden. Dieses Modell

berücksichtigt mehrere Ebenen und kann somit verschiedene Attri-

bute zu einem Benuztzer und Lernobjekt modellieren. Außerdem

wird die Modellierung gewichtet vorgenommen, wodurch sich die

jeweiligen Attribute präziser modellieren lassen. In der gelb dar-

gestellten Ebene werden numerische Werte verwendet, die grüne

Ebene nutzt ein qualitatives Werteschema.

130 Vgl. Brusilovsky and Millán, 2007, S. 20

Page 61: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

49

Abbildung 5: Mehrschichtiges gewichtetes Overlay Modell

Der Einsatz von Overlay-Modellen verschiedener Komplexität eig-

net sich vor allem in Systemen mit hoher Taktung der Adaption,

in denen viele Attribute der Benutzer berücksichtigt werden.

• Bug-Modell

Der Ansatz des Bug-Modells geht davon aus, dass falsches Ver-

halten eines Nutzers, etwa bei einem Test, auf eine systematische

falsche Verwendung von Wissen anstatt der korrekten Regel zur

Lösung des Problems zurückgeführt werden kann. Ein Nachteil von

Overlay-Modellen ist die fehlende Möglichkeit, Irrtümer und Fehler

festzuhalten, die durch den Benutzer gemacht wurden. Ein Bug-

Modell ermöglicht es, Fehler des Benutzers zu erkennen und deren

Ursachen zu identifizieren. Dazu werden zu jedem Lernobjekt nicht

nur korrekte Informationen gespeichert, die vermittelt werden sol-

len, sondern auch mögliche Fehler und deren Auswirkung definiert.

Die Nutzung eines Bug-Modells erlaubt es in der Theorie also nicht

nur festzustellen, dass ein Fehler gemacht wurde und welches Lern-

objekt betroffen ist, also gegebenenfalls wiederholt werden sollte,

Page 62: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

50

sondern auch die Frage zu beantworten, warum ein Fehler gemacht

wurde. Im Rahmen von adaptiven Systemen ergeben sich so viele

Möglichkeiten, genau auf die individuellen Schwächen von einzel-

nen Benutzern einzugehen.131 Allerdings muss das System hierzu

alle möglichen Quellen für einen Fehler kennen. In Lernfeldern, in

denen systematische Fehler leicht zu erkennen sind und Ergebnisse

klar als richtig oder falsch gewertet werden können, kann ein Ein-

satz allerdings sinnvoll sein. Brown hat dieses Konzept erfolgreich

für die Vermittlung und Prüfung von grundlegenden mathemati-

schen Fertigkeiten umgesetzt. 132

• Bayes’sches Netzwerk

Auch die Verwendung von Bayes’schen Netzwerken zur Modellie-

rung und Wahrscheinlichkeitsvorhersage kann für einen Einsatz in

adaptiven Lernumgebungen geeignet sein, ist aber heute noch nicht

vorzufinden133. Bayes’sche Netzwerke eignen sich für den Einsatz in

Umgebungen, in denen mit fehlenden Daten oder unsicheren Infor-

mationen gearbeitet werden muss. Heute werden Bayes’sche Netze

beispielswiese in der medizinischen Diagnostik eingesetzt, um in ei-

nem Umfeld aus einer Vielzahl von Krankheiten, Symptomen und

Kontextinformationen Vorhersagen über Krankheiten eines Pati-

enten zu treffen, über den nur wenige unsichere Informationen be-

kannt sind. Ein Bayes’sches Netzwerk ist definiert als

BN = (V,G(V ), CPT (V )) (2)

– mit einer Menge V von diskreten, endlichen Variablen,

– einem gerichteten azyklischen Graph G(V ), dessen Knoten die

Variablen aus V sind und dessen Kanten die Abhängigkeiten

zwischen diesen Variablen darstellen

– und einer Menge bedingter Wahrscheinlichkeitstabellen

CPT (V ) mit jeweils einer bedingten Wahrscheinlichkeitsta-

belle P (A|B1, . . . , Bn) ∈ CPT (V ) für jeden Knoten A ∈ V

mit den Elternknoten B1, . . . , Bn ∈ V im Graphen G(V )

131 Vgl. Brusilovsky and Millán, 2007, S. 8132 Vgl. Brown and Burton, 1978, S. 1 ff.133 Vgl. Brusilovsky and Millán, 2007, S. 25

Page 63: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

51

Die Variablen einer Domäne werden zu Knoten in einer entspre-

chenden graphischen Repräsentation, in der gerichtete Kanten di-

rekte kausale Abhängigkeiten von Elternknoten zu Kindernoten re-

präsentieren. In einer Lernumgebung ist der gerichtete azyklische

Graph G(V ) durch das Domänenmodell, wie in Kapitel 2.7 be-

schrieben, gegeben. Die einzelnen Variablen V stellen Lernobjekte

in Form von Wissensobjekten und Testobjekten dar. Die Kanten ei-

nes Bayes’schen Netzwerks, die die kausale Abhängigkeit zwischen

Knoten repräsentieren, modellieren eine typische Fragestellung in

adaptiven Lernumgebungen. Aus eine Menge von möglichen Lern-

objekten muss das System ein sinnvolles für die folgende Präsen-

tation auswählen. Hier können Bayes’sche Netzwerke dabei helfen

zu bestimmen, ob es wahrscheinlich ist, dass ein potentielles Folge-

objekt für den Benutzer bereits bekannt ist oder ob alle Vorausset-

zungen erfüllt sind.

Neben der Auswahl von Lernobjekten können Bayes’sche Netzwer-

ke auch helfen, Testszenarien zusammenzustellen. Hierzu muss ei-

nerseits ermittelt werden, welche Erfolgsquote von einem Benut-

zer erzielt werden sollte, damit er motiviert ist, weiter zu arbeiten,

gleichzeitig aber nicht so gut abschneidet, dass er demotiviert wird.

Andererseits muss unter Berücksichtigung der bekannten Variablen

eine Annahme darüber getroffen werden, mit welchem Testszena-

rio der Benutzer wahrscheinlich die zuvor bestimmte Erfolgsquote

erreicht.

Bayes’sche Netzwerke eignen sich also nicht nur für Anwendungen

im Bereich der Benutzermodellierung, sondern durch die Möglich-

keit, wahrscheinliche Vorhersagen zu treffen auch dafür, Adaptions-

maßnahmen zu steuern und so in bestimmten Bereichen die Funk-

tion von Messverfahren in Kombination mit logischen Regeln zu

übernehmen.

2.9.2. Verfahren zur Modellierung von Stereotypen und Personae

Der vorherige Abschnitt beschreibt die Benutzermodellierung durch die

Verwendung von Attributen realer Einzelbenutzer. Während der System-

benutzung können sich diese Attribute ändern, sodass eine kontinuierliche

Erfassung und Modellierung von Benutzerattributen erforderlich ist. Eine

Page 64: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

52

Alternative zu diesem Vorgehen bietet die Verwendung von Stereotypen

oder Personae.

Stereotypen und Personae repräsentieren eine Gruppe, eine Klasse oder

einen Typ von Benutzern in Bezug auf einen konkreten Anwendungs-

fall. Allerdings dürfen Personae und Stereotypen nicht verwechselt wer-

den. Stereotypen sind in vielerlei Hinsicht von ausentwickelten Personae

zu unterscheiden. Stereotypen repräsentieren keine tatsächlichen Daten

oder Eigenschaften, sondern Annahmen der Entwickler über Personen.

Deshalb können mangelhaft erstellte Personae auch Stereotypen sein.134

Die Benutzung von Stereotypen ist eine der ältesten Formen der Be-

nutzermodellierung. Bei dieser Methode wird versucht, alle denkbaren

Benutzer eines Systems in Gruppen einzuteilen. Diese Gruppen werden

als Stereotypen bezeichnet. Alle Benutzer einer Gruppe werden dabei

identisch behandelt. Es werden also keine Merkmale, Eigenschaften oder

Attribute berücksichtigt, sondern immer der Stereotyp. Ändern sich die

Merkmale eines Benutzers im zeitlichen Verlauf, so wird nicht der Ste-

reotyp angepasst, sondern der betreffende Benutzer einem anderen Ste-

reotypen zugeordnet.135

Diese Art der Benutzermodellierung erlaubt es einerseits, die Komplexi-

tät von Systemen und die Anzahl von benötigten Adaptionsmaßnahmen

zu reduzieren. Andererseits stellt die Verwendung von Stereotypen immer

eine Kompromisslösung dar, da für einen Benutzer das passendste Modell

ausgewählt wird. Bei den allermeisten Benutzern ist davon auszugehen,

dass der verwendete Stereotyp nie ein vollständig richtiges Bild des zu-

geordneten Benutzers wiederspiegelt, sondern immer nur eine Näherung

liefert. Auch ist zu berücksichtigen, dass die Ermittlung der Ausprägung

von Attributen weiterhin erforderlich ist, um den Benutzer einem Stereo-

typen zuordnen zu können.

Eine andere Form der Benutzermodellierung ist der Einsatz von Per-

sonae. Hierbei handelt es sich um eine Technik, die vor allem im Bereich

der Softwarearchitektur, des Requirement Engineerings und des Usabili-

ty Engineerings anzutreffen ist. Ähnlich wie bei Stereotypen handelt es

134 Vgl. Cooper et al., 2010, S. 104 f.135 Vgl. Brusilovsky and Millán, 2007, S. 17 ff.

Page 65: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

53

sich bei Personae nicht um reale Personen. Im Gegensatz zu Stereotypen,

spiegeln Personae Idealtypen, die direkt aus den Beobachtungen echter

Menschen synthetisiert werden. Stereotypen können vollständig fiktiv in

der Zusammensetzung ihrer Eigenschaften sein oder sich aus den Beob-

achtungen unterschiedlicher Personen zusammensetzen. Personae hinge-

gen werden durch Interviews und Marktforschungsergebnisse erstellt. Es

handelt sich also nicht um eine Annahme über potentielle Benutzer, son-

dern ein Abbild realer Personen.136

Die von Stereotypen bekannten Probleme bei der Zuordnung von Be-

nutzern zu Modellen und damit verbundenen Ermittlung von Benutze-

rattributen sind bei der Verwendung von Personae genauso vorzufinden.

Zudem ist die Auswahl geeigneter Personae ein kritischer Arbeitsschritt.

Stereotypen und Personae eigenen sich dazu, die Komplexität von Syste-

men zu reduzieren, indem zunächst eine Menge von möglichen Benutzer-

typen definiert wird und anschließend realen Benutzern zugeordnet wer-

den. Allerdings geht diese Vereinfachung gegenüber der Berücksichtigung

von individuellen Benutzerattributen zu Lasten der möglichen Detailge-

nauigkeit und Diversität in der Modellierung. Stereotypen und Personae

können in den meisten Fällen nur eine Näherung und kein genaues Bild

eines Nutzers liefern.

136 Vgl. Cooper et al., 2010, S. 104 f.

Page 66: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

54

2.10. Adaptionsmaßnahmen

Adaptionsmaßnahmen sind Maßnahmen, die vom System getroffen wer-

den, um die Lerninhalte an die Bedürfnisse und Vorlieben des Benutzers

anzupassen. In diesem Kapitel werden Adaptionsmaßnahmen beschrie-

ben, wie sie in verfügbaren Systemen und der Literatur vorgefunden wer-

den.

2.10.1. Textadaption

Im Folgenden werden zunächst Methoden aufgezeigt, mit denen sich

Textpassagen adaptieren lassen. Frühe adaptive Hypermedia-Systeme ba-

sierten in erster Linie auf Text, weshalb in diesem Bereich vielfältige

Methoden entwickelt wurden.

• Stretch Text

Dem Stretchtext liegt die Idee zu Grunde, zusätzliches Material

nicht in einem anderen Fenster anzuzeigen, sondern in den Text-

fluss zu integrieren. In einer Umgebung, die Stretchtext nutzt, sind

zusätzliche Informationen zunächst grundsätzlich nicht sichtbar.

Ähnlich wie bei üblichen Hypertext-Links werden Stretchtext-Links

angezeigt. Beim Aktivieren eines Stretchtext-Links wird das ange-

forderte Material eingefügt.137.

In dem System MetaDoc müssen Autoren beim Erstellen von In-

halten definieren, ob das Lernobjekt eine weiterführende Erläute-

rung oder ein ”low-level Detail” ist. Das System zeigt Experten-

Benutzern bei der Bearbeitung nur Inhalte, die als ”low-level Detail”

markiert sind. Die weiterführenden Erläuterungen werden erst nach

Aktivieren des zugehörigen Stretchtext-Links eingeblendet. Nutzer

mit geringem Vorwissen hingegen sehen stets alle Inhalte einge-

blendet. Allerdings steht jedem Benutzer jederzeit die Möglichkeit

offen, verborgene Inhalte einzublenden und sichtbare Inhalte aus-

zublenden.138

Studien139 über MetaDoc haben gezeigt, dass mit dieser einfachen

Methode, die auf einem skalaren Benutermodell basiert, die Lern-

geschwindigkeit und das Verständnis gesteigert werden kann.137 Vgl. Seeberg, 2004, S. 167138 Vgl. Brusilovsky and Millán, 2007, S. 15139 Vgl. Boyle and Encarnacion, 1994, S. 12 ff.

Page 67: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

55

In einer sehr einfachen Form wird Stretchtext heute für die mobile

Variante von Wikipedia eingestezt. Die Funktion ist durch den Nut-

zer adaptierbar und bezieht sich nicht auf einzelne Inhalte, sondern

auf ganze Kapitel. Trotzdem kann so insbesondere bei umfangrei-

chen Artikeln eine deutlich übersichtlichere Darstellung angeboten

werden. Zunächst ist nur die Einleitung sichtbar, folgende Kapi-

tel sind ausgeblendet. Erst durch Aktivieren der Stretchtext-Links

werden die Inhalte eingeblendet.

• Dimming Fragments

Diese Methode wird auch als Shadowing bezeichnet und zeigt im-

mer den gesamten Text an.140 In Abhängigkeit von ihrer Relevanz

werden einzelne Textfragmente abgeschwächt angezeigt. Wichtige

Fragemente werden kräftig dargestellt, während weniger relevante

Passagen blass dargestellt werden.141

• Couloring Fragments

Diese Methode arbeitet ähnlich der zuvor vorgestellten Methode.

Hierbei werden die Texte in Abhängigkeit von ihrer Relevanz far-

big dargestellt, wodurch sich mehrere Möglichkeiten ergeben, den

Text mit Attributen anzureichern. Allerdings sind die Möglichkei-

ten durch die Anzahl der Farben, die ein Benutzer sinnvoll einord-

nen kann, begrenzt.142 Außerdem ist zu beachten, dass ein Text, der

aus zu vielen Farben zusammengestezt wird, gegebenenfalls nicht

harmonisch auf den Benutzer wirkt.

Auch diese Methode eignet sich nicht, den Umfang einer dargestell-

ten Seite zu reduzieren, da immer der vollständige Inhalt angezeigt

wird.

• Scaling Fragments

Das Skalieren von Textfragmenten eignet sich ebenfalls, um die Re-

levanz von Testblöcken darzustellen. Dabei werden für den Benut-

zer wichtige Inhalte größer dargestellt als jene, die eine geringere

Relevanz haben.143

140 Vgl. Seeberg, 2004, S. 167141 Vgl. Bunt et al., 2007, S. 418142 Vgl. Bunt et al., 2007, S. 420143 Vgl. Bunt et al., 2007, S. 418

Page 68: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

56

2.10.2. Navigationsadaption

Abhängig vom Benutzermodell passen adaptive Systeme die Navigation

für einzelne Benutzer an. In der Regel versuchen die Systeme, den Nutzer

auf Inhalte zu verweisen, die für ihn relevant sind und ihn von weniger

relevanten Inhalten fernzuhalten. Das Spektrum der Möglichkeiten für die

Adaption der Navigation reicht von ”geführten Touren”, die dem Benutzer

keine Entscheidung über den nächsten Inhalt erlaubt, bis hin zu freier

Navigation, die sich besonders für fortgeschrittene Benutzer eignet.

Die freie Navigation, wie sie zum Beispiel in Wiki-Systemen zu finden

ist, wird hier nicht näher betrachtet, da es sich bei dieser Methode nicht

um eine Adaptionsmaßnahme handelt.

Die folgenden Methoden werden eingesetzt, um eine adaptive Navigation

zu ermöglichen.

• Link-Hiding

Das System verbirgt Links, die zu Informationen führen, die nicht

für den Benutzer geeignet sind.144 Dies kann der Fall sein, wenn

der Link zu bereits bekannten oder besuchten, zu anspruchsvollen

oder für das angestrebte Ziel ungeeigneten Lernobjekten führt. Ins-

besondere Benutzer, die sich in der Wissensdomäne noch nicht aus-

kennen, können schlecht einschätzen, welche Informationen sinnvoll

und relevant sind und welche nicht. Der Benutzer kann davon aus-

gehen, dass alle für ihn sichtbaren Links zu relevantem Material

führen.145

Werden die verfügbaren Links soweit reduziert, dass sich für den

Benutzer nur noch eine Navigationsmöglichkeit ergibt, spricht man

von einer geführten Tour. In diesem Fall wählt das System immer

die beste Folgeseite aus und bietet diese zur weiteren Navigation

an.146 In der Regel werden die Links nicht mehr wie herkömmliche

Links dargestellt, sondern als ”Weiter”-Schaltfläche.

• Link-Sorting

Eine weniger restriktive Methode ist das Sortieren von Links. Hier-

bei werden alle Links nach Relevanz für den jeweiligen Benutzer

geordnet angezeigt.147 Je wichtiger ein Link ist, desto weiter oben144 Vgl. De Bra and Calvi, 1998145 Vgl. Seeberg, 2004, S. 168146 Vgl. Brusilovsky, 2007, S. 264 f.147 Vgl. Seeberg, 2004, S. 166

Page 69: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

57

wird er einsortiert. Unwichtige Links finden sich am unteren En-

de der Linkliste.148 Diese Methode erleichtert die Auswahl für den

Benutzer, ohne Informationen vorzuenthalten und eignet sich des-

halb für Benutzer, die fortgeschritten sind, aber immer noch eine

Unterstützung benötigen.

• Link-Annotation

Eine weitere Methode zur Adaption von Links ist die Nutzung von

dynamischen Annotationen. Gebräuchlich ist der Einsatz von tex-

tuellen Annotationen, Farben oder Symbolen149. Diese Methode

zeichnet sich vor allem dadurch aus, dass gleichzeitig alle Links an

beliebiger Stelle sichtbar sein können und auch ohne einen Kontext

immer klar zu erkennen ist, welche Funktion der Link hat.

Außerdem können Link-Annotationen mehrschichtige Informatio-

nen liefern, indem beispielsweise ein Symbol anzeigt, dass ein Link

erläuternde Informationen enthält und für den Benutzer empfohlen

wird.

Die meisten modernen Browser bieten eine einfache farbige Link-

Annotation, die bereits besuchte Links violett und noch nicht be-

suchte Links blau darstellt.150

Das System ELM-Art151 nutzt die Ampelfarben, um Links anzurei-

chern. Ein grüner Punkt vor einem Link symbolisiert empfohlene

Inhalte, ein roter Punkt Inhalte, die zum jetzigen Zeitpunkt noch

nicht gelernt werden sollten.

2.10.3. Contentadaption

Die unter 2.10.1 und 2.10.2 vorgestellten Methoden erlauben es, auf Basis

eines Benutzermodells die Auswahl, Struktur und Präsentation im Bezug

auf Relevanz von Lernobjekten vorzunehmen. Der Vorteil dieser Metho-

den liegt in ihrer einfachen Handhabung und dem geringen Aufwand für

die Erstellung von Inhalten. Zum einen können bereits vorhandene Doku-

mente durch Anreicherung mit zusätzlichen Attributen für die Verwen-

dung in adaptiven Systemen aufbereitet werden. Zum anderen lassen sich

die zugrundeliegenden Adaptionsmaßnahmen mit einfachsten Mitteln im-

148 Vgl. Brusilovsky, 2007, S. 266149 Vgl. Seeberg, 2004, S. 166150 Vgl. De Bra and Calvi, 1998151 Vgl. Brusilovsky et al., 1996

Page 70: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

58

plementieren. De Bra beschreibt hierzu einen einfachen Präprozessor für

das AHA System, der auf Basis von Kommentaren im HTML-Code ar-

beitet.152

Allerdings stoßen diese einfachen Methoden schnell an ihre Grenzen,

wenn es darum geht, Inhalte für individuelle Benutzer aufzubereiten und

zusammenzustellen.153 Systeme, die es ermöglichen, Inhalte dynamisch

zusammenzustellen und auch in kleineren Einheiten als Seiten zu struk-

turieren, bieten einerseits deutlich vielfältigere Möglichkeiten in der Auf-

bereitung der Inhalte, andererseits erfordern sie grundlegend andere Vor-

aussetzungen. Die Inhalte müssen in modularer Form vorliegen und nicht

wie in den meisten einfachen Systemen in Form umfangreicher statischer

Dokumente. Für den Aufbau einer modularen Wissensbasis eignet sich

ein Domänenmodell, wie in 2.7 beschrieben. Außerdem ist ein leistungs-

fähiger Präprozessor erforderlich, der die Inhalte in Echtzeit dynamisch

aus der modularen Wissensbasis zusammenstellt.

Aus der Verwendung einer modularen Wissensbasis ergeben sich nach

Seeberg noch weitere Vorteile.154 Besteht die Wissensbasis aus Lernob-

jekten, können mehrere Objekte dasselbe Wissen vermitteln, dabei aber

einen unterschiedlichen Detailierungsgrad, eine unterschiedliche Heran-

gehensweise oder unterschiedliche Medientypen verwenden. Somit kann

verschiedenen kognitiven Typen oder der Medienpräferenz von einzelnen

Benutzern Rechnung getragen werden, wie es mit den zuvor vorgestell-

ten Methoden nicht möglich ist. Zudem können kontextfreie Lernobjekte

in einer modularen Umgebung dynamisch kombiniert werden. Außerdem

ist eine einfachere Wartbarkeit gewährleistet, indem neue Objekte ein-

fach hinzugefügt und veraltete entfernt werden können.

Grundsätzlich lässt sich auf Grundlage einer Adaption einzelner Content-

elemente eine deutlich umfangreichere Adaption erreichen. Eine denkbare

Anwendung ist die freie Zusammenstellbarkeit und Kombinierbarkeit von

elementaren Lernobjekten, wie Grafiken, Videosequenzen oder Textblö-

cken. Durch statische Inhalte mit beschreibenden Attributen lassen sich

nur marginale Adaptionsszenarien auf Basis der Präsentation und Na-

vigation realisieren. Modulare elementare Lernobjekte ermöglichen es,

flexible und vollkommen dynamische Szenarien zu erreichen.

152 Vgl. De Bra and Calvi, 1998153 Vgl. Bunt et al., 2007, S. 422 ff.154 Vgl. Seeberg, 2004, S. 168 f.

Page 71: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

59

2.11. Verfügbare Lösungen und Produkte

Im folgenden Abschnitt werden bestehende Implementierungen adaptier-

barer und adaptiver Lernumgebungen betrachtet. Dabei wird zwischen

den vorgestellten Ebenen der Adaptierbarkeit und Adaptivität unter-

schieden.

2.11.1. Schnittstellenadaptivität

In diesem Abschnitt werden Systeme mit einer adaptierbaren Benutzer-

schnittstelle vorgestellt. Es werden nur ausgewählte Systeme berücksich-

tigt, da sich der Begriff sehr weit fassen lässt und grundsätzlich jedes

System mit Funktionen, die sich durch den Benutzer anpassen lassen, in

diese Kategorie fällt. Dazu zählen unter anderem auch Vergrößerungs-

funktionen, die Möglichkeit Hintergrundfarben und andere Optionen an-

passen zu können.

APLE

Das Adaptive Personal Learning Environment, kurz APLE ist ein adap-

tierbares eLearning System der jüngeren Generation. Es soll dem Benut-

zer ermöglichen die Benutzerschnittstelle und eingesetzte Hilfswerkzeuge

anzupassen. Im Fokus der adaptierbaren Funktionen stehen bei diesem

System Benutzer, die durch körperliche Einschränkungen nicht auf kon-

ventionelle eLearning Systeme zurückgreifen können.

APLE basiert auf dem Portland Virtual Learning Environment155 und

erweitert es um eine adaptierbare Komponente. Durch diese Erweiterung

wird dem Benutzer zum einen die Möglichkeit geboten Werkzeuge für

kollaboratives Arbeiten, entsprechend seinen Anforderungen in die Ler-

numgebung einzubinden. Zum anderen kann er die Benutzerschnittstelle

auf seine Bedürfnisse anpassen. Zur Anpassung der Benutzerschnittstelle

wird die Auswahl der Textgröße und Farbe aufgeführt. Außerdem soll es

möglich sein Texte, für die Ausgabe in Brailleschrift oder durch Screen-

reader, zu optimieren.156

iPrendo

iPrendo ist ein klassisches eLearning System mit adaptierbaren Funktio-

155 Vgl. Green et al., 2006, S. 3 f.156 Vgl. Green et al., 2008, S. 1 ff.

Page 72: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

60

nen. Hierzu bietet es dem Lernenden die Möglichkeit das System gestal-

terisch an seine Vorlieben anzupassen. Der Benutzer hat beispielswiese

freie Hand in der Auswahl der Farbgebung. Außerdem ist die Anwendung

sowohl für eine Desktop- aus als mobile Nutzung ausgelegt, bietet also ein

responsive Design, wie es heute in vielen Webanwendungen vorzufinden

ist.157

157 Vgl. iPrendo, 2014

Page 73: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

61

2.11.2. Makroadaptivität

Im folgenden Teil werden verschiedene Systeme vorgestellt, die sich in

mindestens einer Funktion automatisch auf den Lerner einstellen.

ALE

Das im Rahmen des WINDS158 Projektes entwickelte ALE159 zählt zu

der Gruppe der Systeme, die eine Makroadaptivität nutzen. Das System

nutzt neben der Makroadaptivität auch Funktionen der Schnittstellenad-

aptivität, um beispielsweise die Sprache des Kurses anpassen zu können.

Das System arbeitet mit einem Kursindex und einem Benutzermodell.

Anhand des Benutzermodells wird die Adaptivität des Kurses errreicht,

indem dem Benutzer durch einen Fragenkatalog ein Lernstil zugeord-

nend wird.160 Diese Einstellung des Lerntyps kann zwar jederzeit durch

den Benutzer durch erneute Beantwortung der Fragen geändert werden,

wodurch bei entsprechend hoher Taktung eine Mikroadaptivität bezüg-

lich des Lerntyps erreicht werden könnte, allerdings scheint eine häufig

wechsende Selbsteinschätzung als eher unwahrscheinlich.

Außerdem beinhaltet das Benutzermodell bearbeitete Lernobjekte, die

Auswertungen von durchgeführten Testaufgaben und die Bewertungen

von Aufgaben, die durch Tutoren kontrolliert wurden.161

Welche Lernstile dem System zugrunde liegen und welche konkreten Maß-

nahmen und Reaktionen im Sinne der Adaption daraus resultieren, wird

in den Veröffentlichungen zu dem System nicht erläutert.162

training42

Einen ähnlichen Ansatz wie das ALE verwendet das System training42

der bureau42 GmbH.163 Hier wird versucht, durch einen Selbsttest zu

Beginn des Kurses einen persönlichen Lernstil zu ermitteln, der anschlie-

ßend dem zugehörigen Benutzerprofil zugeordnet wird. Anhand des Lern-

stils sollen den Benutzern angepasste Navigationspfade aufgezeigt werden

und Medien selektiert werden. Nach Schulmeister164 basiert das System

158Web-based Intelligent Design and Tutoring System159Adaptive Learning Environment160 Vgl. Specht et al., 2002b, S. 2ff.161 Vgl. Specht et al., 2002a, S. 573162 Vgl. Schulmeister, 2003, S. 120163 Vgl. Bureau42, 2014164 Vgl. Schulmeister, 2003, S. 121

Page 74: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

62

auf dem Lernstilinventar nach Felder und Silverman165. Allerdings wird

hier noch die ursprüngliche Variante des Lernstilinventars verwendet und

nicht, wie von Felder empfohlen, eine der zahlreichen Überarbeitungen

aus den folgenden Jahren.

AES-CS

Das Adaptive Educational System (AES) based on Cognitive Styles (CS)

unterscheidet zwischen zwei Benutzergruppen mit den Ausprägungen

Feldabhängig und Feldunabhängig nach Witkin166. Der Group Embed-

ded Figures Tests167 wird verwendet, um die Benutzer durch einen Selbst-

test einer der beiden Ausprägungen zuzuordnen.

Diese Information wird gemeinsam mit statischen Angaben zum Benutzer

und dem Wissensstand zu einzelnen Inhalten des Kurses im Benutzermo-

dell festgehalten. Neben dem Benutzermodell verwendet das System ein

Domänenmodell, das die Struktur des Kurses auf Basis von Konzepten

und Themen festlegt.168

NetCoach

NetCoach ist eine Lernplattform, die an der Pädagogischen Universität

Freiburg entwickelt wurde.169 Die Autoren unterscheiden dabei zwischen

adaptierbaren Eigenschaften und adaptiven Funktionen. Adaptierbare

Eigenschaften sind in diesem Zusammenhang einige Funktionen, um bei-

spielsweise Farben und Warnmeldungen durch den Benutzer anpassen

zu können.170 Hierbei handelt es sich also um klassische Funktionen der

Schnittstellenadaptivität. Die Eigenschaften passen sich nicht dem Be-

nutzer an, sondern können vom Benutzer seinen Vorlieben oder Anforde-

rungen entsprechend geändert werden.

Die adaptiven Funktionen nehmen eine Sequenzierung der Kapitel und

eine farbliche Markierung von Kapitelverweisen vor. Die Sequenzierung

der einzelnen Lerneinheiten wird anhand von Angaben zu Voraussetzun-

gen und Beziehungen vorgenommen, die der Autor bei der Erstellung

spezifiziert. So kann das System eine Warnung anzeigen, wenn ein Ka-

165 Vgl. Felder and Silverman, 1988, S. 674 ff.166 Vgl. Witkin et al., 1975, S. 1ff.167 Vgl. Witkin et al., 1971, S. 1ff.168 Vgl. Triantafillou et al., 2003, S. 3ff.169 Vgl. Schulmeister, 2003, S. 118170 Vgl. Weber et al., 2001, S. 1 ff.

Page 75: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

63

pitel gewählt wird, dessen vorausgesetzte Kapitel noch nicht bearbeitet

wurden oder, nach der Bearbeitung eines Kapitels Empfehlungen zur

weiteren Navigation geben.171 Außerdem werden zu jedem Kapitel Test-

fragen gestellt und so ein Lernfortschritt ermittelt, der eingesetzt wird,

um den Bearbeitungsstand der Kapitel farbig zu markieren. Schulmeis-

ter gibt zu bedenken, dass sich die Adaptivität von NetCoach primär

auf die Faktoren Kapitelrelation und Testfragen beschränkt und es sich

vielmehr um eine Navigationshilfe, als um Adaptivität im Sinne der ad-

aptiven Lehrmethoden nach Leutner handelt.172

MetaDoc

MetaDoc ist ein System, das es ermöglichen soll Hypertextdokumente an

den Wissensstand des Lesers anzupassen. Ziel des Systems ist es nur ein

Dokument für unterschiedliche Leser zu erstellen, ohne das Text über-

sprungen werden muss, weil er bereits bekannt ist oder andere Quellen

durchsucht werden müssen, weil der Text zu anspruchsvoll ist.

MetaDoc arbeitet im Bereich von technischer Dokumentation, da in die-

sem Umfeld genauso Leser zu erwarten sind, die kein Vorwissen haben,

wie Leser, die ein umfangreiches Vorwissen haben und komplexe Details

nachlesen.

Der Benutzer kann das System an seinen Wissenstand adaptieren, in-

dem er seien aktuellen Wissensstand angibt. Diese Information wird in

einem einfachen Benutzermodell gespeichert, das zwischen “novices“, “be-

ginners“, “intermediates“ und “experts“ unterscheidet. Anhand der Daten

aus dem Benutzermodell sorgt das System dafür, dass die Inhalte ent-

sprechend des Wissensstandes des Benutzers aufbereitet und dargestellt

werden.173

iWeaver

Das 2002 entwickelte Projekt iWeaver nutzt ebenfalls einen typischen

makroadaptiven Ansatz, der zu Beginn des Kurses anhand eines Fragen-

katalogs mit 118 Fragen den Lernstil ermittelt.174 Als Grundlage wird

ein Teil des Lernstilmodells von Dunn & Dunn175 verwendet. Es wird

171 Vgl. Weber et al., 2001, S. 2172 Vgl. Schulmeister, 2003, S. 118 f.173 Vgl. Boyle and Encarnacion, 1994, S. 3 ff.174 Vgl. Wolf, 2003, S. 2 f.175 Vgl. Dunn et al., 1984

Page 76: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

64

allerdings nur zwischen verbalen, visuellen, auditiven und taktilen Ler-

nern unterschieden. Die anderen Dimensionen des Lernstilmodells werden

nicht berücksichtigt.

Auch die Reaktionen des Systems, die auf dem ermittelten Lernstil ba-

sieren, sind aus anderen Systemen bekannt. So werden Links sortiert und

gegebenenfalls verborgen, außerdem wird konditionaler Text176 verwen-

det und der Medientyp angepasst. Neben der Möglichkeit, die anhand

des Lernstils zugeordneten Medien zu verwenden, wird dem Benutzer zu

jedem Zeitpunkt die Möglichkeit geboten, die alternativen Medien aus-

zuwählen.

INSPIRE

Das INSPIRE System von Papanikolaou et al. ist nach Schulmeister auf-

grund seiner Komplexität und seines Differenzierungsgrads in Bezug auf

Lernstile und Adaptionsmethoden ohne Konkurrenz177.

Das System arbeitet auf Grundlage des Lernstilinventars nach Honey und

Mumford178, welches wiederum auf den Lernstilen nach Kolb basiert, die

seit 1976 bekannt sind und mittlerweile in Version 3.1 vorliegen.179 Der

Lernstil des Benutzers wird, wie bei den meisten der hier vorgestellten

makroadaptiven Systemen, anhand eines Fragebogens ermittelt, der vor

der Systembenutzung beantwortet werden muss. Der eingesetzte Frage-

bogen entspricht dem von Honey und Mumford vorgeschlagenen. Auch in

diesem System wird dem Benutzer die Möglichkeit geboten, nachträglich

Änderungen an den Systempräferenzen vorzunehmen. Anschließend wird

auf Grundlage des ermittelten Lerntyps eine Sequenzierung der Lernin-

halte, für die Variation und Repräsentation und die adaptive Navigati-

onsunterstützung vorgenommen.180

Als Grundlage sind alle Lernmodule in die Typen Theorie, Übung, Bei-

spiel und Aktivität unterteilt und werden dem Benutzer abhänig von

seinem Lernstil in entsprechender Abfolge präsentiert. Jedes Lernmo-

dul wiederum dient einem anderen Ziel. Dabei wird zwischen den Zielen

’Remember’, also Lernen und Verstehen der wesentlichen Aspekte der

Lerneinheit, ’Use’, also Einsatz des erworbenen Wissens in spezifischen

176 Vgl. Schulmeister, 2003, S. 122177 Vgl. Schulmeister, 2003, S. 123f.178 Vgl. Honey and Mumford, 2000179 Vgl. Kolb, 2005180 Vgl. Papanikolaou et al., 2002a, S. 1 f.

Page 77: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

65

Anwendungsfällen und ’Find’, also Erarbeitung von neuen Lösungsstrate-

gien, unterschieden. Entsprechend des Lerntyps und des Ziels werden für

den Benutzer individuelle Lernpfade erstellt. So wird einem Pragmatiker

für ein Modul des Typs ’Remember’ zunächst ein Beispiel vorgestellt,

anschließend die zugrundeliegende Theorie erläutert und zum Ende die

Fragen. Einem Theoretiker hingegen werden als erstes die Fragen aufge-

zeigt, anschließend die Theorie behandelt und in einem letzten Schritt

das zugehörige Beispiel vorgestellt.181

Somit ist sichergestellt, dass jedem Benutzer alle Lerninhalte vermittelt

werden, dabei aber auf seine individuellen Lernpräferenzen eingegangen

wird.

2.11.3. Mikroadaptivität

Dieser Abschnitt stellt Systeme vor, die versuchen durch eine kontinuier-

liche Beobachtung und Analyse des Benutzerverhaltens eine individuell

optimierte Aufbereitung und Darstellung der Lerninhalte zu erreichen.

Im Vergleich zu makroadaptiven Systemen lassen sich allerdings nur sehr

wenige Entwicklungen aus diesem Bereich finden, die grundlegend ver-

schiedene Analysemethoden anwenden.

AHA!

Eines der wenigen Systeme, dass eine echte Mikroadaptivität implemen-

tiert ist AHA!. Die aktuelle Version von AHA!182 183 nutzt ein Benutzer-

und ein Domänenmodell. Während das Domänenmodell die Beziehung

zwischen einzelnen Lernobjekten definiert ist das Benutzermodell ein so-

genanntes Overlaymodell, das in der selben Struktur Attribute des Be-

nutzer speichert. Die eingentlichen Inhalte werden als vollständige Web-

seiten, Fragemente oder Objekte geladen.

Die Mikroadaptivität wird erreicht, indem jede Benutzerinteraktion (i.d.R.

”Klicks”) im Benutzermodell protokolliert wird. Das Benutzermodell ent-

hält für jedes Objekt des Domänenmodells einen Zähler für die Anzahl

der Aufrufe und eine Variable für den zugehörigen Wissensstand. Der

Wissensstand wird mittels Multiple Choise Tests ermittelt. Zu Beginn

wird der Benutzer gefragt, wie er seinen Wissensstand im Bereich der

181 Vgl. Papanikolaou et al., 2002b, S. 346182 Vgl. De Bra et al., 2003, S. 81 ff.183 Vgl. De Bra et al., 2006, S. 133 f.

Page 78: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

66

Wissensdomäne einschätzt, um von Beginn an adaptierte Inhalte anzei-

gen zu können.

Die Reaktionen der Adaptionsmaßnahmen leiten sich direkt aus diesen

Werten des Benutzermodells ab. Es werden insgesamt drei verschiedene

Adaptionsmaßnahmen eingesetzt. Zum einen werden Links in verschiede-

nen Farben dargestellt, um dem Benutzer aufzuzeigen, welche Links emp-

fohlen werden, welche bereits besucht wurden und welche derzeit noch

nicht empfohlen werden. Um den Benutzer nicht zu sehr einzuschränken,

kann aber jeder Link benutzt werden.

Zum anderen wird im Navigationsbereich mittels farbigen Icons ange-

zeigt, welche Kapitel empfohlen werden und welche derzeit noch nicht

besucht werden sollten. Auch hier lassen sich die nicht empfohlenen Links

benutzen. Nach einer einer Ausführungs, warum das System den entspre-

chenden Link als noch nicht geeignet einstuft, kann der Nutzer selber

entscheiden, ob er dem Link weiter folgen möchte oder nicht.

Außerdem werden innerhalb einer Seite einzelne Textfragmente oder Ob-

jekte konditional in Abhängigkeit vom Benutzermodell ein- oder ausge-

blendet.

COALE

Das COALE184 Projekt verfolgt den ambitionierten Ansatz, ein System

zu entwickeln, das sowohl eine adaptive als auch eine kollaborative Kom-

ponente einsetzt. Die Erläuterungen zum Prototypen zeigen jedoch, dass

der Fokus auf der kollaborativen Komponente liegt.

Für die Adaption arbeitet das System in zwei Schritten. Zunächst wird

das Benutzerverhalten analysiert, um anschließend daraus folgende Ak-

tionen und Hilfestellungen ableiten zu können.

Die Analyse des Benutzerverhaltens wird immer wieder anhand der drei

Kenngrößen Beschäftigungsgrad, Fortschritt und inhaltlicher Zusammen-

hang vorgenommen.

Der Beschäftigungsgrad ist gering, wenn der Benutzer beispielsweise das

Inhaltsverzeichnis durchsucht. Hoch ist er hingegen, wenn der Benutzer

mit einem anderen Lerner in einer Diskussion ist. Der Lernfortschritt

wird anhand des Verhältnisses von richtig beantworteten Fragen zu be-

arbeiteten Fragen ermittelt. Der inhaltliche Zusammenhang, "Distance184Collaborative and Adaptive Learning Environment

Page 79: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

67

between Contents"wird nach der ersten abgeschlossenen Lerneinheit er-

mittelt und soll Auskunft darüber geben, ob der Benutzer Inhalte aus

einem anderen oder ähnlichen Bereich wählt.

Aus diesen kontinuierlich ermittelten Daten leitet das System Vorschläge

und Aktionen ab. Die einzigen in der Beschreibung vorgestellten Reak-

tionen auf diese Daten sind eine Navigationshilfe und eine Schnittstelle in

das kollaborative Modul. Die Navigationshilfe schlägt entweder die Stra-

tegie ”Depth-first” oder ”Width-first” vor. Je nach Grad der Beschäfti-

gung, des gerade ausgewählten Lernmaterials und des individuellen Fort-

schritts wird der Benutzer anderen Lernern für eine Online-Diskussion

vorgeschlagen oder nicht.185

AdeLE

AdeLE steht für ”Adaptive e-Learning with Eye-Tracking” und verfolgt

den Ansatz mittels eines Eye-Tracking Systems in Echtzeit die visuelle

Perzeption des Nutzers aufzuzeichnen.186 Da dem System zu jedem Zeit-

punkt aktuelle Daten über die fokussierten Objekte auf dem Bildschirm

zur Verfügung stehen, handelt es sich bei diesem System ebenfalls um

ein mikroadaptives System. Anhand der Augenbewegung des Nutzers

soll das System versuchen herauszufinden, ob der Benutzer etwas liest,

eine Abbildung ansieht, in einem Text sucht oder den Navigationsbereich

betrachtet.

Es wird allerdings kritisiert, dass durch dieses aufwändige Verfahren kei-

ne Einblicke in kognitive Probleme oder Lernschwierigkeiten gewonnen

werden können, sondern lediglich oberflächliche Daten ermittelt werden

können.187 Außerdem eignet sich diese Technik nicht für den flächen-

deckenden Einsatz im Bereich von adaptiven Lernumgebungen, da die

benötigte Technik aufwändig und teuer ist und deshalb meist nur in La-

borumgebungen zur Verfügung steht.

185 Vgl. Furugori et al., 2002, S. 493ff.186 Vgl. Pivec et al., 2006, S. 497187 Vgl. Schulmeister, 2003, S. 126 f.

Page 80: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

68

2.11.4. Zusammenfassende Betrachtung über den Stand der

Technik

Systeme, die dem Benutzer die Möglichkeit bieten, die Benutzerschnitt-

stelle eigenständig an seine Bedürfnisse anzupassen, bilden den ersten

Teil der Betrachtung. Zwar erhöhen solche Funktionen zweifelsfrei den

Komfort bei der Nutzung, allerdings sind die hier eingesetzten Methoden

und Techniken heute in den meisten Webanwendungen zu finden und

können somit als etablierter Standard betrachtet werden, der nicht mehr

charakteristisch für ein adaptives E-Learning System ist.

Da zu erwarten ist, dass ein Benutzer in einer Lernumgebung eine ver-

gleichsweise lange Zeit verbringt, sind solche Funktionen hier selbstver-

ständlich besonders sinnvoll. Gleichzeitig ist aber auch zu bedenken, dass

der Nutzer selbst eine Auswahl über seine Präferenzen treffen muss und

die adaptierbaren Funktionen keinen Einfluss auf das Lernen selbst ha-

ben, sondern sich lediglich das Erscheinungsbild der Anwendung in eini-

gen Punkten anpassen lässt.

Die meisten der vorgestellten makroadaptiven Entwicklungen arbeiten

auf Basis eines Lernstilmodells. In der Regel wird der Benutzer dazu zu

Beginn der Systemnutzung einem Selbsttest unterzogen, anhand dessen

ihm ein Lernstil oder -typ zugeordnet wird. Auf Basis dieses Lernstils

werden je nach System unterschiedliche Funktionen adaptiert. Typische

Funktionen, die bei mehreren Systemen zu finden sind, sind die Auswahl

von empfohlenen Links, Annotationen und Textfragmenten, die abhängig

vom Benutzer ein- oder ausgeblendet werden.

Es wird also eine Begrenzung des Inhalts und eine Sequenzierung vorge-

nommen. Die einzelnen Lerntypen oder Lernstile der Benutzer werden in

den vorgestellten Systemen nicht hinsichtlich des eingesetzten Medien-

typs berücksichtigt.

Selbst wenn diese Systeme in Richtung von alternativen Inhalten erwei-

tert werden, ist kritisch zu betrachten, dass ein makroadaptives System

nur Aspekte des Nutzers oder seiner technischen Umgebung untersuchen

kann, die sich zwischen den Eingriffsintervallen nicht verändern. Bei den

vorgestellten Systemen, die nur einen initialen Eingriff vorsehen, können

also nur Konstanten berücksichtigt werden.

Gleichzeitig basieren diese Systeme zumeist auf einem Selbsttest, der

Page 81: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

69

durch den Benutzer zu bearbeiten ist. Ob der Benutzer hier eine realisti-

sche Einschätzung seiner Fähigkeiten und Arbeitsweise abgibt, ist frag-

lich. Insbesondere bei der Berücksichtigung von Nutzern, die ein solches

System nicht im Rahmen eines Studiums oder anderer Bildungsangebote

nutzen, kann eine solche Beurteilung nur sehr vage erfolgen, da der Nut-

zer sein Lernverhalten unter Umständen selbst nicht einschätzen kann.

Der vielversprechendste und zugleich technisch deutlich anspruchsvollere

Ansatz ist die Entwicklung von mikroadaptiven Systemen.

Die hier vorgestellten Systeme verfolgen grundsätzlich unterschiedliche

Ansätze, um die Interaktion des Benutzers mit dem System kontinuierlich

zu erfassen. Während COALE und AHA! erfassen, in welchem Bereich

des Systems sich ein Benutzer aufhält, benutzt AdeLE ein Eye-Tracking

System, um die Augenbewegung des Benutzers zu erfassen. Keines der

Systeme benutzt ein Benutzermodell oder bietet ein breites Spektrum

an Adaptionsmöglichkeiten. Leider beschränken sich die Entwickler auch

hier trotz umfangreich zur Verfügung stehender Nutzungsdaten auf Na-

vigationshilfen und, im Fall von COALE, Vorschläge für Lernpartner.

Allen untersuchten Systemen ist gemein, dass sie sich auf einen kleinen

Bereich der Individualität konzentrieren. In der Regel wird eine Einfluss-

größe untersucht und unter Berücksichtigung der gewonnenen Ergebnis-

se eine der zur Verfügung stehenden Adaptionsmaßnahmen ausgewählt.

Unter der Annahme, dass sich die Individualität eines Lerners aus einer

Vielzahl persönlicher und situativer Faktoren zusammensetzt, lässt sich

erkennen, dass die vorhandenen Lösungen keine ausreichende Berücksich-

tigung der individuellen Erfordernisse erreichen werden. Diese Annahme

wird durch andere Forschungen188 189 190 gestützt und lässt den Schluss

zu, dass ein echter Fortschritt im Bereich der adaptiven Lernanwendun-

gen nur durch die Kombination verschiedener Einflussfaktoren und Ad-

aptionsmaßnahmen erreicht werden kann. Die gleichzeitige Verwendung

vieler persönlicher und situativer Faktoren erfordert allerdings auch ein

angepasstes Vorgehen in der Erfassung dieser Faktoren. Würden alle Fak-

toren explizit, etwa durch die Verwendung von Fragebögen erfasst, würde

188 Vgl. Mampadi, 2012, S. 7189 Vgl. Lehmann, 2010, S. 17190 Vgl. Mampadi et al., 2009, S. 163

Page 82: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

70

für den Nutzer ein nicht vertretbarer Aufwand allein für die Erfassung

seiner Persönlichkeitsmerkmale entstehen. Würden außerdem situative

Faktoren in der Analyse berücksichtigt, würde die Zusatzbelastung für

den Lernenden noch weiter signifikant steigen. Insbesondere die deutlich

weniger verbreiteten und anspruchsvolleren hier untersuchten mikroad-

aptiven Systeme berücksichtigen nur eine isolierte Einflussgröße. Zugleich

haben diese Ansätze aber aufgrund ihrer häufig impliziten Messverfahren

das größte Potential, in einem komplexen System eingesetzt zu werden,

welches eine Vielzahl von Einflussfaktoren berücksichtigt.

Es ist derzeit kein System bekannt, dass aufgrund seiner Struktur dazu

in der Lage wäre, eine Vielzahl von Einflussfaktoren zu berücksichtigen

und diese in kurzen Intervallen zu erfassen, ohne dass für den Nutzer

ein unvertretbar hoher Aufwand allein für die Messvorgänge entstehen

würde.

Page 83: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

71

2.12. Zusammenfassung

In diesem Kapitel wurden Einflussgrößen, Methoden zur Messung und

Modellierung, sowie daraus resultierende Adaptionsmaßnahmen unter-

sucht, die sich für den Einsatz in adaptiven Lernumgebungen eignen.

Die Untersuchung zeigt, dass eine Vielzahl an individuellen Einflussfak-

toren gibt, die eine Auswirkung auf den Lernprozess haben und bereits

beschrieben sind. Somit kann die Forschungsfrage F1 wie folgt beantwor-

tet werden.

F1: Welche individuellen Einflussfaktoren sind im Kontext von compu-

terbasierten Lenumgebungen grundsätzlich als relevant in Bezug auf den

Lernprozess anzusehen?

A1: Aus der Forschung und Literatur sind vielfältige individuelle Ein-

flussfaktoren bekannt, die sich auf den Lernprozess auswirken. Im Ein-

zelnen sind die folgenden Faktoren identifiziert worden:

• Vorhandenes Wissen

• Domänenwissen

• Ziele des Nutzers

• Interessen des Nutzers

• Lernstil

• Kognitiver Typ

• Ethnisch-kultureller Hintergrund

• Konzentrationsfähigkeit

• Extrinsiche Motivation

• Intrinsische Motivation

• Merkmale der Internetverbindung

• Endgerät

• Einschränkungen des Lerners

• Präferenz für Medientypen

Page 84: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

72

• Lernkontext

• Zur Verfügung stehende Zeit

Nicht bekannt ist, ob diese Aufzählung von Faktoren vollständig ist, noch

ob es Beziehungen und Wechselwirkungen zwischen einzelnen Faktoren

oder Gruppen von Faktoren gibt, da sie nur einzeln untersucht wurden.

Die Mehrzahl der hier aufgeführten Faktoren wird in der Literatur je-

doch nur theoretisch behandelt und findet keine konkrete Anwendung

in bereits existierenden Systemen, wie sie im Stand der Technik unter-

sucht wurden. Auch ist bemerkenswert, dass neben den häufig verwende-

ten statischen Einflussfaktoren, wie etwa dem Lernstil, eine Vielzahl von

dynamischen Faktoren existiert, die genutzt werden könnten, um den

situativen Kontext zu erfassen. Wie bereits in Kapitel 2.11 aufgezeigt,

konzentrieren sich bestehende Systeme in der Regel auf einen isolierten

Einflussfaktor geringer Dynamik (siehe 2.11.4). Unter Berücksichtigung

der Bandbreite an zur Verfügung stehenden Einflussfaktoren, lässt sich

erkennen, dass sich eine exakte Vorstellung über den Lernenden und sei-

ner momentanen Situation nur dann erhalten lässt, wenn unterschiedliche

Einflussfaktoren gleichzeitig berücksichtigt werden.

Welche Einflussgrößen tatsächlich berücksichtigt werden können, hängt

maßgeblich von den zur Verfügung stehenden Messverfahren ab. Insbe-

sondere in der Frühzeit der adaptiven Lernumgebungen standen kaum

weit verbreitete und zuverlässige Standards im Bereich der Hard- und

Software zur Verfügung, die sich geeignet hätten, um entsprechende Mess-

verfahren zu implementieren. Aus diesem Grund wurden die meisten Sys-

teme auf Basis von expliziten Verfahren entwickelt, die sich auf Frage-

bögen zur Erfassung einzelner Aspekte stützten. Somit lässt sich auch

die Forschungsfrage F2 teilweise vor dem Hintergrund des aktuellen For-

schungsstands beantworten.

F2: Welche individuellen Einflussfaktoren sind im Kontext von compu-

terbasierten Lernumgebungen nach heutigem Kenntnisstand technisch zu

erfassen und mit welchen Methoden können sie erfasst werden.

A2-1: Die aus der Forschung und Literatur bekannten Einflussfaktoren

wurden bisher nur theoretisch behandelt oder isoliert in Projekten oder

Produkten berücksichtigt. Eine implizite technische Erfassung der Fakto-

ren findet nicht statt, vielmehr ist in der Regel eine explizite Ermittlung

Page 85: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

73

der Merkmalsausprägung zu finden.

In der Zwischenzeit haben sich sowohl im Bereich der Endgeräte, als auch

der Softwareplattformen mächtige Standards etabliert, die den Einsatz

neuer Methoden zur Erfassung von Einflussfaktoren ermöglichen. Hier-

durch wird es möglich, erweiterte Erfassungsmethoden zu entwickeln und

Faktoren, die bisher explizit erfasst wurden, implizit zu erfassen. Jedoch

wird bisher keiner dieser heute verfügbaren und weit verbreiteten Stan-

dards in der Literatur zu adaptiven Lernumgebungen berücksichtigt.

Für die Modellierung der erfassten Daten werden unterschiedliche For-

men von Benutzermodellen vorgeschlagen. Diese Modelle lassen sich pri-

mär dahingehend unterscheiden, ob konstante oder dynamische Attri-

bute erfasst werden sollen. Für den jeweiligen Anwendungsfall muss ein

geeignetes Modellierungsverfahren identifiziert werden. Vor allem in Um-

gebungen, die sowohl Einflussgrößen mit einer hohen Beständigkeit, als

auch solche, die einer hohen Dynamik unterliegen, ist eine Kombinati-

on von verschiedenen Verfahren sinnvoll. Anwendung kann eine derartige

Modellierung etwa in einer Umgebung finden, die den häufig eingesetzten

statischen Lernstil gemeinsam mit der dynamischen und situationsabhän-

gigen Konzentrationsfähigkeit berücksichtigen.

Auch im Bereich der Adaptionsmaßnahmen steht eine große Vielfalt von

einsetzbaren Möglichkeiten zur Verfügung. Grundsätzlich lassen sich die-

se Möglichkeiten in die Kategorien Textadaption, Navigationsadaption

und Contentadaption unterteilen. Die vorgestellten Systeme nutzen in

der Regel die einfach zu realisierenden Methoden aus den Kategorien

Text- und Navigationsadaption. Methoden zur Contentadaption, also zur

Adaption auf Inhaltsebene, werden nur in der Theorie beschrieben.

Es zeigt sich, dass zwischen grundsätzlich denkbaren und teilweise in der

Literatur beschriebenen Ansätzen, und solchen die tatsächlich in Anwen-

dungen eingesetzt und erforscht werden, eine große Diskrepanz besteht.

Dies mag zum einen der Tatsache geschuldet sein, dass viele Entwicklun-

gen zu einer Zeit entstanden sind, als notwendige technische Ressourcen

nicht im ausreichenden Maße zur Verfügung standen. Zum anderen sind

viele Untersuchungen in diesem Bereich von psychologischen Fragestel-

lungen getrieben, weshalb sich der Einsatz von simplen technischen Me-

thoden anbietet, um einer spezifischen Fragestellung nachzugehen.

Page 86: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

74

Auf der anderen Seite sind einige technisch anspruchsvolle Vorschläge,

wie das AdeLE-System191, dokumentiert, die sich aber auf einer rein

technischen Ebene befinden und die nie den Einzug in ein Gesamtsystem

erhalten haben.

2.13. Verbleibende Herausforderungen und weiteres

Vorgehen

Aus dem Stand der Forschung und Technik lassen sich keine zufrieden-

stellenden Antworten auf die verbleibenden Forschungsfragen F3, F4, F5

und F6 geben. Außerdem ist der Bereich der Methodik zur technischen

Erfassung von Einflussfaktoren nur unzureichend beantwortet, da vor

allem implizite technische Verfahren noch nicht berücksichtigt sind. Des-

halb soll im folgenden Teil der Arbeit ein Framework zur Evaluierung der

verbleibenden Fragestellungen entwickelt werden. Das Framework bildet

die Basisstruktur und zentrale Komponenten des Gesamtsystems. Neben

dem Framework sollen außerdem erste Komponenten als Plug-Ins für das

Framework zur Bestimmung von ausgewählten Einflussfaktoren genutzt

werden, um exemplarisch die Funktionalität zeigen und untersuchen zu

können.

Die Suche nach bekannten Faktoren, die einen Einfluss auf eine Lern-

situation haben, hat gezeigt, dass es zwar bereits eine Vielzahl an be-

kannten Faktoren gibt. Gleichzeitig hat sich aber auch gezeigt, dass es

für keinen der Einflussfaktoren Möglichkeiten zur impliziten technischen

Erfassung gibt. Vor dem Hintergrund, dass das geplante System mehrere

Faktoren gleichzeitig unterstützen soll wurde bereits diskutiert, dass eine

explizite Erfassung nicht sinnvoll erscheint( siehe hierzu auch 2.6, 2.11.4).

Aus den ermittelten Faktoren, die einen Einfluss auf eine Lernsituation

haben, sollen zunächst drei für die folgende Betrachtung berücksichtigt

werden. Dazu müssen Komponenten entwickelt werden, die implizit die

Ausprägung des jeweiligen Merkmals erfassen.

In den letzten Jahren hat sich der Trend zur Nutzung mobiler Endgeräte

immer weiter ausprägt. Bereits jetzt ist in vielen Regionen erkennbar,

dass die Nutzung mobiler Geräte weiter verbreitet ist, als die Nutzung

von klassischen PCs und Laptops. So ist auch im Bereich von E-Learning

191Siehe Kapitel 2.11.3

Page 87: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

75

Anwendungen im speziellen davon auszugehen, dass die Nutzung mobi-

ler Endgeräte einen signifikanten Anteil ausmacht. Problematisch bei der

Nutzung mobiler Endgeräte ist der Umstand, dass die potentiell Ver-

fügbare Bandbreite für den Abruf von Inhalten stark je nach Nutzer

variiert und die real verfügbare Bandbreite starken Schwankungen un-

terliegt. Mitunter können real zur Verfügung stehende Bandbreiten nur

ausreichend sein um einfache zeichenbasierte Formate mit zumutbarer

Verzögerung abzurufen, obwohl dem Nutzer potentiell eine hohe Band-

breite zur Verfügung steht, mit der sich problemlos auch hochauflösende

Videos darstellen lassen. Um diesen Einflussfaktor im Rahmen des vorge-

schlagenen Frameworks berücksichtigen zu können soll eine Komponente

entwickelt werden, die es ermöglicht die momentan verfügbare Bandbreite

des Endgeräts eines Nutzers zu ermitteln. Auf Grundlage der, von dieser

Komponente zur Verfügung gestellten Daten können im Regelwerk ent-

sprechende Adaptionsmaßnahmen zur Anpassung der genutzten Inhalte

definiert werden.

In unterschiedlichen Untersuchungen hat sich gezeigt, dass die Präferenz

für bestimmte Medienformate insbesondere in Lernsituationen eine si-

gnifikante Auswirkung auf den Lernprozess hat(siehe hierzu auch 2.5).

Im Vergleich zu klassischen Printmedien bieten Multimedia- und Hyper-

mediasysteme die benötigte Basistechnologie, um unterschiedlichste Me-

dienformate in einem System zu vereinen. Gleichzeitig kann diese Tech-

nologie auch genutzt werden, um Inhalte in unterschiedlichen Repräsen-

tationsformen anzubieten. Diese technologischen Stärken sollen genutzt

werden, um dem Nutzer vornehmlich solche Inhalte anzubieten, die seiner

individuellen Medienpräferenz entsprechen. Hierzu soll eine Komponen-

te entwickelt werden, die kontinuierlich bestimmt, welche Medientypen

vom Nutzer besonders intensiv wahrgenommen werden. Die so gewonnen

Daten stellt die Komponente im Rahmen des Regelwerks zur Verfügung,

sodass diese als Eingangsgröße für Adaptionsregeln verwendet werden

können.

Als dritte Komponente soll ein Verfahren entwickelt werden, mit dem sich

der momentane Gemütszustand eines Lernenden ermitteln lässt. Diese

Komponente soll es ermöglichen, die Emotionen des Lernenden als Ein-

flussgröße innerhalb des Regelwerks zu nutzen. Dazu sollen die in vielen

Endgeräten, wie Laptops oder Smartphones vorhandenen Kameras ge-

nutzt werden. In Laptops oder Desktop Computern stehen hierzu häufig

Page 88: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

76

Peripherie- oder fest eingebaute Kameras zur Verfügung. Bei Smartpho-

nes kommt eine sekundäre Kamera, die auf den Nutzer gerichtet ist und

auch als Frontkamera bezeichnet wird, zum Einsatz. Die aus diesen Ka-

meras gewonnen Bilder sollen hinsichtlich der momentanen Gemütslage

des Nutzers untersucht werden. Aus den so gewonnen Informationen kön-

nen Maßnahmen zur Beeinflussung für die Lernsituation getroffen wer-

den. Denkbar ist etwa, dass ein Studierender immer, wenn er mit neuen

Lernmaterialien konfrontiert wird, hinsichtlich der erkennbaren Emoti-

on untersucht wird. Reagiert der Studierende überrascht oder verärgert,

kann für die nächste Lerneinheit ein vergleichsweise einfacher Lerninhalt

gewählt werden. Ein Studierender, der während der Präsentation eines

Testergebnisses freudig reagiert hat, könnte analog in der kommenden

Lerneinheit herausfordernde Inhalte präsentiert bekommen.

Page 89: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

77

3. Systemkonzeption

Nachdem in den vorherigen Kapiteln aufgezeigt wurde, welche Möglich-

keiten zur Adaption bekannt sind und welche davon bereits in vorhan-

denen Systemen zum Einsatz kommen, sollen in diesem Kapitel Anfor-

derungen an ein System formuliert werden, das die Beantwortung der

verbleibenden Forschungsfragen ermöglicht.

Die Definition der Ziele und daraus erarbeiteten Anforderungen für die

Systemarchitektur basiert auf der grundsätzlichen Modellbildung zu ad-

aptiven Systemen in Kapitel 2.3 und der allgemeinen Beschreibung der

Komponenten in den folgenden Abschnitten. Dazu werden zunächst Zie-

le festgelegt, die die Basis für die Erstellung einer Anforderungsanalyse

bilden. In einem weiteren Schritt wird aus der Anforderungsanalyse ein

Systemarchitekturvorschlag erarbeitet. Die Zielarchitektur soll einerseits

die bereits bekannten Verfahren und Methoden zur Adaption in einer

Plattform vereinen und andererseits die Basis für die Erweiterungen um

weitere Verfahren und Methoden bilden.

Der so erstellte Systemarchitekturvorschlag dient im weiteren Verlauf der

Arbeit als Grundlage für die Entwicklung des System-Prototyps.

3.1. Anforderungsanalyse

Die Zielarchitektur soll die flexibel erweiterbare Grundlage für die Imple-

mentierung eines adaptiven Systems bilden. Insbesondere soll das System

die Möglichkeit bieten, grundsätzlich alle vorgestellten Formen der Ad-

aptivität, sowie implizite und explizite Messverfahren zu unterstützen.

Außerdem sollen aktuelle Technologien unterstützt werden.

Um auch auf die Anforderungen der Systemakteure einzugehen, sollen

unterschiedliche Perspektiven auf das System realisiert werden. Neben

der Frontendanwendung für die Studierenden werden angepasste Ba-

ckendanwendungen benötigt, die es Fachautoren und Kursbetreuern er-

möglichen, das System anzupassen, ohne Kenntnisse über das System

oder dessen technische Einzelheiten zu haben. Eine weitere Perspektive

soll Programmschnittstellen für die Entwicklung neuer Komponenten zur

Verfügung stellen.

Die Anforderungsanalyse, die sich mit der Erhebung, Bewertung und

Spezifikation von Anforderungen beschäftigt, nimmt im Softwareentwick-

Page 90: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

78

lungsprozess eine der Schlüsselpositionen ein. Es ist bekannt, dass die

Hälfte der Entwicklungsfehler auf eine fehlerhafte Anforderung bzw. de-

ren Spezifikation zurückzuführen sind.192 Zudem verursachen Mängel, die

erst nach der Implementierung entdeckt werden, im Schnitt die hundert-

fachen Kosten derer, die schon während der Design- und Analysephase

entdeckt werden.193 Ein schlechtes konzeptuelles Modell erhöht, als Kon-

sequenz der Fehlersuche und Korrektur, den Entwicklungsaufwand oder

resultiert in einem System, welches den oder die Nutzer als Konsequenz

nicht erkannter Mängel nicht zufriedenstellt.

Nach dem Standish Group Report wurde in einer Befragung festgestellt,

dass 52,7% der Projekte abgeschlossen wurden, ihr geplantes Budget aber

um bis zu 189% überstiegen. In Projekten, die abgeschlossen wurden,

konnten durchschnittlich nur 42% der geplanten Funktionalitäten umge-

setzt werden. Lediglich 16,1% der Projekte wurden unter Einhaltung der

geplanten Zeit-, Kosten- und Qualitätsvorgaben erfolgreich abgeschlos-

sen.194

Nach IEEE610.12195 wird der Begriff Anforderung folgendermaßen de-

finiert:

1. A condition or capability needed by a user to solve a problem or

achieve an objective.

2. A condition or capability that must be met or possessed by a system

or system component to satisfy a contract, standard, specification,

or other formally imposed documents.

3. A documented representation of a condition or capability as in (1)

or (2).

Nach dieser Definition sind Anforderungen Bedingungen oder Eigenschaf-

ten, die es einerseits dem Benutzer ermöglichen, ein Problem zu lösen

oder ein Ziel zu erreichen und andererseits solche, die aus organisatori-

schen Notwendigkeiten, Industriestandards oder gesetzlichen Vorschrif-

ten hervorgehen. Neben den Anforderungen des Nutzers gibt es in der

192Vgl. Rombach, 2003, S. 3193Vgl. Boehm, 1981, S. 4194Vgl. The Standish Group, 1994195Vgl. IEEE Computer Society, 1990, S. 62

Page 91: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

79

Regel eine Reihe von weiteren sogenannten Stakeholdern, die ein Inter-

esse an einem System haben oder Vorschriften, Normen und Standards

definieren. Diese Stakeholder können beispielsweise der Gesetzgeber, Ma-

nager auf Auftraggeberseite, Gewerkschaften oder Partnerunternehmen

sein.

Allgemein sind Anforderungen unabhängig vom Design und beschreiben

das „Was“ und nicht das „Wie“.196

Für die Klassifizierung wurde lange Zeit zwischen funktionalen und nicht-

funktionalen Anforderungen unterschieden.197

Nach Sommerville definieren funktionale Anforderungen eine vom Sys-

tem oder einer Systemkomponente bereitzustellende Funktion oder einen

bereitzustellenden Service. Als Teil einer Benutzeranforderung kann eine

funktionale Anforderung sehr allgemein beschrieben sein. Als Bestandteil

einer Spezifikation beschreibt eine funktionale Anforderung detailliert die

Eingaben und Ausgaben sowie bekannte Ausnahmen eines Systems.198

Nichtfunktionale Anforderungen hingegen beschreiben Anforderungen an

ein System, die sich nicht als Funktion abbilden lassen. Beispielhaft sind

Anforderungen an die Ausfallsicherheit und Verfügbarkeit oder die Si-

cherheit und den Datenschutz zu nennen. Folgt man Pohl, sind nicht-

funktionale Anforderungen in aller Regel unterspezifizierte funktionale

Anforderungen oder Qualitätsanforderungen.

Bei unterspezifizierten funktionalen Anforderungen handelt es sich bei

genauerer Betrachtung um eine oder mehrere funktionale und Qualitäts-

anforderungen, die lediglich nicht ausreichend detailliert spezifiziert sind.

Diese Unterspezifikation birgt ein hohes Risiko für Anforderungsanaly-

se und die nachfolgenden Prozesse. Zum einen besteht die Gefahr, dass

die Anforderung von verschiedenen Projektbeteiligten unterschiedlich in-

terpretiert wird, zum anderen lässt sich die Korrektheit der Implemen-

tierung nicht eindeutig überprüfen.199 Das klassische Beispiel für eine

nichtfunktionale Anforderung nach Sicherheit könnte eines oder mehre-

re der Schutzziele der IT-Sicherheit (Vertraulichkeit, Verfügbarkeit und

Integrität) meinen. So ist es denkbar, dass der Anforderungssteller die

vertrauliche Handhabung von personenbezogenen Daten fordert, der Sys-196Vgl. Pohl, 2007, S. 20ff.197Vgl. Sommerville, 2007, S. 154ff., IEEE u.A.198Vgl. Sommerville, 2007, S. 152f.199Vgl. Pohl, 2007, S. 16f.

Page 92: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

80

temarchitekt für eine hohe Verfügbarkeit der Daten sorgt und die Quali-

tätssicherung die Konsistenz von Daten prüft. Die Folge ist ein System,

das nicht den gewünschten Anforderungen entspricht, jedoch vollkommen

spezifikationskonform entwickelt und überprüft wurde.

Die zweite Kategorie von Anforderungen, die sich hinter einer nichtfunk-

tionalen Anforderung verbergen können, sind die Qualitätsanforderun-

gen. Qualitätsanforderungen beziehen sich auf qualitative Eigenschaften

des Gesamtsystems, einzelner Funktionen oder Funktionsgruppen.

Neben den funktionalen Anforderungen und Qualitätsanforderungen wer-

den Restriktionen als Rahmenbedingungen bezeichnet. Eine Rahmenbe-

dingung ist eine organisatorische oder technologische Anforderung, die

die Art und Weise der Entwicklung einschränkt. Grundsätzlich ist davon

auszugehen, dass eine Rahmenbedingung eine funktionale oder qualitati-

ve Anforderung immer einschränkt. Dabei wird zwischen Rahmenbedin-

gungen unterschieden, die entweder den Entwicklungsprozess oder aber

das zu entwickelnde System einschränken.200 201 Ein Beispiel für eine das

System einschränkende Rahmenbedingung sind Vorschriften nach dem

Bundesdatenschutzgesetz, die den Umsetzungsspielraum im Umgang mit

personenbezogenen Daten einschränkt. Hingegen kann der Entwicklungs-

prozess beispielsweise durch organisationsinterne Richtlinien beschränkt

werden.

Zusammenfassend ergeben sich drei Hauptkategorien von Anforderun-

gen:

• Funktionale Anforderungen

• Qualitative Anforderungen und

• Rahmenbedingungen

3.2. Zieldefinition

In diesem Abschnitt werden die Ziele festgelegt, die mit dem vorgeschla-

genen System erreicht werden sollen. Im folgenden Abschnitt werden die

hier festgelegten Ziele verwendet, um Anforderungen zu formulieren, die

die Erreichung der Ziele ermöglichen.

200Vgl. Pohl, 2007, S. 18f.201Vgl. Gause, 2005, S. 13ff.

Page 93: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

81

Die Ziele leiten sich in erster Linie aus der Betrachtung der bestehenden

Systeme ab. Zudem werden einige Rahmenbedingungen berücksichtigt,

die einen zeitgemäßen Betrieb eines Softwaresystems ermöglichen. Hierzu

zählen insbesondere die Berücksichtigung heute eingesetzter Endgeräte,

die Wartbarkeit des Systems, sowie ein Mindestmaß an Ausfallsicherheit

und Datenschutz.

• (Z1) Berücksichtigung der Diversität von Lernenden

Das System soll die Diversität von Lernenden anhand von per-

sönlichen, situativen und technischen Merkmalen berücksichtigen.

Durch die Berücksichtigung dieser Merkmale soll eine möglichst

exakte Vorstellung über den Lernenden und seine momentane Si-

tuation erlangt werden. Dazu sollen unterschiedliche Merkmale aus

den einzelnen Kategorien nutzbar gemacht und gemeinsam zur Mo-

dellierung eines Benutzermodells verwendet werden.

• (Z2) Gleichzeitige Nutzbarkeit und Kombinierbarkeit von

unterschiedlichen Benutzermerkmalen

Das System soll eine Vielzahl von Benutzermerkmalen aus den

einzelnen Kategorien berücksichtigen können. Die berücksichtig-

ten Merkmale sollen nicht nur isoliert verwendet werden können,

sondern sich auch kombinieren lassen, so dass Abhängigkeiten und

Wechselwirkungen berücksichtigt werden können.

• (Z3) Geringe Wahrnehmbarkeit durch den Lernenden

Die Erfassung von Benutzerattributen soll möglichst exakt und zu-

gleich so diskret wie möglich vorgenommen werden. Dementspre-

chend sollen nach Möglichkeit implizite Messverfahren den Vorrang

vor expliziten Verfahren haben und soweit wie möglich auf umfang-

reiche Fragebögen verzichtet werden.

• (Z4) Systempflege durch Betreuer ohne technische Kennt-

nisse

Die Erstellung und Pflege von Inhalten, deren Metadaten und der

zentralen Adaptionssteuerung soll von typischen Autoren und Kurs-

betreuern ohne technische Kenntnisse vorzunehmen sein.

• (Z5) Einfache Systemerweiterungen

Durch ein flexibles und modulares Design des Systems soll es mög-

Page 94: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

82

lich sein, das System durch Hinzufügen von Komponenten zu er-

weitern. Für alle Komponenten soll es eine einheitliche Schnittstelle

geben, die mit der sie in das Gesamtsystem integriert werden kön-

nen.

• (Z6) Plattformunabhängige Systemnutzung

Das System soll von verschiedenen Endgeräten genutzt werden kön-

nen. Insbesondere sollen unterschiedliche Endgerätetypen und Platt-

formen unterstützt werden, ohne dass zusätzliche Software verwen-

det werden muss.

• (Z7) Betrieb nach heutigem Stand der Technik

Das System soll in Bezug auf Sicherheit, Verfügbarkeit und Leis-

tungsfähigkeit nach heutigem Stand der Technik und de facto Stan-

dards betrieben werden können. Es sollen nach Möglichkeit Stan-

dardtechnologien eingesetzt werden und auf den Einsatz von pro-

prietären Lösungen verzichtet werden.

• (Z8) Verwendung kostenfreier Software

Das System soll nach Möglichkeit auf Software basieren, für deren

Einsatz keine Lizenzgebühren anfallen.

Page 95: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

83

3.3. Anforderungsdefinition

Aus den definierten Zielen lassen sich Anforderungen an das zu konzipie-

rende System ableiten.

Nachfolgend werden zu den festgelegten Zielen Anforderungen definiert,

die eine Erreichung der Ziele ermöglichen.

Die Anforderungen werden im weiteren Verlauf nicht, wie üblich hinsicht-

lich Realisierungskosten und –qualität bewertet, da das Ziel vielmehr eine

Machbarkeitsstudie als ein Entwicklungsprojekt unter Berücksichtigung

von Kosten- und Zeitparametern ist.

Die einzelnen Ziele lassen sich durch die nachfolgend aufgeführten An-

forderungen erreichen.

Funktionale Anforderungen:

• (Z1) Berücksichtigung der Diversität von Lernenden

– (AF1-1) Unterstützung von adaptierbaren und adapti-

ven Verfahren.

Das System soll so aufgebaut werden, dass sich sowohl adap-

tierbare, als auch adaptive Funktionen integrieren lassen.

• (Z2) Gleichzeitige Nutzbarkeit und Kombinierbarkeit von

unterschiedlichen Benutzermerkmalen

– (AF2-1) Einsatz eines Regelwerks zur Festlegung des

Software-Verhaltens

Das System soll eine zentrale Konfiguration für die Festlegung

des Systemverhaltens bereitstellen. Diese Konfiguration soll

alle Einflussfaktoren in geeigneter Form abbilden und sie mit

geeigneten Adaptionsmaßnahmen verknüpfen lassen.

– (AF2-2) Gleichzeitige Nutzung mehrerer unterschied-

licher Einflussgrößen

Alle Einflussgrößen müssen beliebig miteinander kombiniert

werden können, so dass sich flexible Bedingungen aus mehre-

ren Einflussfaktoren zusammenstellen lassen, um so die Adap-

tionsmaßnahmen beeinflussen zu können.

• (Z3) Geringe Wahrnehmbarkeit durch den Lernenden

Page 96: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

84

– (AF3-1) Unterstützung von impliziten Messverfahren

Das System soll explizite und implizite Messverfahren glei-

chermaßen unterstützen. Welches Verfahren gewählt wird, soll

dabei nicht vom Gesamtsystem abhängen, sondern einzig von

den eingesetzten Komponenten für die Ermittlung der Ein-

flussgrößen.

• (Z4) Systempflege durch Benutzer ohne technische Kennt-

nisse

– (AF4-1) Erstellung und -pflege von Inhalten ohne Wis-

sen über Adaption

Inhalte sollen sich ohne Kenntnisse über die verwendeten Ad-

aptionsmaßnahmen erstellen lassen. Grundsätzlich sollen In-

halte und Adaptionstechniken unabhängig voneinander erstellt

und gepflegt werden können, um keine inhaltlichen Abhängig-

keiten entstehen zu lassen.

– (AF4-2) Einfache Erstellung und Pflege von Inhalten

auch ohne technisches Know-How

Inhalte und deren ergänzenden Attribute sollen sich ohne De-

tailkenntnisse über das System oder Fertigkeiten in den zu-

grundeliegenden Technologien erstellen und pflegen lassen. So-

mit lässt sich gewährleisten, dass Fachautoren ohne Bezug zum

Gesamtsystem Inhalte erstellen und pflegen können oder be-

stehende Inhalte aus anderen Quellen einfach übernommen

werden können.

– (AF4-3) Regelerstellung und –pflege unabhängig von

Inhalten

Regeln sollen sich ohne Kenntnisse über die verwendeten In-

halte erstellen lassen. Grundsätzlich sollen Regeln und Adap-

tionstechniken unabhängig voneinander erstellt und gepflegt

werden können.

– (AF4-4)Einfache Erstellung und Pflege von Regeln auch

ohne technisches Know-How

Regeln (siehe AF2-1) sollen sich ohne Detailkenntnisse über

das System oder Fertigkeiten in den zugrundeliegenden Tech-

nologien erstellen und pflegen lassen. Somit lässt sich gewähr-

Page 97: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

85

leisten, dass Kursbetreuer ohne Bezug zum Gesamtsystem Re-

geln erstellen und pflegen können.

• (Z5) Einfache Systemerweiterungen

– (AF5-1) Modularisierte Software – Einsatz von Kom-

ponenten

Das System soll neben der Basisanwendung aus austauschba-

ren Komponenten bestehen, die es bei Bedarf, ermöglichen,

die berücksichtigten Einflussfaktoren zu erweitern. Außerdem

können so alternative Methoden für einzelne Einflussfaktoren

eingesetzt werden. Es soll beispielsweise möglich sein, eine Ein-

flussgröße durch den Austausch der zugehörigen Komponente

entweder explizit oder implizit zu erfassen.

– (AF5-2) Klare Trennung von Systembestandteilen

Grundlegende Systembestandteile sollen zur Strukturierung

des Gesamtsystems klar voneinander abgegrenzt sein.

– (AF5-3) Erweiterbarkeit um weitere Einflussgrößen

Das System soll modular aufgebaut sein, so dass sich zusätzli-

che Komponenten zur Bestimmung von Einflussgrößen einfach

in das Gesamtsystem integrieren lassen.

– (AF5-4)Erweiterbarkeit um weitere Adaptionsmaßnah-

men

Das System soll so aufgebaut sein, dass sich sowohl adaptier-

bare, als auch adaptive Funktionen integrieren lassen.

– (AF5-5) Unterstützung unterschiedlicher Technologien

Für die Entwicklung von zusätzlichen Komponenten sollen un-

terschiedliche Technologien eingesetzt werden können, um ein

breites Spektrum von Möglichkeiten zu erhalten und möglichst

wenigen technischen Restriktionen zu unterliegen.

– (AF5-6) Klare Schnittstellen für zusätzliche Module

Für die Erweiterung um weitere Komponenten sollen Schnitt-

stellen geschaffen werden.

• (Z6) Plattformunabhängige Systemnutzung

– (AF6-1) Plattformunabhängigkeit

Das System soll von allen Anwendern unabhängig vom Geräte-

Page 98: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

86

typ und Betriebssystem ohne den Einsatz von Zusatzmodulen

oder Erweiterungen am jeweiligen Endgerät genutzt werden

können.

– (AF6-2) Unterstützte Endgeräte für Frontend

Das System-Frontend soll sowohl von Desktop Computern, als

auch von Tablet Computern und Smartphones genutzt werden

können.

– (AF6-3) Unterstützte Endgeräte für Backend

Das System-Backend soll von Desktop Computern genutzt

werden können.

Neben den funktionalen Anforderungen, werden aus den Zielen auch qua-

litative Anforderungen abgeleitet. Durch diese Anforderungen soll sicher-

gestellt werden, dass das System grundlegenden Erwartungen für einen

Regelbetrieb genügt.

Qualitative Anforderungen:

• (Z7) Betrieb nach heutigem Stand der Technik

– (AQ7-1) Ausfallsicherheit und Verfügbarkeit

Das System soll so aufgebaut sein, dass es sich in einer hoch-

verfügbaren Infrastruktur betreiben lässt. Hierzu sollen al-

le betriebskritischen Systembestandteile redundant ausgelegt

werden können.

– (AQ7-2) Datensicherheit

Daten sollen vor Verlust geschützt werden können.

– (AQ7-3) Datenschutz

Daten und insbesondere personenbezogene Daten sollen vor

unberechtigter Verarbeitung geschützt werden können.

– (AQ7-4) Leistungsfähigkeit

Das System soll möglichst einfach skalierbar sein, um es an

erweiterte Anforderungen anpassen zu können.

• (Z8) Verwendung kostenfreier Software

– (AQ8-1) Verwendung von Open Source Software

Das System soll nach Möglichkeit auf Open Source Software

aufbauen, durch deren Einsatz keine Kosten entstehen.

Page 99: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

87

Aus der groben Systemanforderung ergeben sich folgende Rollen für Sys-

tembenutzer.

Akteure:

• Lernender

Der Lernende ist der eigentliche Endanwender, der das System als

Lernumgebung verwendet.

• Tutor

Der Tutor betreut die Studenten während der Systembenutzung

und kann Systementscheidungen analysieren und nachvollziehen.

• Kursentwickler

Der Kursentwickler erstellt die generelle Struktur der Lernumge-

bung für eine spezifische Wissensdomäne. Außerdem kann der Kur-

sentwickler die Rolle des Autors einnehmen und eigenständig Inhal-

te, wie Texte und Abbildungen erstellen. Neben der Erstellung von

Inhalten pflegt der Kursentwickler Metadaten zu Inhalten, wie de-

ren Typ oder Schwierigkeitsgrad.

• Medienentwickler

Der Medienentwickler erstellt und pflegt Inhalte, wie Texte und Ab-

bildungen. Neben der Erstellung und Pflege von Inhalten verwaltet

er die Metadaten zu Inhalten, wie deren Typ oder Schwierigkeits-

grad.

• Rule Designer

Der Rule Designer legt das adaptive Systemverhalten anhand von

Regeln fest und bestimmt somit, welche der verfügbaren Einfluss-

größen welche Adaptionsmaßnahmen erfordern.

• Softwareentwickler

Der Softwareentwickler entwickelt Erweiterungen in Form von neu-

en Komponenten für Einflussgrößen oder Anpassungen der Adap-

tionsmaßnahmen.

Page 100: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

88

3.4. Logische Systemarchitektur

Dieser Abschnitt beschreibt die Architektur des Systems, anhand des-

sen einzelnen Komponenten und deren logischer Struktur. Grundlage für

die vorgeschlagene Architektur ist das in Kapitel 2.3 vorgestellte Refe-

renzmodell (Abbildung 1) und die Beschreibung seiner Komponenten in

den folgenden Abschnitten, sowie die in diesem Kapitel definierten Zie-

le und Anforderungen. Die Architekturbeschreibung bildet wiederum die

Grundlage für die Umsetzung des Gesamtsystems im folgenden Kapitel.

Um sicherzustellen, dass alle gestellten Anforderungen von der Umset-

zung berücksichtigt werden, sind die entsprechenden Referenzen auf An-

forderungen hinter den Maßnahmen zur Realisierung notiert.

Das „User Manager“ Modul arbeitet mit dem Datenbestand der Nutzer-

datenbank und stellt eine Backendanwendung zur Verfügung, mit der Da-

ten über Studierende manipuliert und ausgewertet werden können. Dieser

Teil der Architektur behandelt das Benutzermodell des Referenzmodells

und die Verfahren zur Modellierung von Benutzerattributen (rot).

Das „Content Manager“ Modul ermöglicht die Erstellung und Pflege von

Lerninhalten und deren interner Struktur. Dieses Modul korrespondiert

mit dem Domänenmodell des Referenzmodells (blau).

Die Verwaltung des Regelwerks ist auf drei Module aufgeteilt, die ge-

meinsam den Bereich der Regelverwaltung und Adaptionsmaßnahmen

behandeln (grün). Die Erstellung und Pflege einzelner Regeln und Zu-

sammenhänge erfolgt mit Hilfe des „Rule Editor“ Moduls. Das Modul

bildet die Schnittstelle zwischen der zugehörigen Datenbankstruktur und

der grafischen Backendanwednung zur Regelverwaltung.

Das Modul „Rule Generator“ erzeugt aus den, in der Datenbank hin-

terlegten, Regelfragmenten vollständige Regelsätze in Form von Code-

fragmenten. Dieses Modul kann im Zuge der Regeldefinition über die

Backendanwednung zur Regelverwaltung und über die Rule Engine an-

gesprochen werden.

Die Rule Engine bildet ein zentrales Modul des Systems. Sie erhält voll-

ständig erzeugte Regelsätze vom „Rule Generator“ Modul, anhand derer

sie auf Grundlage der Informationen aus dem Benutzermodell Inhalte

auswählt, adaptiert und sequenziert (AF2-1).

Page 101: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

89

Alle Anwendungs- und Nutzerdaten sind in einer Datenbank organisiert.

Um die Daten klar voneinander abgrenzen zu können, werden drei Sche-

mata gebildet (AF5-2).

Im Schema Content (blau) werden sämtliche Lerninhalte verwaltet. Die

wichtigsten Schnittstellen zu diesem Schema sind auf der einen Seite das

„Content Manager“ Modul für die Erstellung und Pflege der Inhalte und

auf der anderen Seite die Rule Engine, die benötigte Inhalte aus der Da-

tenbank abruft und dem Frontend-View zur Verfügung stellt.

Die Daten für Systemregeln werden im Schema Rule Repository (grün)

vorgehalten. Die Pflege und Erstellung der Regeln erfolgt über das „Rule

Editor“ Modul, während das „Rule Generator“ Modul die, in der Daten-

bank modellierten Regeln erzeugt, um Sie im System nutzen zu können.

Das Schema User Model (rot) beinhaltet alle Benutzerdaten. Diese Da-

ten werden über die einzelnen Komponenten gesammelt und der Rule

Engine zur Verfügung gestellt. Über das Backend können die Daten für

Auswertungs- und Unterstützungszwecke in geeigneter Form dargestellt

werden.

Eine detaillierte Beschreibung der Datenbankstruktur ist in Kapitel 4.1.3

zu finden.

Eine besondere Rolle im flexiblen Design des Gesamtsystems nehmen

die Komponenten zur Erfassung von Einflussfaktoren ein. Eine Kompo-

nente ist so aufgebaut, dass sie Messwerte zu bestimmten Einflussgrößen

ermitteln und bereitstellen kann und entspricht somit den Einflussfak-

toren und Messverfahren des Referenzmodells (orange). Komponenten

bilden aber immer nur einen optionalen Bestandteil des Gesamtsystems.

Ob und wie die untersuchten Einflussfaktoren analysiert werden, ist nicht

abhängig von der jeweiligen Komponente, sondern wird im zentralen Re-

gelwerk bestimmt. Somit können beliebige Einflussgrößen, die durch die

entsprechenden Komponenten ermittelt werden, in beliebiger Form zur

Regelgestaltung und somit zum Systemverhalten beitragen. In Kapitel

4.3 wird die Schnittstelle der Systembasis für Komponenten beschrieben.

Kapitel 4.4 zeigt, wie die Komponenten, die in dieser Arbeit zum Einsatz

kommen, realisiert werden können.

Page 102: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

90

Abbildung 6: Logische Systemarchitektur

Page 103: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

91

3.5. Zusammenfassung

Die hier vorgeschlagene Anforderungsdefinition für die Systemarchitektur

basiert auf der grundsätzlichen Modellbildung zu adaptiven Systemen in

Kapitel 2.3 und der allgemeinen Beschreibung der Komponenten in den

folgenden Abschnitten.

Dazu wurden zunächst Ziele festgelegt, die mit dem vorgeschlagenen Sys-

tem erreicht werden sollen. Im Anschluss wurden aus den Zielen funk-

tionale und qualitative Anforderungen an das zu erstellende System ab-

geleitet, mit denen sich die Ziele realisieren lassen. Außerdem wurden in

diesem Kapitel die Akteure identifiziert, die mit dem System über unter-

schiedliche Schnittstellen interagieren.

Anschließend wurden die erhobenen Anforderungen in eine logische Sys-

temarchitektur überführt.

Der folgende Teil der Arbeit beschreibt die gewählte Architektur und die

konkrete Implementierung des Gesamtsystems und dessen Komponenten.

In der Beschreibung der Architektur werden die einzelnen Anforderun-

gen aus diesem Kapitel aufgegriffen und dargestellt, wie diese konkret

realisiert werden.

Page 104: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

92

4. Umsetzung des Prototyps

In diesem Kapitel wird die Realisierung eines Prototyps dargestellt, der

auf den zuvor entwickelten Anforderungen basiert. Die vorgeschlagene

Realisierung orientiert sich eng an den, im vorherigen Kapitel identifizier-

ten Anforderungen und Zielen, sowie der daraus abgeleiteten logischen

Systemarchitektur. Die größte Herausforderung bei der Entwicklung des

Prototyps ist die Überwindung der Diskrepanz zwischen denkbaren An-

sätzen der Situationsanalyse auf der einen Seite und bereits verfügbaren

Lösungen auf der anderen Seite.202

Um dieses Ziel zu erreichen ist im Entwurf des Systems eine Reihe von

Neuerungen zu berücksichtigen, die bei keinem der untersuchten Syste-

me203 zu finden sind. Das konzipierte System soll eine Vielzahl von Ein-

flussfaktoren erfassen können und sich um weitere Einflussfaktoren erwei-

tern lassen. Dazu ist es nicht nur nötig einzelne Einflussfaktoren bestim-

men zu können, sondern auch Beziehungen und Wechselwirkungen zwi-

schen den Einflussfaktoren modellieren zu können und diese entsprechend

berücksichtigen zu können. Außerdem müssen bekannte statische Model-

le durch flexible dynamische Strukturen abgelöst werden, die mit einer

Vielzahl von Variablen umgehen können, um etwa zusätzliche Einfluss-

faktoren integrieren zu können. Im Bereich der Datenmodellierung wird

ein mehrschichtiges, erweiterbares Modell zur Verwaltung unterschiedli-

cher Variablen benötigt, das sowohl statische als auch dynamische Daten

enthält. All diese Ansätze sind in den untersuchten Systemen nicht vor-

zufinden. Der Grund hierfür ist schlicht, dass es keine Notwendigkeit für

eine flexible und erweiterbare Systemarchitektur gab. Die vorgestellten

Systeme arbeiteten mit einer klar definierten Anzahl von zu erfassenden

Variablen und reagieren in diesem Umfeld statisch auf unterschiedliche

Situationen.

Bei der Realisierung des skizzierten Systementwurfs werden sich jedoch

auch einige Einschränkungen ergeben. Problematisch ist, dass mit den

heute zur Verfügung stehenden Möglichkeiten nicht alle theoretischen

Ansätze unter Berücksichtigung aller Anforderungen auch praktisch rea-

lisierbar sind. Beispielhaft ist hier die implizite Erfassung der zur Verfü-

gung stehenden Zeit für eine Sitzung zu nennen. Ob eine solche Erfassung

202siehe hierzu S. 73203siehe hierzu Kapitel 5.2

Page 105: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

93

unter Zuhilfenahme künftiger Entwicklungen möglich sein wird ist frag-

lich. Außerdem wird sich bei einem praktischen Einsatz immer die Frage

nach dem zu betreibenden Aufwand für die Erfassung einzelner Aspekte

einer Lernsituation gegenüber dem entstehenden Nutzen stellen.

Der folgende Teil beschreibt zunächst die System- und Entwicklungs-

umgebung, sowie das Basissystem, das die zentrale Datenhaltung, das

Frontend, die Ruleengine und die zugehörigen Backend-Schnittstellen be-

reitstellt. In den darauffolgenden Unterkapiteln werden Komponenten für

die Messung von Einflussgrößen und Adaptionsmaßnahmen vorgestellt.

4.1. Systemarchitektur

Die in diesem Abschnitt vorgestellte Systemarchitektur hat das Ziel die

im vorherigen Kapitel gebildeten Anforderungen umzusetzen. Dazu wird

das System im Folgenden in einer logischen, einer Plattform-, einer phy-

sischen und einer Datenbankarchitektur dargestellt.

Die Systembasis besteht aus einer zentralen Datenbank und einem Fron-

tend zur Nutzung durch die Studierenden, sowie Modulen zur Verwaltung

und Pflege von Inhalten und Regeln des Systems. Zu jedem dieser Mo-

dule besteht eine Backend-Schnittstelle, die es Autoren, Rule Designern

und Tutoren ermöglicht, Inhalte und Regeln zu erstellen und anzupassen.

Die Anwendungen können unabhängig voneinander genutzt werden, so

dass bei der Erstellung und Pflege von Regeln keine Kenntnis über die

vorhandene Inhalte oder deren Struktur erforderlich ist(AF4-3). Genau-

so können Inhalte erstellt und angepasst werden, ohne die vorhandenen

oder geplanten Regeln des Systems zu kennen(AF4-1). Außerdem sind

alle Schnittstellen zur Erstellung und Pflege von Inhalten und Regeln als

intuitive grafische Oberfläche gestaltet, sodass auch Benutzer ohne tech-

nische Kenntnisse das System verwalten können(AF4-2 / AF4-4).

Ein weiterer wichtiger Bestandteil der Systembasis ist die Komponenten-

schnittstelle. Über diese Schnittstelle können Module zur Erfassung von

Einflussgrößen in das System integriert werden (AF5-6). Alle über diese

Schnittstelle integrierten Module sind optional und können in beliebiger

Kombination mit dem System verwendet werden (AF2-2 / AF3-1 / AF5-

1 / AF5-3).

Die eigentliche Bestimmung der Ausprägung von Einflussfaktoren wird

durch die jeweilige Komponente durchgeführt. Dabei muss die Kompo-

Page 106: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

94

nente nur in der Lage sein die Schnittstelle des Basissystems zu bedienen

und unterliegt darüber hinaus keinen weiteren Restriktionen hinsichtlich

ihrer Funktion oder der eingesetzte Technologie (AF5-5).

Die grundlegende Funktion der einzelnen Module und ihr Zusammen-

hang wurde bereits in Kapitel 3.4 aufgezeigt. In diesem Kapitel wird

zunächst die Entwicklungsumgebung und die physische Architektur des

Gesamtsystems aufgezeigt. Die zugrundliegende Datenbankstruktur wird

in Kapitel 4.1.3 beschrieben. Die Backendanwendung zur Verwaltung und

Pflege von Inhalten wird in Kapitel 5.2 näher erläutert. Kapitel 5.4 be-

handelt die Backendanwendung zur Verwaltung und Pflege des Regel-

werks. Der Aufbau der Komponentenschnittstelle wird in Kapitel 4.3

betrachtet.

4.1.1. Systemplattform und Entwicklungsumgebung

Als Basis des Systems wird ein Apache http204 Webserver, eine My-

SQL205 Datenbank und ein Jetty Servlet/JSP-Container206 verwendet.

Der Apache Webserver wird außerdem um das PHP Modul erweitert.

Gemeinsam bilden diese Komponenten die Basis des Serversystems und

lassen sich auf verschiedenen Betriebssystemplattformen und Hardwa-

rearchitekturen betreiben. Für einen Betrieb auf einer Linux Plattform

entstehen neben den Hardwarekosten keine Lizenz- und Betriebskosten.

Außerdem besteht die gesamte Systembasis aus Open Source Produkten

(AQ8-1). Zudem werden alle Produkte der Forderung nach dem Einsatz

weit verbreiteter Lösungen gerecht. MySQL ist neben den kommerziellen

Lösungen von Oracle und Microsoft das weltweit am weitesten verbreite-

te relationale Datenbankmanagementsystem(AQ8-1).207 Ebenso ist der

Apache HTTP Server weltweit am häufigsten verwendete Webserver.208

Für die Entwicklung der Komponente zur Erkennung von Emotionen

in Bilddaten wird zusätzlich auf das Open Computer Vision Library -

OpenCV209 Framework zurückgegriffen, das ebenfalls als freie Softwa-

204http://httpd.apache.org205http://www.mysql.com206http://eclipse.org/jetty207http://db-engines.com/de/ranking208http://news.netcraft.com/archives/web_server_survey.html209http://opencv.org

Page 107: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

95

re unter den Bedingungen der BSD-Lizenz zur Verfügung steht (AQ8-1).

Das Framework bietet C++, C, Python und Java Schnittstellen und kann

auf Windows, Linux, Mac OS, iOS und Android Plattformen betrieben

werden. Das Framework beinhaltet umfasst unter anderem Algorithmen

für die Gesichtserkennung, Haar-Klassifikatoren und verschiedene Filter,

wie Gauß, Sobel. Außerdem beinhaltet es Klassen zur Verarbeitung von

Video- und Bilddaten und eine Reihe von Funktionen um einfache Ope-

rationen, wie Größenanpassung oder Änderung des Farbraums auf diesen

Daten anwenden zu können.

4.1.2. Physische Architektur

Aus der logischen Struktur des Systems lässt sich die benötigte physikali-

sche Struktur ableiten(siehe Abbildung 7). Das Netzwerk ist als DMZ210

ausgelegt, sodass sich Datenbank und Anwendungsserver in einem spe-

ziell gesicherten Netzwerksegment befinden. In diesem Netzwerksegment

befindet sich auch die Infrastruktur zur Administration, Wartung und

Pflege des Systems. Das davorliegende Netzwerksegment wird als DMZ

bezeichnet und beherbergt die Webserver, mit denen die Endgeräte der

Lernenden direkt kommunizieren können.

Die hier vorgeschlagene Architektur wird den Empfehlungen des IT-

Grundschutzkataloges des Bundesamts für Sicherheit in der Informati-

onstechnik gerecht, die ein zweistufiges Firewall-Konzept zum Internet

vorsehen. Hierzu wird eine Firewall als Gateway zwischen Internet und

DMZ und eine zusätzliche Firewall zwischen DMZ und internen Netz po-

sitioniert. Somit kann sichergestellt werden, dass eine Schwachstelle in

einer der Firewalls nicht keinen Zugang zum internen Netz ermöglicht.

In einem professionellen Umfeld würde man außerdem für die beiden

Firewalls unterschiedliche Lösungen wählen, da ansonsten eine bekann-

te Schwachstelle ausreichen würde, um beide Firewalls zu überwinden.

Insbesondere kritische Daten, wie die Datenbank für Benutzerprofile, be-

finden sich hierbei im gesicherten Netzsegment und sind somit besonders

geschützt. Lediglich die Webserver, die direkt von Benutzerclients erreich-

bar sein müssen, befinden sich in der vorgelagerten DMZ. Dieser Aufbau

wird gewählt, um die Forderung nach Datenschutz (AQ7-3) zu erfüllen.

Außerdem sieht der Aufbau Redundanzen in allen zentralen Komponen-

210Demilitarized Zone

Page 108: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

96

ten vor. Dadurch können die Forderungen nach Ausfallsicherheit (AQ7-

1), Datensicherheit (AQ7-2) und Leistungserweiterbarkeit durch Skalier-

barkeit (AQ7-4) erreicht werden.

Im Einzelnen wird im Bereich der Datenbankserver die MySQL Cluster

Technik verwendet, die es erlaubt, das Datenbankmanagement-System

um weitere Clusterknoten zu erweitern und somit gleichzeitig eine hohe

Ausfallsicherheit und Verarbeitungsgeschwindigkeit zu gewährleisten.

Im Bereich der Applikations- undWebserver wird ein einfaches redundan-

tes System mit vorgeschaltetem Loadbalancer vorgesehen. Als Loadba-

lancer kommen, je nach tatsächlicher Anforderung, Techniken wie DNS211

Round Robin bis hin zu Layer 4-7-Switches in Betracht. Auch die jeweili-

ge Größe eines Clusterverbunds muss auf den Anwendungsfall angepasst

werden.

In jedem Fall erlaubt diese Architektur einen hochverfügbaren Betrieb

und sehr gute Skalierungsmöglichkeiten.

211Domain Name System

Page 109: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

97

Abbildung 7: Physikalische Systemarchitektur

4.1.3. Datenbankstruktur

Alle Anwendungs- und Nutzerdaten sind in einer Datenbank organisiert.

Innerhalb dieser Datenbank sind die Daten in drei Schemata unterteilt.

Alle Lerninhalte und Testszenarios, sowie deren Beziehung zueinander

sind im Schema Content enthalten. Abbildung 8 zeigt die Struktur des

Schemas.

Die Knoten und Kanten des Contentgraph sind in den Tabellen node und

edge modelliert (hier blau dargestellt). Ein Knoten besteht primär aus

einer ID, einem Namen und einem Typ. Die Beziehung mehrerer Kno-

ten zueinander wird in der Tabelle edge über die Attribute from und to

festgehalten. Anhand des type Attributs lässt sich erkennen, um welchen

Typ von Knoten es sich handelt.

Page 110: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

98

Für Knoten vom Typ content werden die zugehörigen Lerninhalte in

der Tabelle content (hier rot dargestellt) vorgehalten. Jede Entität die-

ser Tabelle enthält ein Contentelement und ist einem Knoten zugeordnet.

Somit kann ein Knoten vom Typ content aus 1+n Contentelementen be-

stehen.

Für Knoten vom Typ test sind die zugehörigen Inhalte in der Tabelle test

(hier grün dargestellt) hinterlegt. Die Tabelle test beinhaltet neben der

Referenz zu einem Knoten, einem Namen und einem Textattribut für die

Fragestellung auch ein Attribut, dass den Testtyp bestimmt. Als Stand-

dardtestteypen sind Multiple Choice, Single Choice, Matrix Choice, und

Lückentextaufgaben vorgesehen.

Neben der Tabelle test werden die Daten zu Tests in drei weiteren Tabel-

len vorgehalten. Zum einen beinhaltet die Tabelle testattributes beliebige

weitere Attribute zu einem Test. Diese Attribute werden beispielsweise

für Matrix Choice Aufgaben benötigt, um die Benennung der einzelnen

Lösungsspalten festzulegen.

Zum anderen beinhaltet die Tabelle questions die eigentlichen Fragen und

Antwortmöglichkeiten zu einem Test. Über das Attribut test_id wird

eine Referenz zu der zugehörigen Frage geschaffen, sodass einem Test

1+n Fragen und Antwortmöglichkeiten zugeordnet werden können. Für

die meisten Testtypen, wie Multiple Choice und Single Choice Aufgaben

werden die Antwortmöglichkeiten im Attribut data1 und die korrekte

Lösung für die anschließende Auswertung in right_answer gespeichert.

Für Lückentextaufgaben, die aus einem Textteil vor und nach der Lücke

bestehen, wird zusätzlich das Attribut data2 verwendet. Neben der ei-

gentlichen Definition von Fragen und Lösungen beinhaltet diese Tabelle,

ähnlich wie die Tabelle node, ein level Attibut, dass die Zuordnung eines

Schwierigkeitsgrades zu jeder Frage eines Tests erlaubt. Somit können

dieselben Tests, dem situativen Kontext angepasst, dynamisch für jeden

Benutzer mit einem unterschiedlichen Anspruch erzeugt werden. Bei der

Bearbeitung durch den Benutzer werden nur solche Fragen durch die Ru-

le Engine verwendet, die seinem Wissen angepasst sind.

In einer dritten Tabelle kann festgelegt werden, welcher Contentknoten

die Lernelemente enthält, auf denen die Frage basiert. Dazu beinhaltet

die Tabelle testrefnodes jeweils die ID der Frage und der zugehörigen

Contentknoten. Diese Referenz ermöglicht es zu jeder Frage aus einem

Test die zugehörige Informationsquelle zu bestimmen.

Page 111: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

99

Abbildung 8: Datenbankstruktur: Content Schema

Das Schema User (siehe Abbildung 9) enthält alle nutzerbezogenen Da-

ten und besteht aus drei Tabellen (hier blau dargestellt). Die Tabelle user

enthält Benutzerdaten, die sich im zeitlichen Verlauf nicht oder nur selten

ändern und deren Historie nicht relevant ist. Neben Identifikationspara-

Page 112: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

100

metern, wie dem Benutzernamen, dem Passwort und der Email-Adresse

enthält diese Tabelle auch den derzeitigen Wissensstand und das ange-

strebte Ziel des Benutzers.

Die Tabelle userpath hingegen enthält Benutzerdaten, die sich im zeit-

lichen Verlauf häufig ändern und deren Entwicklung von Interesse sein

kann. In dieser Tabelle wird bei jedem Request des Benutzers die Be-

nutzer ID, der aufgerufene Knoten und das Zugriffsdatum festgehalten.

Neben diesen Informationen können in weiteren Attributen Daten über

verschiedene ermittelte Einflussgrößen festgehalten und später ausgewer-

tet werden. Diese beiden Tabellen werden bei der Erweiterung des Sys-

tems mit zusätzlichen Komponenten um weitere Attribute ergänzt.

Die Tabelle useranswer enthält alle Testantworten des Nutzer. Dazu re-

ferenziert diese Tabelle die Benutzer-, Knoten-, Test- und Frage-ID und

legt die gegebene Antwort und den Testdurchlauf ab. Die hierzu refe-

renzierten Tabellen des Schemas Content sind in dieser Abbildung gelb

dargestellt.

Page 113: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

101

Abbildung 9: Datenbankstruktur: User Schema

Page 114: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

102

Das Schema Rules ist in Abbildung 10 zu sehen. In diesem Schema sind

alle Systemregeln zur Steuerung des adaptiven Verhaltens in der Form

modelliert, dass sie vom „Rule Generator“ Modul verarbeitet und mit

dem „Rule Editor“ Modul editiert werden können. Die zentralen Tabel-

len rules und statement beinhalten die einzelnen Regeln. Eine Regel kann

eine bedingte Anweisung oder eine Verzweigung sein und besteht immer

aus einer Bedingung und mindestens einer Anweisung. Die Bedingungen

sind in der Tabelle rules und die Anweisungen in der Tabelle statement

enthalten.

Damit nur gültige Regeln eingerichtet werden können, beinhaltet die Da-

tenbank in weiteren Tabellen Vorgabewerte für die einzelnen Regelbe-

standteile. Diese Vorgabewerte können in der zugehörigen Backendan-

wendung über Auswahllisten für die Erstellung und Anpassung von Re-

geln verwendet werden. Im Einzelnen sind die Vorgabewerte für Bestand-

teile der Bedingungen in den Tabellen attributes, operators, values und

units enthalten. Die Tabellen scope und action enthalten die Vorgabewer-

te für die Bestandteile der Anweisungen. Über entsprechende Relationen

wird anhand des eingesetzten Attributs festgelegt, welche Operatoren,

Werte und Einheiten verwendet werden dürfen. Die Auswahllisten wer-

den im Regeleditor so verkettet, dass ein nachfolgendes Element in Ab-

hängigkeit zum Wert seines Vorgängers immer nur gültige Werte für das

jeweilige Attribut enthalten kann. Dieses Verfahren wird in Kapitel 5.4

näher erläutert.

Damit ein grafischer Regeleditor verwendet werden kann, beinhaltet die

Tabelle layout zusätzliche Attribute, wie Positionsdaten und einen Anzei-

genamen für jede Regel. Die Verknüpfung und Reihenfolge der einzelnen

Regeln wird in der Tabelle links durch Modellierung von Start- und End-

punkten in Form von Regel-ID‘s abgebildet.

Page 115: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

103

Abbildung 10: Datenbankstruktur: Regel Schema

Page 116: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

104

4.2. Regelverwaltung

Die Regelverwaltung bestehende aus den Modulen Rule Editor, Rule Ge-

nerator und Rule Engine ist eine zentrale Komponente, die die Erstel-

lung, Verwaltung und Ausführung von Regeln ermöglicht. Die Messung

der Ausprägung von Einflussgrößen an einzelnen Benutzern wird durch

Komponenten, wie in Kapitel 4.4 beschrieben, durchgeführt. Jede Kom-

ponente stellt mindestens eine Einflussgröße zur Verfügung, die so inte-

griert wird, dass sie im Regeleditor zur Auswertung verwendet werden

kann(AF2-2). Somit stehen die Einflussgrößen aller Komponenten, die

in das System integriert sind, im Regeleditor an einer zentralen Stelle

zur Verfügung (AF2-1). Hier können Beziehungen und Wechselwirkun-

gen zwischen den Einflussgrößen abgebildet werden.

Wie gefordert, soll die Erstellung, Verwaltung und Pflege von Regeln ohne

Kenntnisse über die Programmstruktur erfolgen können (AF4-4). Hierzu

kommt ein grafischer Regeleditor zum Einsatz, mit dem sich Bedingun-

gen und Anweisungen erstellen und verknüpfen lassen. Da der Regeleditor

clientseitig vollständig als Javascript/jQuery Anwendung implementiert

wird, erfüllt er auch die Forderung nach einer plattformunabhängigen

Anwendung(AF6-1). Da es sich um eine reine Backend-Anwendung han-

delt, die nicht von Studierenden genutzt werden kann, wird die Oberfläche

nur für die Nutzung auf Desktop-Endgeräten optimiert(AF6-3). Der Re-

geleditor organisiert das definierte Regelwerk in dem bereits vorgestellten

Datenbankschema.

Das Rule Generator Modul ist dafür zuständig die in der Datenbank

vorgehaltenen Regelsätze in entsprechende PHP Kontrollstrukturen zu

überführen. Die so generierten Kontrollstrukturen können einerseits zur

Kontrolle angezeigt werden und andererseits zur Ausführung innerhalb

der Anwendung in die Rule Engine übertragen werden.

Die Handhabung des Regelverwaltung wird detailliert in Kapitel 5.4 dar-

gestellt.

Page 117: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

105

4.3. Komponentenschnittstelle

Die Komponentenschnittstelle ist eine standardisierte technische Schnitt-

stelle (AF5-6), die es ermöglicht, weitere Komponenten in das Gesamtsys-

tem zu integrieren. Grundsätzlich können hierzu beliebige Technologien

auf beliebigen Plattformen eingesetzt werden (AF5-5). Lediglich Funk-

tionalitäten zur direkten Datenerfassung und Datenmodellierung müssen

in einer standardisierten Form erfolgen.

Für die Datenerfassung können JavaScript oder PHP Codefragmente in

den Frontend-View eingebettet werden. Zur Modellierung der Daten wird

das Datenbankmodell entsprechend den Anforderungen der Komponente

erweitert. Damit die Komponente auch innerhalb des Regelwerks ein-

gesetzt und ausgewertet werden kann, muss einerseits die Komponente

unter einem eindeutigen Namen registriert werden und es müssen an-

dererseits gültige Operatoren, Werte und Einheiten zur Regelerstellung

definiert werden(vgl. Kapitel 5.4).

Ein Beispiel für die technische Unabhängigkeit ist die in Kapitel 4.4.3

vorgestellte Emotionserkennung auf Basis von OpenCV. Die Algorith-

men zur Emotionserkennung sind als C++ Klassen implementiert und

können auf einem unabhängigen System betrieben werden. Die Kompo-

nente zur Datenerfassung, die den Datenstrom der Endgerätekamera an

einen Websocketserver umleitet, muss hingegen in Form eines JavaScript

Codefragments in den Frontend-View eingebettet werden. Die anschlie-

ßende Analyse und Auswertung der Daten finden technologisch unab-

hängig auf einem Drittsystem statt. Erst das gewonnene Ergebnis der

Auswertung muss wieder standardkonform in ein zuvor definiertes Da-

tenbankfeld übertragen werden.

Abbildung 11 zeigt die Schnittstelle zur Integration neuer Komponenten.

Die erste Sektion bietet die Möglichkeit, Codefragmente in den PHP-

beziehungsweise JavaScript-Teil des Frontend-Views zu integrieren. Die

zweite Sektion ermöglicht die Definition der gültigen Operatoren, Werte

und Einheiten dieser Komponente innerhalb des Regelwerks. Die letz-

te Sektion erweitert das Datenbankmodell um Attribute, die von dieser

Komponente benötigt werden. Hierbei kann zwischen statischen und dy-

namischen Attributen unterschieden werden. Statische Attribute werden

dem skalaren Benutzermodell hinzugefügt. Durch dynamische Attribute

lässt sich das Overlay-Benutzermodell erweitern.

Page 118: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

106

Abbildung 11: Komponentenschnittstelle

Page 119: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

107

4.4. Komponentenentwicklung

Das vorherige Kapitel beschreibt die statischen Bestandteile des Systems,

die dessen Kern bilden. Um die geforderte Adaptivität zu erreichen, müs-

sen weitere Komponenten in das System integriert werden. Diese Kompo-

nenten sollen es ermöglichen, individuelle Benutzermerkmale zu erfassen.

Vollständig integrierte Komponenten können im Kontext des Regelwerks

zur Steuerung des Adaptionsverhaltens genutzt werden. Das Regelwerk

ermöglicht es ebenso, die Ergebnisse verschiedener Komponenten mitein-

ander zu verknüpfen.

In diesem Kapitel werden beispielhaft die Implementierungen zu einigen

Komponenten zur Messung von Einflussgrößen beschrieben.

4.4.1. Medienpräferenz

In diesem Kapitel wird ein Verfahren vorgeschlagen, dass genutzt wer-

den kann, um eine Präferenz einzelner Benutzer für unterschiedliche Me-

dientypen festzustellen. Hierzu soll die Perzeptionsdauer der sichtbaren

Contentelemente festgestellt und entsprechend des Contenttyps summiert

werden.

Im Bereich des Usability Engineerings wird die Wahrnehmung von In-

halten typischerweise mittels Eye-Tracking bestimmt.212 Für die ange-

strebte Anwendung durch Endbenutzer ist der Einsatz von Eye-Tracking

Systemen unter Kosten- und Verfügbarkeitsgesichtspunkten nicht rea-

lisierbar. Als vereinfachter Ersatz soll die Position des Mauszeigers zur

Datengewinnung verwendet werden. Untersuchungen haben gezeigt, dass

Internetnutzer den Mauszeiger typischerweise zum Zentrum des wahrge-

nommenen Bereichs führen. 213 Weitere Untersuchungen konnten einen

direkten Zusammenhang zwischen Augen- und Mausbewegung feststellen

und können somit zumindest einen indirekten Zusammenhang zwischen

Mauszeigerposition und wahrgenommenen Bereich zeigen.214

Die technische Realisierung eines mauszeigerbasierten Verfahrens mit

heute verfügbaren Standardkomponenten ist im Vergleich zum Einsatz

einer Eye-Tracking-Lösung bedeutend einfacher. Jedes Contentelement

des Frontend-Views ist in einem div-Element eingebettet. Um die ein-

zelnen dargestellten Elemente differenzieren zu können wird das class-212Vgl. Pan et al., 2004, S. 147 ff.213Vgl. Arroyo et al., 2006, S. 486214Vgl. Chen et al., 2001, S. 281 f.

Page 120: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

108

Attribut verwendet. Alle Contentelemente des selben Medientyps haben

die selbe Klasse und können somit einfach gruppiert werden. Die Metho-

de document.getElementsByClassName(‘Text‘) etwa liefert ein Objekt

mit allen div-Elementen der Klasse Text des aktuellen Dokuments zu-

rück.

Innerhalb welcher Gruppe von Contentelementen sich der Mauszeiger

aktuell befindet, wird nicht durch einen Positionsabgleich ermittelt, son-

dern mittels der JavaScript Events onmouseover und onmouseot. Wann

immer ein Element mit der Maus erreicht wird, wird die Differenz von

diesem Zeitpunkt bis zum Zeitpunkt des Verlassens des Elements ermit-

telt. Der so ermittelte Zeitwert wird mittels eines AJAX215 Requests an

die PHP Serverkomponente gesendet und von dieser in der Benutzerda-

tenbank erfasst.

Der Zusammenhang der einzelnen Komponenten wird in Abbildung 12

aufgezeigt.

Abbildung 12: Schematischer Aufbau

Abbildung 13 zeigt den zugehörigen JavaScript Code, der zur Datenge-

winnung in den Frontend-View eingebettet wird.

215Apronym von engl. Asynchronous JavaScript and XML

Page 121: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

109

Abbildung 13: JavaScript Komponente zur Ermittlung der Medienpräfe-renz

Der AJAX Request der Funktion dbStore ruft das PHP Skript der Kom-

ponente (siehe Abbildung 14) auf, dass die ermittelte Dauer nach jedem

Verlassen eines div-Elements in die Datenbank schreibt.

Page 122: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

110

Abbildung 14: PHP Komponente zur Ermittlung der Medienpräferenz

Eine Messung der Anfragedauer vom Zeitpunkt des AJAX Requests bis

zum Empfang der Antwort zeigt, dass die Laufzeit aufgrund der kom-

pakten Paketgröße in der Regel im Bereich von 15ms bis 35ms bewegt.

Auch längere Laufzeiten stellen kein Problem dar, da die Kommunikati-

on asynchron stattfindet. Abbildung 16 zeigt einige AJAX-Requests der

JavaScript Komponente an die Serverkomponente und deren Laufzeit.

Abbildung 15: AJAX Requests im zeitlichen Verlauf

Durch Modifikationen kann diese Komponente auch für die Erfassung der

Benutzerinteressen verwendet werden. Hierzu würde man die Contentele-

Page 123: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

111

mente nicht mehr nach dem Medientypen gruppiert, sondern hinsichtlich

inhaltlicher Zusammenhänge.

4.4.2. Bandbreitenermittlung

Die Bandbreite der Internetverbindung, die dem Endgerät eines Benut-

zers zur Verfügung steht, ist eine technisch recht einfach zu ermittelnde

Größe. Durch Berücksichtigung dieser Einflussgröße kann beispielsweise

sichergestellt werden, dass datenintensive Medientypen wie Videos nur

dann eingebunden werden, wenn dem Endgerät des Benutzers eine aus-

reichend hohe Bandbreite zur Verfügung steht.

Für die Implementierung in diesem System wird eine sehr einfache Lö-

sung verwendet, die den Client bei jeder HTTP Anfrage zunächst ein

Datenpaket von bekannter Größe vom Server herunterladen lässt. Die

Differenz der Zeit zu Beginn der Übertragung und nach Abschluss der

Übertragung kann gemeinsam mit der bekannten Paketgröße in die Ge-

schwindigkeit der Übertragung umgerechnet werden.

Abbildung 16: Clientseitig eingesetzter Javascript Code zur ermittlungder zur Verfügung stehenden Bandbreite

Es muss allerdings berücksichtigt werden, dass dieses Verfahren nur be-

dingt zuverlässige Werte ermitteln kann. Dies liegt zum einen an mögli-

chen Schwankungen der verfügbaren Bandbreite, die vor allem bei mobi-

Page 124: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

112

len Geräten zu erwarten sind.

Zum anderen sieht der slow start Alogrithmus der Congestion Control216

des TCP Standards eine allmähliche Steigerung der Übertragungsge-

schwindigkeit vor.

Zu Beginn einer Datenübertragung wird der Slow-Start-Algorithmus

eingesetzt, um das sogenannte congestion window zu bestimmen. So-

mit soll eine mögliche Überlastsituation vermieden werden. Dazu werden

anfangs nur kleine Datenpakete vom Sender zum Empfänger übertra-

gen(MSS217=1).

Der Empfänger sendet für jedes erhaltene Paket als Bestätigung ein ACK

an den Sender zurück. Nach jedem eingegangenen ACK wird die Größe

des Congestion Window um eine MSS erhöht. Da für jedes empfangene

Paket nach erfolgreicher Übermittlung ein ACK vom Empfänger des Pa-

kets zum Absender geschickt wird, führt dies innerhalb einer Roundtrip-

Zeit zu einer Verdopplung des Congestion Windows. In dieser Phase

wächst die Paketgröße also exponentiell an. Diese exponentielle Zunahme

der Paketgröße wird so lange fortgesetzt, bis der Slow-Start Threshold

erreicht ist. Dieser Teil des Ablaufs wird Slow Start Phase genannt.

Anschließend wird das Congestion Window nur noch um jeweils eine MSS

vergrößert, nachdem alle Pakete aus dem Fenster erfolgreich vom Sender

zum Empfänger übertragen wurden. In dieser Phase liegt eine lineare

Vergrößerung vor, da das Congestion Window nur noch um eine MSS je

Round-Trip Intervall erhöht wird. Dieser Teil des Ablaufs wird als Conge-

stion Avoidance Phase bezeichnet. Wenn das vom Empfänger festgelegte

Empfangsfenster erreicht worden ist wird die Vergrößerung beendet und

der Prozess ist abgeschlossen.

Trotz dieser Einschränkungen eignet sich das vorgeschlagene Verfahren

gut, um eine Einschätzung der tatsächlich verfügbaren Bandbreite vor-

nehmen zu können. Für den beabsichtigten Einsatzzweck ist eine solche

Einschätzung vollkommen ausreichend, da keine exakten Werte benötigt

werden, sondern lediglich eine geringe Anzahl von Geschwindigkeitsklas-

sen, die sich vom Regelwerk auswerten lassen.

216rfc5681217Maximum Segment Size

Page 125: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

113

4.4.3. Emotionserkennung

Diese Komponente soll es ermöglichen, die Emotionen des Lernenden als

Einflussgröße zu nutzen. Dazu sollen die in vielen Endgeräten, wie Lap-

tops oder Smartphones vorhandenen Kameras genutzt werden. In Lap-

tops oder Desktop Computern stehen hierzu häufig Peripherie- oder fest

eingebaute Kameras zur Verfügung. Bei Smartphones kommt eine sekun-

däre Kamera, die auf den Nutzer gerichtet ist und auch als Frontkamera

bezeichnet wird, zum Einsatz.

Die aus diesen Kameras gewonnen Bilder sollen hinsichtlich der momen-

tanen Gemütslage des Nutzers untersucht werden. Aus den so gewonnen

Informationen können Maßnahmen zur Beeinflussung für die Lernsitua-

tion getroffen werden. Denkbar ist etwa, dass ein Studierender immer,

wenn er mit neuen Lernmaterialien konfrontiert wird, hinsichtlich der er-

kennbaren Emotion untersucht wird. Reagiert der Studierende überrascht

oder verärgert, kann für die nächste Lerneinheit ein vergleichsweise ein-

facher Lerninhalt gewählt werden. Ein Studierender, der während der

Präsentation eines Testergebnisses freudig reagiert hat, könnte analog in

der kommenden Lerneinheit herausfordernde Inhalte präsentiert bekom-

men.

Für die Erkennung und Klassifizierung von Gesichtern muss grundsätz-

lich zwischen zwei verschiedenen Teilproblemen unterscheiden werden.

Eines ist die Face Detection, das andere die Face Recognition. Da diese

beiden Arbeitsschritte sehr rechenintensiv sind, sind die Aufzeichnung

der Kameradaten und der anschließende Transport der Daten zu einem

zentralen System für die Bewertung eine weitere Herausforderung bei der

Entwicklung dieser Komponente.

Bei der Face Detection will man in einem Gesamtbild die Stelle finden, an

der sich das Gesicht befindet. Ins Deutsche könnte man diesen Vorgang

als Gesichtsentdeckung oder Gesichtssegmentierung übersetzen. Dieser

Schritt ist für die anschließende Analyse des gefundenen Gesichts erfor-

derlich. Die eigentliche Gesichtserkennung (Face Recognition) befasst sich

damit, ein Gesicht zu kategorisieren. Die häufigste Anwendung der Face

Recognition ist die Zuordnung eines entdeckten Gesichts zu einer bereits

bekannten Person. Im Rahmen dieser Arbeit wird eine Methode gesucht,

um Gesichter einer Klasse, die einer Emotion entspricht zuzuordnen und

nicht einer bestimmten Person.

Page 126: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

114

Abbildung 17 zeigt den Schematischen Aufbau der Komponente, wie er

in den folgenden Abschnitten beschrieben wird.

Abbildung 17: Schematischer Aufbau der Emotionserkennungskompo-nente

Der folgende Abschnitt beschreibt zunächst kurz, wie die Bilder der End-

geräte Kameras gewonnen und zum Zentralsystem übertragen werden

können. Außerdem wird dargestellt, durch welche Maßnahmen die Bilder

hinsichtlich Auflösung, Farbraum und Kontrast normalisiert werden.

Normalisierung und Übertragung der Bilddaten

Der der Veröffentlichung von HTML5 im Oktober 2014 ist es möglich die

clientseitigen Audio- und Videogeräte direkt ohne Nutzung von Drittanbieter-

Plug-Ins anzusprechen. Dazu steht eine umfangreiche JavaScript Biblio-

Page 127: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

115

thek zur Verfügung.218 Die meisten der weit verbreiteten Browser unter-

stützen HTML5 und die neuen Funktionen bereits. Dadurch ist es auf

einfache Weise möglich, eine JavaScript basierte Komponente in Web-

basierte Lernumgebungen zu integrieren, um die Kamera am Endgerät

des Lernenden anzusprechen.

Für die Kommunikation mit der Serverkomponente wird das WebSocket-

Protokoll verwendet, das ebenfalls seit HTML5 als Standard verfügbar

ist. Das WebSocket- Protokoll ist ein auf TCP basierendes Netzwerkpro-

tokoll, das entwickelt wurde, um eine bidirektionale Verbindung zwischen

einer Webanwendung und einem WebSocket-Server herzustellen.219 220

Abbildung 18 zeigt anhand eines kleinen Beispiels, das zunächst prüft,

ob der Client die benötigte Funktionalität bereitstellt und anschließend

eine WebSocket Verbindung zum Server auf Port 9999 aufbaut. Nach-

dem die Verbindung erfolgreich aufgebaut wurde, sendet der Client jede

Sekunde ein Bild von der Kamera des Clients an den Server.

Abbildung 18: WebSocket Client

218Vgl. Burnett et al., 2016219Vgl. Hickson, 2012220Vgl. Fette and Melnikov, 2011

Page 128: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

116

Auf der Serverseite wird der Java-basierte Webserver Jetty eingesetzt,

der neben Servlets auch WebSocket Verbindungen beherrscht und zudem

kostenfrei einsetzbar ist. Auch auf der Serverseite lässt sich mit einfachen

Mitteln ein WebSocket-Server implementieren. Die Klasse WebSocketS-

erver (siehe Abbildung 19) stellt einen WebSocketServer zur Verfügung

und registriert eine Handler-Klasse, die alle eingehenden Nachrichten ver-

arbeitet.

Abbildung 19: WebSocketServer Klasse

Die in Abbildung 20 gezeigt WebSocketHandler Klasse zeigt einzelne Me-

thoden mit Annotationen, die für die jeweiligen Events aufgerufen wer-

den. Nachdem initial die Verbindung hergestellt wurde und der Client

regelmäßig Bilder vom Client über das WebSocket-Protokoll an den Ser-

ver sendet, wird für jedes eingehende Bild die Methode onFrame aufge-

rufen. Die Implementierung der Methode sorgt dafür, dass eingehende

Nachrichten vom Typ Byte-Buffer in den Datentyp IplImage konvertiert

und anschließend in einem CanvasFrame angezeigt werden.

Page 129: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

117

Abbildung 20: WebSocketHandler Klasse

Dieses Beispiel zeigt, wie einfach die Bilddaten durch Nutzung moderner

HTML5 Technologie vom Client zum Server übertragen werden, ohne das

zusätzliche Drittanbieter-Plug-Ins benötigt werden. Um das vorgestellte

Beispiel auch in einer Mehrbenutzerumgebung einsetzen zu können ist

es außerdem erforderlich die eingehenden Daten einzelnen Benutzern zu-

ordnen zu können. Dies kann in einer Demoanwendung ohne besonderen

Schutzbedarf erreicht werden, indem der Client beim Aufbau der Ver-

bindung eine eindeutige Benutzerkennung an die Server URL anhängt.

Auf der Serverseite kann dieses Attribut gezielt extrahiert werden und

gewährleistet somit, dass während der Verarbeitung die Herkunft der

Daten erkennbar ist.

Abbildung 21: Serverseitige Extraktion der Benutzerkennung

Page 130: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

118

Face Detection

Grundsätzlich gibt es für beide Verfahren ganz verschiedene Algorithmen.

Als sehr effektiv in der Detektion von Gesichtern haben sich sogenannte

Haar-Features erwiesen. Das 2001 von Viola und Jones vorgestellte Ver-

fahren221 ermöglicht Objektdetektion auf Graustufenbildern in Echtzeit.

Zur Beschreibung von Objekten werden Merkmale basierend auf den Hel-

ligkeitsunterschieden verschiedener Regionen innerhalb des Objekts ein-

gesetzt. Beispielsweise ist der Augenbereich in einem Gesicht gewöhnlich

dunkler als der Wangenbereich und die Augen sind in der Regel dunkler

als die Nase, siehe Abbildung 22.

Abbildung 22: Zwei Haar Features in einem Testbild

Zum Finden der Objekte im Bild werden die so genannten Haar-like

Features verwendet, siehe Abbildung 23.

221Vgl. Viola and Jones, 2001

Page 131: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

119

Abbildung 23: Haar Features nach Viola und Jones

Da die Position und die Skalierung jedes Features frei wählbar ist, exis-

tiert eine Vielzahl von möglichen Features pro Bildbereich.222 Durch zwei

Techniken, die in diesem Verfahren eingesetzt werden, können aber trotz

des großen Rechenaufwands sehr schnelle Ergebnisse erzielt werden.

Ein Teil der hohen Verarbeitungsgeschwindigkeit wird durch die weiter

unten vorgestellte Kaskadenstruktur erreicht.

Der andere Teil, der zu der hohen Verarbeitungsgeschwindigkeit führt,

basiert auf einer von Viola und Jones neu eingeführten Repräsentation

der Bilder, die sie Integral-Image nannten. Durch dieses Integral-Image

können Rechteckmerkmale, aus denen die Haar- Merkmale bestehen, sehr

effizient berechnet werden. Das Integral-Image wird berechnet, indem

die Pixelwerte innerhalb eines Bildes summiert werden. Da das Verfah-

ren auf Helligkeitsunterschieden basiert, wird das zu untersuchende Bild

zunächst in Grauwerte umgewandelt. In der Regel werden 8-Bit Graustu-

fen verwendet, sodass zwischen 256 unterschiedlichen Helligkeitswerten222Vgl. Blauth, 2012, S. 5

Page 132: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

120

unterschieden wird. Der Wert des Integral-Images an einer bestimmten

Position ergibt sich aus der Summe aller Pixelwerte oberhalb und links

des betrachteten Punktes.

ii(x, y)∑

x′5x,y′5y

i(x′, y′), (3)

wobei ii(x, y) das Integral-Image ist und i(x′, y′) das Originalbild dar-

stellt.

Der Wert des Integral-Images an Punkt (x, y) in Abbildung 24 ist die

Summe aller Pixelwerte innerhalb der grauen Fläche.

Abbildung 24: Einfaches Integral-Image zwischen Ursprung und Punkt(x,y)

Das Integral-Image selbst kann in einem Durchgang mit folgenden For-

meln berechnet werden

s(x, y) = s(x, y − 1) + i(x, y) (4)

ii(x, y) = ii(x− 1, y) + s(x, y) (5)

Page 133: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

121

s(x, y) ist hierbei die Zeilensumme, s(x,−1) = 0 und ii(−1, y) = 0.

Der Zusammenhang lässt sich anhand eines einfachen Beispiels mit dem

Originalbild i, der Zeilensummenmatrix s und dem Integral-Image ii er-

kennen. Zur Vereinfachung wird hier mit einem 3 x 3 Pixel großen Bi-

närbild gearbeitet.

i =

1 0 1

1 1 1

0 0 1

s =

1 1 3

1 2 3

0 0 1

ii =

1 1 2

2 3 5

2 3 6

Der Vorteil dieses Verfahrens ist, dass sich nach der initialen Berech-

nung des Integral-Images mit nur einem Zugriff die Pixelsumme zu jeder

rechteckigen Fläche zwischen dem Ursprung und einem beliebigen Punkt

ermitteln lässt. Ist das Integral-Image berechnet, kann mit lediglich vier

Zugriffen die Summe aller Pixelwerte innerhalb eines beliebigen Recht-

ecks ermittelt werden.223

Abbildung 25: Pixelsumme eines beliebigen Rechtecks mittels Integral-Image

223Vgl. Viola and Jones, 2001, S. 5

Page 134: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

122

Der Wert des Integral Images an Punkt 1 in Abbildung 25 ist die

Summe aller Pixelwerte in der Fläche A. Der Wert an Punkt 2 ist die

Summe der Flächen A+B, an Punkt 3 A+C und an Punkt 4 A+B+C+B.

Somit kann die Summe der Pixelwerte von D mit folgender Vorschrift

berechnet werden

D = ii(x4, y4) + ii(x1, y1)− (ii(x2, y2) + ii(x3, y3)) (6)

Da ein Gesicht nur durch die Identifikation vieler Features sicher erkannt

werden kann und diese Features für sehr viele Positionen in unterschied-

lichen Skalierungen mit dem Bild verglichen werden müssen, ist dieses

Verfahren trotz der Verwendung eines Integral-Images sehr recheninten-

siv. Häufig ist bei dem größeren Teil des Bildes leicht zu entscheiden, dass

es sich dabei um Hintergrund handelt und nur bei dem geringeren Teil ist

es notwendig, den Ausschnitt einer genaueren Analyse zu unterziehen. Da

die meisten Bilder aus deutlich mehr Hintergrund bestehen als aus dem

gesuchten Objekt, wäre ein Klassifikator wünschenswert, der mit wenig

Rechenaufwand feststellen kann, dass es sich nicht um das gesuchte Ob-

jekt handelt, aber trotzdem gründlich in den Regionen arbeitet, die das

gesuchte Objekt enthalten. Für diesen Zweck nutzen Viola und Jones224

eine Struktur, die sie, bezugnehmend auf Amit und Geman225, als dege-

nerierten Entscheidungsbaum beschrieben und “Kaskade"nannten. Jeder

Knoten dieses Entscheidungsbaums hat einen binären Klassifikator und

genau einen Nachfolger. In jedem dieser Knoten wird entschieden, ob es

sich bei dem betrachteten Ausschnitt um Hintergrund handelt oder um

das gesuchte Objekt.226

224Vgl. Viola and Jones, 2001225Vgl. Amit et al., 1997226Vgl. Meins, 2010, S. 17

Page 135: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

123

Abbildung 26: Kaskade von Klassifikatoren

Page 136: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

124

Wird entschieden, dass es sich um Hintergrund handelt, wird die Kas-

kade verlassen und der Ausschnitt als negativ klassifiziert. Der Klassifika-

tionsprozess ist damit an dieser Stelle beendet. Wird jedoch entschieden,

dass es sich um das gesuchte Objekt handeln könnte, wird der Ausschnitt

dem nachfolgenden Knoten zur Klassifikation übergeben. Nur wenn bis

zum Ende der Kaskade an keinem Knoten ein Klassifikator für Hinter-

grund votiert, wird der Ausschnitt als das gesuchte Objekt klassifiziert.

Das entscheidende Element dieser Kaskade ist, dass frühe Knoten wenig

komplexe und schnelle Klassifikatoren beinhalten. Je weiter hinten ein

Klassifikator angesiedelt ist, desto komplexer wird er.227

Konkret beinhaltet der erste Klassifikator der Kaskade zwei Features und

erkennt damit 60% der Ausschnitte als Hintergrund, die kein Gesicht ent-

halten und nahezu 100% der Ausschnitte, die ein Gesicht enthalten, als

positives Resultat zur weiteren Untersuchung. Der zweite Klassifikator

besteht aus fünf Features und untersucht damit alle positiv bewerteten

Ausschnitt des ersten Klassifikators. Dieser Klassifikator erkennt bereits

80% der Ausschnitte als Hintergrund, die kein Gesicht enthalten. In wei-

teren Schritten werden drei Klassifikatoren mit 20 Features, zwei Klassi-

fikatoren mit 50 Features, fünf Klassifikatoren mit 100 Features und 20

Klassifikatoren mit 200 Features verwendet.228

Das Verfahren von Viola und Jones wurde 2002 von Lienhart et al. um

weitere Features erweitert und konnte so noch effizienter eingesetzt wer-

den.229 230 Dazu kommen die in Abbildung 27 dargestellten Features

zum Einsatz. Das Verfahren nach Viola und Jones berücksichtigt nur die

Feature 1a, 1b, 2a, 2c und 4a.

227Vgl. Meins, 2010, S. 17228Vgl. Viola and Jones, 2001, S. 16ff.229Vgl. Lienhart et al., 2003, S. 2ff.230Vgl. Lienhart and Maydt, 2002, S. 1ff.

Page 137: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

125

Abbildung 27: Weitere Features nach Lienhart et al.

Die gesamte Kaskade zur Gesichtserkennung ist in XML Form im Rah-

men der Open Computer Vision Library231 frei verfügbar.

Eine Gesichtssegmentierung lässt sich in C++ mit der Open Compu-

ter Vision Library leicht implementieren. Der zugehörige Quellcode ist

im folgenden Listing zu sehen. Zunächst muss ein Bild geladen, zur bes-

seren Erkennung in Graustufen umwandelt und anschließend das Histo-

gramm ausgeglichen werden. Letzteres wird gemacht, um den Kontrast

zu verbessern, damit die Graustufen so getrennt werden, dass sie bes-

ser unterscheidbar sind. Dadurch lassen sich im Bild enthaltene Objekte

besser voneinander unterscheiden.

Die Umwandlung in Grauwerte übernimmt die Funktion cvtColor mit

dem Parameter CV_BGR2GRAY. Die folgende Histogrammangleichung

wird durch die Funktion equalizeHist ausgeführt. Anschließend wird ei-

ne Funktion zum Extrahieren der Gesichter benötigt. Umgesetzt wird

die Extraktion mit cv2.CascadeClassifier::detectMultiScale, welches in-

nerhalb eines Bildes Gesichter verschiedener Größen erkennen kann und

die Koordinaten der Eckpunkte ausgibt. Anhand dieser Daten werden

alle gefundenen Gesichter aus dem Originalbild segmentiert und in einer

neuen Datei gespeichert. Abbildung 29 zeigt auf der rechten Seite das

Eingangsbild und auf der linken Seite das erstellte Bild, das nur den Be-

reich des erkannten Gesichts beinhaltet. Die Speicherung der erkannten231http://opencv.org

Page 138: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

126

Gesichter dient hier nur der Veranschaulichung. Im Folgenden werden die

Daten direkt an die Gesichtsklassifizierung übergeben.

Abbildung 28: ExtractFaces.cpp

Page 139: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

127

Abbildung 29: Originalbild und erkannte Gesichtsregion

Face Recognition

Für die Gesichtserkennung gibt es viele verschiedene Methoden, die sich

grundsätzlich in zwei Hauptgruppen aufteilen lassen. Auf der einen Seite

gibt es die merkmalsbasierte Gesichtserkennung. Dieser Ansatz konzen-

triert sich darauf, spezifische Gesichtscharakteristika wie Augen, Nase,

Mund und Kopfkonturen zu entdecken, und ein Gesichtsmodell anhand

der Position, der Größe und der Beziehungen zwischen diesen Merkmalen

zu definieren. Diese Merkmale eines Gesichts werden auch als Landmarks

bezeichnet. Für die Detektion der Merkmale stehen fertige Modelle wie

Stasm232 oder flandmark233 frei zur Verfügung.

232Vgl. Milborrow and Nicolls, 2014233Vgl. Uřičář et al., 2012

Page 140: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

128

Abbildung 30: Erkannte Landmarks

Es hat sich jedoch herausgestellt, dass diese Ansätze sehr instabil in Be-

zug auf die Genauigkeit der Positionsbestimmung einzelner Merkmale

sind. Eigene Untersuchungen234 dieses Verfahrens auf Basis der fland-

mark Bibliothek haben gezeigt, dass Merkmale nicht präzise erkannt

werden und Ergebnisse nur unter optimalen Bedingungen reproduzierbar

sind. Zusätzlich haben Forschungen im Bereich der menschlichen Vorge-

hensweise zur Gesichtserkennung gezeigt, dass die einzelnen Eigenschaf-

ten und ihre unmittelbaren Beziehungen nur eine unzulängliche Qualität

der Gesichtserkennung ermöglichen.235 Trotzdem wird dieser Ansatz in

der Literatur viel beachtet und ist weit verbreitet. Zu diesem Ansatz

zählen zum Beispiel Methoden wie die Gesichtserkennung anhand der

Gesichtsmetrik, das “Elastic Bunch Graph Matching“ 236 und die Ge-

sichtserkennung anhand geometrischer Merkmale237.

Auf der anderen Seite gibt es holistische Ansätze, die sich nicht auf

234 Augustin, 2016a235Vgl. Carey and Diamond, 1977236Vgl. Wiskott et al., 1997237Vgl. Brunelli and Poggio, 1993

Page 141: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

129

einzelne Merkmale spezialisieren, sondern bei dene das gesamte Gesicht

betrachtet wird und auch die Klassifikation anhand des ganzen Gesichts

durchgeführt wird. Hierzu zählen Methoden wie das Template Matching238,

die Fisherface-Methode239 und die Eigenface-Methode240. Auf das Tem-

plate Matching wird im Folgenden zunächst nur kurz eingegangen, da es

sich von den anderen Verfahren, die später detailliert beschrieben wer-

den, grundsätzlich unterscheidet.

Template Matching

Ein häufig eingesetztes Verfahren Erkennung von Objekten oder Gesich-

tern ist das sogenannte Template Matching. Das Verfahren wird häu-

fig zur Qualitätssicherung Materialprüfung in Fertigungsprozessen einge-

setzt, da dort eine Umgebung geschaffen werden kann, die eine effiziente

Objektklassifikation durch Template Matching erlaubt.241

Templates sind vorab definierte Masken, die mit dem zu erkennenden

Objekt abgeglichen werden. Das einfache Template Matching untersucht

die Übereinstimmungen eines zu untersuchenden Bildes mit einem oder

mehreren Templates. Dazu kommen entweder Templates zum Einsatz,

die das gesamte Objekt oder nur einzelne Ausschnitte des gesuchten Ob-

jektes repräsentieren. Brunelli und Poggio haben eine Verbesserung des

Verfahren entwickelt, die speziell die Erkennung von Gesichtern begüns-

tigt.242 Sie setzen zum einen ein Template für eine Frontalaufnahme eines

gesamten Gesichts und zum anderen je ein Template für die Augen, den

Mund und die Nase ein. Für die Zuordnung eines gegebenen Gesichts

wird zunächst ein Abgleich mit allen Templates der vollständigen Ge-

sichter vorgenommen. Die Templates, die die höchste Übereinstimmung

erzielen werden in einem weiteren Schritt zusätzlich auf Grundlage der

Templates der Ausschnitte bewertet. Um das Verfahren erfolgreich ein-

setzen zu können, müssen ist es allerdings zwingend erforderlich, dass die

zu untersuchenden Bilder hinsichtlich Orientierung und Größe auf die

verwendeten Templates abgestimmt sind.

238Vgl. Brunelli and Poggio, 1993239Vgl. Belhumeur et al., 1997240Vgl. Turk and Pentland, 1991a241Vgl. Stiene, 2006, S. 8242Vgl. Brunelli and Poggio, 1993

Page 142: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

130

Diese Einschränkungen kommen bei einer erweiterten Form des Verfah-

rens, dem Deformable Template Matching, nicht zum Tragen. In dieser

Abwandlung werden die untersuchten Ausschnitte zusätzlich deformiert,

um den Gegebenheiten des zu untersuchenden Bildes anzupassen. Al-

lerdings steigt der erforderliche Rechenaufwand zur Durchführung die-

ser Methode drastisch an und ist in Echtzeitumgebungen nicht realisier-

bar.243

Neben dem hohen Rechenaufwand, den dieses Verfahren erfordert, er-

scheint es aber vor allem ungeeignet für den Zweck der Emotionserken-

nung, da das Template Matching bekannte Bildausschnitte in einem zu

untersuchendem Bild findet. Für die Erkennung einer Emotion wird aber

ein Verfahren benötigt, dass ein zu untersuchendes Bild beziehungsweise

das darin enthaltene Gesicht einer Klasse zuordnet, die die Emotion re-

präsentiert.

Eigenfaces

Turk und Pentland244 haben eine Methode zur Identifikation von Gesich-

tern entwickelt, die auf dem Verfahren der der Hauptkomponentenana-

lyse (auch PCA245) basiert. Den Ursprung hat diese Methode in einem

Vorgehen von Sirovich und Kirby 246, das die Hauptkomponentenanalyse

nutzte, um Bilder von Gesichtern äußerst effizient zu repräsentieren.

Im Gegensatz zu anderen verfügbaren Ansätzen wird bei dieser Methode

nicht versucht das Bild eines Gesichts mittels ausgewählter Merkmale,

wie Nase, Mund oder Augen (und deren Position zueinander) zu identifi-

zieren. Bei diesen Ansätzen werden relevante Informationen nicht erfasst,

die sich aus der Gesamtheit des untersuchten Gesichts ergeben. Im Ge-

gensatz hierzu wird im Rahmen der Eigenfaces-Methode das vollständige

Gesicht berücksichtigt und versucht enthaltenen relevanten Informatio-

nen effizient zu modellieren. Deshalb spricht man bei diesem Ansatz auch

von einem holistischen Verfahren. Die Eigenfaces Methode untersucht die

Variationen in Gruppen von Bildern, ohne dabei einzelne Merkmale ex-

plizit zu berücksichtigen, um so die differenzierbaren Hauptkomponenten243Vgl. Steinbrecher, 2005, S. 205 ff.244Vgl. Turk and Pentland, 1991b245Principal-Component-Analysis246Vgl. Sirovich and Kirby, 1987

Page 143: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

131

(die Eigenvektoren der Kovarianzmatrix zu einer Gruppe von Bildern

bzw. Gesichtern) in der Menge von untersuchten Gesichtern zu bestim-

men. Die Gruppen von Bildern, die für die Ermittlung der Hauptkompo-

nenten eingesetzt werden im Folgenden als Trainingsmenge bezeichnet.

Man kann sich dann die Eigenvektoren als die markanten Merkmale vor-

stellen, die die Variation zwischen den Gesichtern charakterisieren. Es ist

also das Ziel, jedes Gesicht als eine gewichtete Linearkombination dieser

Eigenvektoren darzustellen.

Da die Bilder von Gesichtern hochdimensionale Vektoren darstellen und

somit auch umgekehrt wieder die Eigenvektoren als Bilder darstellen kön-

nen, werden sie als Eigenvektoren bezeichnet. Ein Graustufenbild mit ei-

ner Höhe von H Pixeln und einer Breite von B Pixeln kann man sich

entweder als ein, durch die Intensitätswerte seiner Pixel beschriebene B

x H - Matrix vorstellen oder, als einen Vektor der Dimension B x H, wo-

bei jedes Pixel eine Komponente des Vektors repräsentiert. Bei einem für

heutige Verhältnisse sehr niedrig auflösendem Bild von 512*512 Pixeln

entsteht ein Vektor mit 218 Dimensionen, beziehungsweise einen Punkt

im 218-dimensionalen Raum. Da sich die Bilder von Gesichtern in vielen

Bereichen ähneln, lässt sich erkennen, dass sie nicht beliebig im ganzen

Raum verteilt sind und der eigentliche Gesichtsraum einen relativ nied-

rigdimensionalen Unterraum beschreibt. Um diesen Unterraum zu finden,

müssen jene Vektoren ermittelt werden, die am aussagekräftigsten sind.

Diese Vektoren sind genau die bereits beschriebenen Eigenvektoren der

Kovarianzmatrix bezüglich der Trainingsmenge.

Zur Veranschaulichung wird ein Bild der Größe 2 x 3 mit vier unter-

schiedlichen Graustufen, also Intensitätswerten, gewählt:

Abbildung 31: Einfaches 2-Bit Beispielbild

Page 144: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

132

Daraus ergibt sich die Matrix ΓM , beziehungsweise der Vektor ΓV :

ΓM =

0 1

1 2

2 3

ΓV =

0

1

1

2

2

3

Die Trainingsmenge bestehe aus M Gesichtsbildern Γ1,Γ2,Γ3, ...,ΓM .

Aus diesen M Gesichtsvektoren wird zuerst das Durchschnittsgesicht Ψ

gebildet:

Ψ =1

M

M∑i=1

Γi (7)

Aus dem so gewonnenen Durchschnittsgesicht und den Trainingsbildern

werden dann die Differenzbilder Φ berechnet:

Φi = Γi −Ψ (8)

Aus diesen Differenzbildern wird nun die Kovarianzmatrix C gebildet,

deren M Eigenvektoren (Hauptkomponenten) gesucht sind:

C = AAT (9)

wobei A die Matrix ist, welche die Differenzbilder als Spalten besitzt und

AT ihre Transponierte bezeichnet. Mit einem weiteren Bild in der Trai-

ningsmenge ergibt sich folgender Zusammenhang.

Die Lösung dieses Problems für Bilder der Größe 512x512 würde in einer

236 Matrix resultieren. Hier wird ein einfacherer Ansatz benötigt, um die

relevanten Eigenvektoren zu ermitteln, da die vollständige Berechnung

zu aufwändig ist. An dieser Stelle kann ein deutlich einfacheres Problem

gelöst werden und anstatt einer (BxH)2 Matrix eine MxM Matrix ver-

wendet werden. Hierzu wird anstatt C = AAT nur C ′ = ATA berechnet.

AAT besitzt (BxH)2 Eigenwerte und Eigenvektoren, während ATA nur

M Eigenwerte und Eigenvektoren besitzt. Die M Eigenwerte von ATA

und ihre zugehörigen Eigenvektoren entsprechen den M größten Eigen-

werten von AAT und zugehörigen Eigenvektoren.

Aus den Eigenwerten vi der Kovarianzmatrix C ′ können mit Hilfe der

Page 145: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

133

folgenden Formel die Eigenfaces ui berechnet werden:

ui =

M∑k=1

vikΦk, i = 1, . . . ,M (10)

Da nur die größten Eigengesichter signifikante Differenzen aufweisen rei-

chen in der Regel die ersten M Eigenfaces für den Zweck der Gesichts-

klassifizierung aus. In vielen Fällen sind kann sogar mit erheblich weniger

Eigenfaces gearbeitet werden, so dass nur noch die ersten K Eigenfaces

ausgewählt werden. Sirovich und Kirby247 konnten zeigen, dass es für

eine Trainingsmenge von 115 Bildern ausreichend ist nur die besten 40

Eigenfaces zu verwenden, um eine Zuverlässigkeit von 98% im Bereich

der Personenidentifikation zu erzielen. Es lässt sich leicht erkennen, dass

es ausreichend ist lediglich die Eigenwerte und Eigenvektoren von ATA

anstatt AAT zu bestimmen, da K < M (BxH)2.

Nun kann jedes Gesicht der Trainingsmenge als Linearkombination der

errechneten Eigenfaces repräsentiert werden.

Φi −Ψ =

M∑j=1

wjuj (11)

Um Klassen für einzelne Personen zur Personenidentifikation oder, wie

in diesem Fall gewünscht für einzelne Emotionen, zu bilden ist es erfor-

derlich zu jedem Gesicht der Trainingsmenge einen Gewichtsvektor zu

berechnen. Dazu werden die jeweiligen Koeffizienten ermittelt:

ωk = uTk Φ, k = 1, . . . ,M ′ (12)

Nun ist jedes Bild der Trainingsmenge durch einen Gewichtsvektor der

folgenden Form repräsentiert.

ΩT = [ω1, ω2, . . . , ωM ′ ] (13)

Für die Erstellung von Emotionsklassen ist es erforderlich Gesichter die

die selbe Emotion zeigen in Klassen zu gruppieren.248 Die Trainings-

menge besteht aus einer Menge von Gesichtern, die die zu erkennenden

Emotionen zeigen. Zu jeder Emotionsklasse existiert mindestens ein Ge-

247Vgl. Sirovich and Kirby, 1987248Vgl. Augustin, 2016b

Page 146: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

134

sicht in der Trainingsmenge. Zur Bestimmung einer Emotionsklasse ist

es nun erforderlich, die einzelnen Gewichtsvektoren der Bilder zu einer

Emotionsklasse zu mitteln. Der resultierende Durchschnittsgewichtsvek-

tor der Klasse charakterisiert die jeweilige Emotion.

Nachdem die Trainingsmenge initialisiert wurde und die einzelnen Emo-

tionsklassen erstellt sind, können eingehende Bilder analysiert werden.

Dazu wird zunächst die Differenz ΦIN zwischen einen zu untersuchendes

Bild ΓIN und dem Durchschnittsgesicht Ψ gebildet:

ΦIN = ΓIN −Ψ (14)

Als nächstes wird das zu analysierende Bild als Linearkombination der Ei-

genfaces dargestellt. Dazu werden auch hier die Koeffizienten bestimmt:

ωkIN = uTk ΦIN , k = 1, . . . ,M ′ (15)

Anschließend steht auch zu dem Eingangsbild der Gewichtsvektor zur

Verfügung.

Als Ähnlichkeitsmaß in diesem Verfahren wird die Euklidische Distanz

verwendet. An dieser Stelle können aber auch jegliche andere Ähnlich-

keitsmethoden angewendet werden. Insgesamt benötigt man zwei Distan-

zen. Die eine Distanz ε2k gibt an, wie nah das Eingabebild an einer be-

stimmten Emotionsklasse liegt.

ε2k = ‖(Ω− Ωk)‖2 (16)

Die andere Distanz ε2 gibt an, wie nah das Eingabebild grundsätzlich an

den anderen Bildern des Face Space liegt.

ε2 = ‖(Φ− Φf )‖2 (17)

Die Distanz εk wird für jede Emotionsklasse einzeln berechnet. Ausschlag-

gebend ist am Ende das kleinste εk, da dieses die ähnlichste Emotionsklas-

se auszeichnet, die ein guter Kandidat für die Identifizierung ist. Für die

generelle Distanz zum Face Space wird noch Φf =∑M ′

i=1 ωiui benötigt.

Hierbei wird mit den zuvor errechneten Gewichten Γk die entsprechende

Page 147: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

135

Linearkombination der Eigenfaces gebildet. Das daraus resultierende Bild

im Face Space wird dann mit dem eigentlichen Eingabebild auf Euklidi-

sche Distanz untersucht. Je kleiner dieser Wert ist, desto genauer konnte

das Eingabebild wiederhergestellt werden. Für den letzten Schritt, die

Klassifizierung des Eingabebildes, werden noch zwei Schwellenwerte θεund θεk benötigt. Diese geben an, bis zu welchem Wert eine Ähnlich-

keit zu der jeweiligen Klasse oder zum Face Space allgemein noch gültig

ist. Die letztendliche Klassifizierung lässt sich anhand der folgenden Ta-

belle ablesen. Liegt die Distanz zum Face Space über dem angegebenen

εk < θεk εk ≥ θεkε < θε Emotionk unbekanntε ≥ θε kein Gesicht kein Gesicht

Tabelle 3: Klassifizierung des Eingangsbilds anhand der Schwellwerte θεund θεk .

Schwellenwert θε, so ist das Eingabebild kein Gesicht. Liegt die Distanz

zum Face Space unter dem angegebenen Schwellenwert θε, so wird anhand

der Nähe zu den einzelnen Emotionsklassen entschieden, ob eine bekann-

te Emotion vorliegt oder ob die Emotion unbekannt ist. Betrachtet wird

immer das kleinste εk, um die nächstgelegene Klasse zu bestimmen, die

der identifizierten Emotion entspricht.

Aufgrund der umfangreichen Berechnungen, die dieses Verfahren erfor-

dert, wird der Kern dieser Komponente, bestehend aus Gesichtserken-

nung und Emotionserkennung, in C++ entwickelt und auf einem sepa-

raten System betrieben. Dadurch genügt sie nicht dem Anspruch einer

plattformunabhängigen Lösung, demonstriert aber die Flexibilität hin-

sichtlich des Einsatzes verschiedener Technologien und verteilter Syste-

me für die Entwicklung weiterer Komponenten. Der schematische Aufbau

dieser Komponente ist in Abbildung 78 dargestellt.

Page 148: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

136

Abbildung 32: Schematischer Aufbau Emotionserkennung

Page 149: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

137

4.5. Zusammenfassung

In diesem Kapitel wurde gezeigt, wie anhand des Architekturvorschlags

das Gesamtsystem implementiert wurde. Die Implementierung dient der

Erfüllung der Anforderungen aus der Anforderungserhebung und somit

der Erreichung der definierten Ziele.

Als Bestandteil zur Datenverwaltung wird eine Datenbank mit drei Da-

tenmodellen vorgeschlagen. Das Datenmodell User Model verwaltet die

benutzerbezogenen Daten und beantwortet mit seiner Struktur Forschungs-

frage F3.

F3: Wie lassen sich erfasste Einflussfaktoren unter Berücksichtigung un-

terschiedlicher Datenformate und Erfassungszyklen in geeigneter Weise

in einer Datenstruktur vorhalten?

A3: Für die Abbildung der nutzerbasierten Daten, aber auch der Lernin-

halte, innerhalb Domänenmodells wurde im Rahmen der Konzeption und

Entwicklung des Prototyps eine relationale Datenbank als System zur

Datenverwaltung eingesetzt. Innerhalb dieser Datenbank wurde für die

Modellierung der Benutzerdaten ein mehrschichtiges und dynamisch er-

weiterbares Modell zur Verwaltung unterschiedlicher Einflussgrößen ent-

wickelt, das sowohl statische als auch dynamische Daten enthält. Die

Struktur für die Verwaltung der dynamischen Daten ist an ein mehr-

schichtiges Overlaymodell mit Referenz auf die Knotenstruktur des Do-

mänenmodells angelehnt, das zur Integration weiterer Komponenten um

zusätzliche Schichten erweitert werden kann. Die statischen Nutzerda-

ten und Daten ohne Knotenbezug werden in einfachen Relationen vor-

gehalten. Durch diesen Ansatz lassen sich erfasste Einflussfaktoren un-

terschiedlicher Datenformate und Erfassungszyklen organisieren. Zudem

lässt sich die Struktur für die Berücksichtigung weiterer Einflussfaktoren

einfach erweitern.

Aus der Betrachtung des Architekturvorschlags lassen sich die erforderli-

chen Basiskomponenten zum Aufbau einer benutzerzentrierten adaptiven

Lernumgebung ableiten und Forschungsfrage F4 beantworten.

F4: Welche Basiskomponenten sind für den Aufbau einer benutzerzen-

trierten adaptiven Lernumgebung erforderlich?

Page 150: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

138

A4: Es wird ein System zur Datenverwaltung benötigt, das mindestens

ein Datenmodell für das Benutzermodell und das Domänenmodell

bereitstellt. Das Benutzermodell enthält die bekannten persönlichen At-

tribute der Systembenutzer. Das Domänenmodell beinhaltet die Lernres-

sourcen, die im Rahmen der Adaption eingesetzt werden können.

Neben der Datenverwaltung werden Komponenten benötigt, mit denen

sich die persönlichen Einflussfaktoren durch Messverfahren erfassen

und durch geeignete Modellierungsverfahren im Benutzermodell vor-

halten lassen, um anschließend auf Grundlage dieser Daten Adaptions-

maßnahmen mit Hilfe der Ressourcen aus dem Domänenmodell durch-

führen zu können.

Der konkrete Systemarchitekturvorschlag basiert auf diesem Basismodell

und erweitert es um ein Datenmodell zum Vorhalten des Regelwerks.

Zusätzlich beinhaltet der Vorschlag je eine Komponente zur Erstellung

und Verwaltung von Lerninhalten, Adaptionsregeln und Benutzerdaten.

Die Komponente „Adaptionsmaßnahmen“ des Basismodells wird durch

die Bestandteile Rule Generator, Rule Engine und Frontend View ab-

gebildet. Der Rule Generator ist erforderlich, um die Bestandteile der

Regelsätze aus der Datenbank in vollständige Regeln zu übersetzen. So-

bald die Regelsätze aufgebaut sind, können sie in der Rule Engine zur

Ausführung gebracht werden, um auf Grundlage der des Benutzermo-

dells entsprechende Inhalte aus dem Domänenmodell zu laden und sie

dem Frontend View zur Verfügung zu stellen, damit sie dem Benutzer

angezeigt werden können.

Page 151: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

139

5. Demonstration und Evaluation

Dieses Kapitel widmet sich der Demonstration des entwickelten Gesamt-

systems. Da sich das konzipierte System in einem sehr frühen Entwick-

lungsstadium befindet und aufgrund von Zeit- und Kostenerwägungen,

wird zunächst auf ein Benutzerexperiment verzichtet und stattdessen ei-

ne Demonstration des Gesamtsystems in Anlehnung an ein Cognitive

Walkthrough durchgeführt. Für den weiteren Verlauf der Systementwick-

lung ist ein Expert Round Table und danach ein Benutzerexperiment

geplant. Der Cognitive Walkthrough ist eine Methode zur Überprüfung

der Handhabung eines Produktes. Ein Cognitive Walkthrough ist schnell

und einfach durchführbar und verursacht nur geringe Kosten. Darüber

hinaus kann er schon in einem frühen Entwicklungsstadium eingesetzt

werden, wenn Benutzertests noch nicht durchführbar sind.

Nachteilig ist, dass im Cognitive Walkthrough Experten testen und kein

tatsächlicher Anwender. Der Cognitive Walkthrough bietet sich beson-

ders deshalb an, weil bereits ein funktionaler Prototyp vorhanden ist

und somit keine Aufwände für die Planung und Erstellung von Mock-

Up‘s entstehen.

Für die Durchführung des Cognitive Walkthrough gilt es, als Vorüber-

legung Benutzercharakteristiken und Szenarien zu definieren. Die Be-

nutzercharakteristiken orientieren sich an den in Kapitel 3 benannten

Systemakteuren und die Szenarien an deren typischen Aufgaben. Auf

die Rolle des Softwareentwicklers wird in der Betrachtung des Cognitive

Walkthrough verzichtet, da es sich bei dieser Rolle nicht um einen Be-

nutzer des Systems im engeren Sinne handelt, sondern um eine Funktion,

die technische Schnittstellen des Systems verwendet.

Der Abschnitt 5.1 behandelt die Szenarien zur Erstellung und Anpas-

sung der Knotenstruktur aus der Perspektive des Kursentwicklers. In

Abschnitt 5.2 werden Szenarien zur Pflege der Inhalte aus Sicht des Me-

dienentwicklers dargestellt. Abschnitt 5.3 stellt die Schnittstelle zur Be-

treuung einzelner Benutzer aus der Perspektive eines Tutors dar, wäh-

rend in Abschnitt 5.4 die Schnittstelle zur Verwaltung des Regelwerks für

die Rolle Rule Designer dargestellt wird. Der folgende Teil beschreibt in

Abschnitt 5.5 die Benutzerschnittstelle aus Sicht des Lernenden. Da das

Gesamtsystem individuelle Benutzermerkmale erfasst und entsprechend

darauf reagiert, werden für die Rolle des Lernenden detailliertere Benut-

Page 152: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

140

zercharakteristiken festgelegt als für die übrigen Rollen.

Um eine künftige weitergehende Evaluation des Gesamtsystems über-

haupt vorbereiten zu können, muss zunächst gezeigt werden, dass die

einzelnen Komponenten zur Erfassung von Einflussfaktoren grundsätz-

lich funktionsfähig sind. Bei den Komponenten zur Bestimmung der ver-

fügbaren Bandbreite und der Medienpräferenz des Benutzers kann auf-

grund der Nutzung der zugrundliegenden technischen Verfahren in an-

deren Kontexten davon ausgegangen werden, dass valide Ergebnisse er-

zielt werden. Die Komponente zur Bestimmung der Emotion des Benut-

zers macht hier eine Ausnahme. Zum einen sind die zugrundeliegenden

Verfahren zwar bekannt, kommen aber typischerweise in einem anderen

Kontext zum Einsatz. Zum anderen ist die im Kern genutzte Eigenfaces-

Methode in eine Reihe weiterer Bearbeitungsschritte eingebettet, um et-

wa den Bildausschnitt mit dem zu untersuchendem Gesicht zu extrahie-

ren. Aus diesem Grund wird in Kapitel 5.6 eine Methode zur Evaluation

der Emotionserkennungskomponente vorgestellt und anhand erster Tests

gezeigt, mit welcher Zuverlässigkeit diese Komponente eingesetzt werden

kann.

Page 153: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

141

5.1. Strukturverwaltung

Die Lerninhalte des Systems werden in Knoten organisiert. Jeder Kno-

ten besteht dabei aus mindestens einem Lernobjekt, kann aber beliebig

viele Lernobjekte beinhalten. Dabei können die Lernobjekte in verschie-

denen Repräsentationsformen vorliegen. Neben den Lernobjekten sind

jedem Knoten Metadaten zugeordnet, die ihn beschreiben. Hierzu wer-

den Attribute zur Beschreibung des Schwierigkeitsgrades, des Typs und

der Beziehung zu anderen Knoten eingesetzt.

Mehrere Knoten, die in Beziehung zueinander stehen, bilden einen gerich-

teten Graphen (siehe Abbildung 33). Durch die Einrichtung von Kanten

zwischen den Knoten lassen sich Beziehungen der Knoten zueinander

modellieren. Vor allem aber lassen sich damit zwischen mehreren Knoten

alternative Pfade erzeugen, die sich hinsichtlich des Schwierigkeitsgrades

oder der Zielgruppe unterscheiden.

Abbildung 33: Content Graph

Zur Strukturverwaltung der Lerninhalte verfügt das Framework über ei-

ne grafische Benutzerschnittstelle, die sich dem Kursentwickler weitest-

gehend intuitiv erschließt. So können an beliebigen Stellen des Graphen

neue Knoten angehängt werden oder Verbindungen zwischen bestehen-

den Knoten hergestellt werden.

Page 154: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

142

Die folgenden Detailausschnitte des Graphen aus Abbildung 33 zeigen

beispielhaft, wie sich ein zusätzlicher Knoten integrieren und anschlie-

ßend modifizieren lässt.

Durch einen Rechtsklick erscheint für den jeweiligen Knoten ein spezifi-

sches Kontextmenü mit den aktuell verfügbaren Bearbeitungsoptionen.

Über die Schaltfläche “Create Child“ kann ein nachfolgender Knoten er-

zeugt werden.

Abbildung 34: Kontextmenü eines Knoten

Der Knoten wird zunächst mit Standardwerten initialisiert. Der Name

des Knotens, die eigentlichen Lerninhalte, sowie der Schwierigkeitsgrad

und weitere Metadaten können anschließend im Editor des Knotens durch

Autoren und Medienentwickler angepasst werden.

Abbildung 35: Neu erstellter Knoten

Page 155: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

143

Auf ähnliche Weise lässt sich auch ein Knoten für einen Test erstellen.

Über die Schaltfläche “Create Test“ lässt sich ein Testknoten erstellen,

der anschließend von einem Autor oder Medienentwickler mit Inhalten

gefüllt werden kann.

Abbildung 36: Erstellung eines Testknotens

Abbildung 37: Neu erstellter Testknoten

Page 156: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

144

Über das Knotextmenü eines Knotens lassen sich bestehende Knoten

auch mit anderen, bereits vorhandenen Knoten durch zusätzliche Kanten

im Graphen verbinden. Dazu wird im Kontextmenü des Ursprungskno-

tens die Schaltfläche “Link to“ ausgewählt und anschließend der Zielkno-

ten markiert. Abbildung 38 zeigt einen Detailausschnitt des Graphen mit

bestehenden Knoten. Abbildung 39 zeigt den selben Detailausschnitt und

die neu erstellte Kante.

Abbildung 38: Erstellung einer neuen Kante zwischen bestehenden Kno-ten

Abbildung 39: Neu erstellte Kante

Page 157: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

145

Soll ein vorhandener Knoten entfernt werden, so geschieht dies eben-

falls über das Kontextmenü des betreffenden Knotens.

Abbildung 40: Entfernen eines bestehenden Knotens

Abbildung 41 zeigt beispielhaft einen einfachen Graphen, der nach ei-

nem Eingangstest drei Pfade modelliert. Benutzer, die dem Wissensstand

”Novice” zugeordnet werden, erhalten einen unabhängigen Pfad über die

Knoten ”Novice 1”, ”Novice 2” und ”Novice 3”. Nutzer der Kategorie „In-

termediate“ werden nach der Abarbeitung von zwei Knoten in einen Kno-

ten des Levels ”Expert” übergeleitet. Benutzer, denen der Wissensstand

”Expert” zugeordnet wird, besuchen die beiden entsprechenden Knoten,

bevor das Kapitel für alle Nutzergruppen mit einem Test abgeschlossen

wird.

Die Indikation, welchem Schwierigkeitsgrad ein Knoten angehört, wird

durch seine Farbe verdeutlicht. In diesem Beispiel wurden die Knoten

zur Veranschaulichung zusätzlich entsprechend benannt.

Abbildung 41: Content Graph - Detailauschnitt

Page 158: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

146

5.2. Contentpflege

Dieser Abschnitt beschreibt Szenarien zur Pflege und Verwaltung von

Inhalten aus der Perspektive eines Medienentwicklers. Primär arbeitet

diese Rolle auf der bereits erstellten Struktur und gestaltet Knoten mit

konkreten Inhalten aus.

Um einen neu erstellten Knoten zu editieren, wird der Editor über die

Schaltfläche “Edit Node“ des Kontextmenüs ausgewählt.

Abbildung 42: Modifikation eines Knoten

Der Knoteneditor bietet die Möglichkeit, die Metadaten eines Knotens

zu editieren. Außerdem können über diesen Editor Lerninhalte einge-

pflegt werden. Abbildung 43 zeigt den neu erstellten Knoten mit einem

ersten Contentelement. Ein Knoten kann aus beliebig vielen Contentele-

menten bestehen. Neue Contentelemente lassen sich über die Schaltflä-

che “Content hinzufügen“ erstellen. Jedes Contentelement kann in unter-

schiedlichen Formen vorliegen, die über den jeweiligen Reiter erstellt und

bearbeitet werden können. Texte können dabei durch den Einsatz von

Wikitext besonders einfach mit umfangreichen Formatierungen erstellt

werden, ohne dass Kenntnisse in umfangreichen Auszeichnungssprachen

wie etwa HTML erforderlich sind.

Durch diese Struktur kann das System während der Bearbeitung anhand

von Regeln unter Zuhilfenahme von Informationen aus dem Benutzermo-

Page 159: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

147

dell die jeweilige Adaptionsmaßnahme wählen, die wiederum das geeig-

nete Contentformat für die Repräsentation auswählt.

Abbildung 43: Knoteneditor

Neu erstellte Knoten vom Typ Test werden mit dem Testeditor bearbei-

tet. Ein Knoten dieses Typs besteht aus einem Satz von beliebig vielen,

jedoch mindestens einer, Übungsaufgabe. Mit dem Testeditor können,

ähnlich wie bei der Erstellung von Lerninhalten, einzelne Aufgaben zu

einem gesamten Test zusammengefasst werden. Als Aufgabentypen ste-

hen zunächst standardmäßig Single Choice-, Multiple Choice-, Matrix

Choice- und Lückentextaufgaben zur Auswahl. Jedoch ist auch eine Er-

weiterung um weitere Aufgabentypen durch Nutzung des flexiblen Da-

tenbankmodells und durch entsprechende Erweiterungen im Testeditor

einfach umzusetzen. Die Auswahl eines Referenzknotens erlaubt zudem

die Spezifikation des Lernelements, das die in dieser Aufgabe abgefragten

Inhalte enthält. Im Rahmen der Nachbereitung können dem Nutzer so

Page 160: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

148

gezielt Informationen vorgeschlagen werden, für die sich im Test Defizite

gezeigt haben. Abbildung 44 zeigt die spezielle Darstellung der Referenz-

knoten zu einem Testknoten.

Abbildung 44: Darstellung von Referenzknoten

Jede Aufgabe wiederum besteht aus 1+n Antwortmöglichkeiten. Um ei-

ne Aufgabe für einzelne Benutzer adaptieren zu können, werden die ein-

zelnen Antwortmöglichkeiten, wie in Abbildung 45 zu sehen, zusätzlich

mit einem Schwierigkeitsgrad parametrisiert. Somit können Tests wäh-

rend einer Benutzersitzung dynamisch zusammengestellt werden. Bei der

Gestaltung des Testknotens innerhalb einer Benutzersitzung sind unter-

schiedliche Ansätze denkbar. Etwa könnte das Ziel verfolgt werden den

Lernenden niemals zu überfordern und eben nur solche Antwortmöglich-

keiten in einer Frage zu verwenden, die er mit recht hoher Sicherheit

auch korrekt beantworten kann. Ebenso könnte das Ziel aber auch darin

bestehen, gezielt eine herausfordernde Aufgabe zu konstruieren, die den

Lernenden dazu motiviert sich intensiver mit dem Lerngegenstand aus-

einanderzusetzen. Welchem Ansatz das System folgt wird im zentralen

Regelwerk festgelegt, das basierend aus dem Attribut zum Schwierigkeits-

grad Tests dynamisch zusammenstellt.

Page 161: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

149

Abbildung 45: Testeditor

Page 162: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

150

5.3. Benutzerbetreuung

In diesem Abschnitt werden die ersten verfügbaren Module zur Benut-

zerbetreuung vorgestellt. Um Benutzern bei Fragen zum Lernfortschritt

oder dem Systemverhalten assistieren zu können, stehen der Rolle Tutor

unterschiedliche Funktionen zur Verfügung.

Über eine einfache Schnittstelle kann der Tutor einen Systembenutzer

auswählen (siehe Abbildung 46).

Abbildung 46: Auswahl eines Benutzers

Nach der Auswahl des Benutzers kann der Tutor den gesamten Content-

graph sehen und anhand rot eingefärbter Kanten erkennen, welcher Pfad

durch die Knoten für den Benutzer gewählt wurde. Abbildung 47 zeigt

einen exemplarischen Detailausschnitt, in dem der Pfad und somit die

besuchten Knoten nachzuvollziehen sind.

Abbildung 47: Content Graph mit Benutzerpfad-Detailauschnitt

Page 163: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

151

Zusätzlich ist es für den Tutor möglich, Detailinformationen auf Benut-

zerebene anzuzeigen und so unter Zuhilfenahme des eingesetzten Regel-

werks Systementscheidungen nachvollziehen zu können. Abbildung 48

zeigt zu dem zuvor gezeigten Ablauf eines Benutzer die zugehörigen De-

tailinformationen.

Abbildung 48: Ansicht von Benutzerattributen

Anhand des gewählten Pfades und der zur Verfügung stehenden Detai-

linformationen für dieses exemplarische Szenario könnte der Tutor auch

ohne weitere Informationen zu folgender Einschätzung gelangen: Der Be-

nutzer beginnt eine Lerneinheit über den Einstiegsknoten (Knoten: Start

- 327), auf dessen Inhalte oder Darstellungsform der Benutzer überrascht

reagiert (Emotion: surprise). Der anschließende Eingangstest (Knoten:

Selftest - 329) ist scheinbar mit Schwierigkeiten verbunden (Emotion:

sad). Nach dem Eingangstest wird deshalb für den Benutzer ein einfa-

cher Pfad durch die Lerneinheiten gewählt (Knoten: L1N – 330, C2N

– 331, C3N – 332, . . . ), obwohl auch andere Pfade mit einem höheren

Schwierigkeitsgrad zur Verfügung gestanden haben.

Page 164: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

152

5.4. Regelverwaltung

Die Regelverwaltung soll es ermöglichen, das Verhalten des Systems an-

hand von ermittelten Einflussgrößen der Nutzer festlegen zu können. Zur

Erstellung und Verwaltung von Regeln steht der Rolle Rule Designer eine

umfangreiche grafische Benutzerschnittstelle zur Verfügung. Die Oberflä-

che besteht primär aus einem Funktions- und einem Editorbereich. Der

Funktionsbereich enthält ein Set von Funktionen, mit denen ein Modell

geladen, neue Regelelemente hinzugefügt und ein Regelsatz generiert wer-

den kann (siehe Abbildung 49). Der Editorbereich dient der grafischen

Anordnung von Regelelementen (Start, Bedingung und Aktion) und de-

ren Verknüpfung (siehe Abbildung 50).

Abbildung 49: Funktionsbereich der Regelverwaltung

Abbildung 50: Editorbereich der Regelverwaltung

Page 165: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

153

Die Handhabung des Editors ist weitestgehend intuitiv und kann auch

von Benutzern ohne weitreichende technische Kenntnisse in kurzer Zeit

erlernt werden.

Über die entsprechenden Funktionen können neue Elemente erzeugt wer-

den, die anschließend innerhalb des Editorbereichs zur Verfügung stehen.

Einmal erzeugte Elemente können mittels Drag&Drop platziert werden.

Beziehungen zwischen Elementen werden innerhalb des Editorbereichs

erzeugt, indem zuerst ein Doppelklick auf das Ursprungselement aus-

geführt wird und anschließend ein Doppelklick auf das Zielelement. Als

Vorgabe wird jede Verbindung mit einem Y für ein logisches true erzeugt.

Durch einen Klick auf das Element kann diese Voreinstellung abgeändert

werden. Soll eine bestehende Verbindung entfernt werden, muss die be-

treffende Verbindung mit der Maus überfahren werden. Durch einen Klick

auf das eingeblendete Icon wird die Verbindung entfernt (siehe Abbildung

51).

Abbildung 51: Entfernen eines vorhandenen Links

Die Formulierung einer Bedingung erfolgt durch einen Klick auf das ent-

sprechende Element in der anschließend angezeigten Maske. Bedingungen

müssen so formuliert sein, dass sie einen Wahrheitswert der zweiwertigen

klassischen Logik liefern. Einer Bedingung können für jeden Wahrheits-

wert weitere Bedingungen oder Anweisungen folgen. Damit die Bedin-

gungen immer in einer gültigen Form erstellt werden, folgen sie stets

demselben Schema und bestehen aus einer Einflussgröße und einem Ope-

rator, gefolgt von einem Vergleichswert und einer Einheit. Die auswert-

baren Einflussgrößen sind entweder vom System vorgegeben oder inner-

halb einer Komponente definiert, die auch die Ermittlung der Werte erle-

digt. Außerdem ist in der Datenbank bereits definiert, welche Werte für

Page 166: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

154

die einzelnen Regelbestandteile verfügbar sind. Welche Werte eingesetzt

werden können, wird bestimmt, indem eine Gesamtmenge an gültigen

Werten für einen Regelbestandteil definiert wird und ein Attribut diese

Menge zusätzlich auf eine Teilmenge beschränkt. Abbildung 52 zeigt, wie

eine Bedingung zum Prüfen der Verbindungsgeschwindigkeit aufgebaut

werden kann. Für den Ausgang mit dem Wahrheitswert “Nein“ könnte

eine Anweisung formuliert werden, die das Anzeigen von datenintensiven

Videosequenzen auf der folgenden Seite verbietet.

Abbildung 52: Regeleditor: Detailansicht Bedingung

Anweisungen bilden den zweiten wesentlichen Bestanteil einer Regel

und werden ebenfalls über die nach einem Klick auf das betreffende Ele-

ment angezeigte Maske erstellt oder angepasst. Während die Bedingun-

gen Einflussgrößen auswerten, lassen sich über die Anweisungen Adapti-

onsmaßnahmen ausführen. Sie werden ähnlich formuliert, bestehen aber

nur aus zwei Bestandteilen. Zum einen wird ein Geltungsbereich definiert,

der festlegt, für welchen Bereich die Adaptionsmaßnahme gültig sein soll.

So können Adaptionsmaßnahmen beispielsweise nur für die kommende

Seite oder das aktuelle Kapitel festgelegt werden. Zum anderen bestehen

Page 167: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

155

Anweisungen aus der anzuwendenden Adaptionsmaßnahme.

Abbildung 53 zeigt den Regeleditor für eine Anweisung, die das Beispiel

aus dem vorherigen Abschnitt vervollständigt.

Abbildung 53: Regeleditor: Detailansicht Anweisung

Abbildung 54 zeigt die gesamte Regel im grafischen Regeleditor.

Abbildung 54: Vollständige Regel

Page 168: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

156

Durch die Verkettung von Bedingungen und Anweisungen lassen sich be-

liebig komplexe Regeln erstellen. Ein Beispiel für eine aufwändigere Regel

ist in Abbildung 55 zu sehen. Zunächst wird geprüft, ob es sich um einen

Knoten mit Lerninhalten handelt. Ist dies nicht der Fall, wird überprüft,

ob es sich um einen Testknoten handelt. Wenn es sich um einen Testkno-

ten handelt, wird über zwei zusätzliche Bedingungen geprüft, in welchem

Intervall sich das Testergebnis des Lernenden befindet. Entsprechend des

Testergebnisses wird der Nutzer im folgenden Kapitel als Beginner, In-

termediate oder Expert eingestuft.

Einen Sonderfall bilden Benutzer, die aufgrund eines Testergebnisses von

unter 70% als Novice eingestuft werden sollen. In diesem Fall wird zusätz-

lich geprüft, ob der Benutzer an einem Gerät mit großem Bildschirm und

hoher Bandbreite arbeitet. Wenn diese beiden Bedingungen erfüllt sind,

wird der Nutzer trotzdem als Intermediate eingestuft. Diese Regel könn-

te etwa dann Anwendung finden, wenn man von der Annahme ausgeht,

dass der Nutzer bessere Lernergebnisse erzielt, wenn weitere Medienty-

pen verwendet werden können, die nur sinnvoll nutzbar sind, wenn eine

entsprechend hohe Bandbreite und ein ausreichend großer Bildschirm

verfügbar sind.

Page 169: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

157

Abbildung 55: Aufwändige Regel

Nachdem die Regeln über die grafische Benutzeroberfläche erstellt wur-

den, kann der Regelquellcode generiert und betrachtet werden. Abbil-

dung 56 zeigt den generierten Code für die objektorientierte Skriptspra-

che PHP249.

249rekursives Akronym für “PHP: Hypertext Preprocessor“

Page 170: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

158

Abbildung 56: Generierter PHP Regelcode

Anschließend wird der generierte Quellcode in das Template des Frontend-

Views eingesetzt und ist sofort für die Anwendung verfügbar.

Page 171: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

159

5.5. Endbenutzerschnittstelle

In diesem Abschnitt wird das Systemverhalten aus der Perspektive ei-

nes Lernenden demonstriert. Der Lernende ist naturgemäß die primäre

Zielperson des hier vorgestellten Systems. Auch die konzipierten Adapti-

onsmaßnahmen fokussieren sich auf den Lernenden. Deshalb erfasst das

Gesamtsystem individuelle Benutzermerkmale und reagiert entsprechend

darauf. Folglich werden für die Rolle des Lernenden detailliertere Benut-

zercharakteristiken festgelegt als für die übrigen Rollen. In dem gewähl-

ten Szenario wird der Beginn einer exemplarischen Lerneinheit für vier

Systembenutzer Ba, Bb, Bc und Bd dargestellt. Die Benutzer weisen die

in der folgenden Tabelle aufgeführten Charakteristiken auf.

Benutzer Vorwissen Medienpräferenz Bandbreite

Ba nicht vorhanden visuell hoch

Bb nicht vorhanden visuell gering

Bc nicht vorhanden visuell hoch

Bd vorhanden text gering

Für das Szenario wurde ein Teilgraph aus Knoten, entsprechend Abbil-

dung 57 erstellt, aus dem die Knoten Chapter 1 Intro, Pretest, Beginner

1, Beginner 2 und Expert 1 verwendet werden.

Abbildung 57: Knotenstruktur zur Demonstration

Der Aufbau aller Knoten, die in diesem Szenario zum Einsatz kommen,

ist im Anhang unter Teil A zu finden.

Page 172: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

160

Der für die Durchführung des Szenarios eingesetzte Regelsatz ist in Ab-

bildung 58 abgebildet.

Abbildung 58: Regelsatz zur Demonstration der Benutzerschnittstelle

Page 173: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

161

Die folgende Anordnung zeigt das Szenario aus der Perspektive des

Benutzers Ba

Abbildung 59: Start Ba

Abbildung 60: Test Ba

Page 174: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

162

Abbildung 61: Testergebnis Ba

Page 175: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

163

Abbildung 62: Beginner 1 Ba

Page 176: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

164

Abbildung 63: Beginner 2 Ba

Page 177: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

165

Die folgende Anordnung zeigt das Szenario aus der Perspektive des

Benutzers Bb

Abbildung 64: Start Bb

Abbildung 65: Test Bb

Page 178: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

166

Abbildung 66: Testergebnis Bb

Page 179: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

167

Abbildung 67: Beginner 1 Bb

Page 180: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

168

Abbildung 68: Beginner 2 Bb

Page 181: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

169

Die folgende Anordnung zeigt das Szenario aus der Perspektive des

Benutzers Bc

Abbildung 69: Start Bc

Abbildung 70: Test Bc

Page 182: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

170

Abbildung 71: Testergebnis Bc

Page 183: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

171

Abbildung 72: Beginner 1 Bc

Page 184: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

172

Abbildung 73: Beginner 2 Bc

Page 185: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

173

Die folgende Anordnung zeigt das Szenario aus der Perspektive des

Benutzers Bd

Abbildung 74: Start Bd

Abbildung 75: Test Bd

Page 186: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

174

Abbildung 76: Testergebnis Bd

Abbildung 77: Expert 1 Bd

Page 187: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

175

In diesem Abschnitt wurde gezeigt, wie sich das Gesamtsystem in ei-

nem Szenario für vier Benutzer mit unterschiedlichen Benutzercharakte-

ristiken verhält. Dazu wurden die Benutzermerkmale Vorwissen, Medi-

enpräferenz, und Bandbreite berücksichtigt. Das Vorwissen wurde durch

einen Eingangstest ermittelt, in dem fachliche Fragen zu den vorgesehe-

nen Lerninhalten gestellt wurden. Für die Ermittlung der Medienpräfe-

renz des Benutzers wurde die in Kapitel 4.4.1 beschriebene Komponente

eingesetzt. Ebenso wurde die in Kapitel 4.4.2 beschriebene Komponente

zur Ermittlung der verfügbaren Bandbreite eingesetzt. Die Charakteris-

tiken der eingesetzten Benutzer unterscheiden sich in diesen Benutzer-

merkmalen und führen somit dazu, dass sich das System für jeden Benut-

zer unterschiedlich verhält. Die Benutzer Ba, Bb und Bc zeigen anhand

des Eingangstests, dass sie im Bereich zu vermittelnden Lerninhalte kein

Vorwissen haben. Entsprechend erhalten sie in den folgenden Knoten de-

taillierte Informationen und Erläuterungen. Der Benutzer Bd hingegen

zeigt anhand des Eingangstests, dass bereits umfangreiches Vorwissen

vorliegt und erhält entsprechend in der folgenden Lerneinheit nur noch

eine Zusammenfassung der benötigten Grundlagen. Während der Bear-

beitung des ersten Contentknotens wird systemseitig festgestellt, dass die

Benutzer Ba und Bb eine Präferenz für visuelle Lehrmedien haben, wäh-

rend der Benutzer Bc eine Präferenz für textuelle Beschreibungen hat.

Außerdem ermittelt das System für den Benutzer Ba eine hohe zur Verfü-

gung stehende Bandbreite. Da im folgenden Knoten einige Lernelemente

redundant zur Verfügung stehen, werden den Benutzern Ba und Bb visu-

elle Lehrinhalte angeboten, während der Benutzer Bc weiterhin mit den

textuellen Ausführungen arbeitet. Aufgrund der verfügbaren Breitban-

danbindung von Benutzer Ba wird diesem eine Videosequenz angeboten,

während Benutzer Bb, dem nur eine geringe Bandbreite zur Verfügung

steht ein Schaubild präsentiert wird.

Diese eingeschränkte und sehr einfache Sequenz zeigt exemplarisch, wie

sich das System auf unterschiedliche Benutzer einstellt und nach den

Möglichkeiten der verfügbaren Inhalte individuelle Lernszenarien erzeugt.

Page 188: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

176

5.6. Evaluation der Komponente zur

Emotionserkennung

Die Evaluation der Komponente zur Emotionserkennung wird mit Hilfe

der Cohn-Kanade AU-Coded Expression Database250 251 als Trainings-

menge durchgeführt. Die verwendete Version der Datenbank enthält 8795

Bilder von 97 unterschiedlichen Personen und in einer weiteren Daten-

struktur Informationen über die jeweils gezeigte Emotion. Tatsächlich

können für den hier dargestellten Anwendungsfall aber nur 488 Bilder

verwendet werden, da zu jeder Person und gezeigter Emotion eine Se-

quenz von Bildern zur Verfügung steht, die die Entstehung der Emotion

von einem neutralen Gesichtsausdruck bis hin zur Emotion zeigt. Diese

488 Bilder werden für das initiale Training der Gesichtsdatenbank einge-

setzt.

Für die Evaluation der Emotionserkennung wurde ein modifiziertes De-

sign verwendet. Zunächst wurden der Websocketserver und alle zugehöri-

gen Komponenten durch eine einfache Komponente zum Laden von Test-

bildern ersetzt. Zu jedem geladenen Testbild wird außerdem die bekannte

Emotionsklasse übergeben. Nachdem die initiale Phase zum Aufbau der

Gesichtsdatenbank durchlaufen wurde, werden die Bilder aus dem Satz

der Testbilder nacheinander der Prozessfolge für zu analysierende Bilder

unterzogen. Als letzter Schritt wird das ermittelte Ergebnis mit dem At-

tribut des Testbildes verglichen. Das folgende Schaubild zeigt den Aufbau

der Evaluationsumgebung.

250 Kanade et al., 2000251 Lucey et al., 2010a

Page 189: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

177

Abbildung 78: Modifiziertes Design für die Evaluation

Zur Auswertung der Ergebnisse wird für jedes der analysierten Bilder

ein Datensatz erzeugt, der aus dem Zeitstempel, der erkannten Emo-

tionsklasse, dem Namen der Emotionsklasse und der Distanz zwischen

Testbild und Emotionsklasse besteht. In der jeweils folgenden Zeile wird

der Wahrheitswert für den Vergleich zwischen bestimmter und gegebener

Emotionsklasse, sowie den beiden Klassen dargestellt.

Der folgende Auszug zeigt die Analyse von zehn Testbildern, von denen

sieben bereits im Training-Set enthalten waren und drei unbekannt sind.

Die bereits im Traing-Set enthaltenen Bilder werden mit einer Distanz

von 0 der korrekten Klasse zugeordnet. Die drei unbekannten Bilder wer-

den mit einer größeren Distanz ebenfalls der korrekten Klasse zugeordnet.

Die hierzu eingesetzten Testbilder sind im Anhang B zu finden.

Page 190: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

178

2016-08-24 15:37:20.125 Faces loaded2016-08-24 15:37:20.125 Start Training2016-08-24 15:37:22.851 Finished TrainingCreating Face-Analyser Object2016-08-24 15:37:23.125 Loading 10 Faces2016-08-24 15:37:23.647 Predicted label: 1 anger Distance: 75.09188837453587true 1:12016-08-24 15:37:24.25 Predicted label: 1 anger Distance: 0.0true 1:12016-08-24 15:37:24.87 Predicted label: 3 disgust Distance: 0.0true 3:32016-08-24 15:37:25.496 Predicted label: 3 disgust Distance: 0.0true 3:32016-08-24 15:37:26.146 Predicted label: 4 fear Distance: 0.0true 4:42016-08-24 15:37:26.656 Predicted label: 5 happy Distance: 68.36607480539038true 5:52016-08-24 15:37:27.327 Predicted label: 5 happy Distance: 0.0true 5:52016-08-24 15:37:27.867 Predicted label: 7 surprise Distance: 71.16776196890171true 7:72016-08-24 15:37:28.498 Predicted label: 7 surprise Distance: 0.0true 7:72016-08-24 15:37:29.107 Predicted label: 7 surprise Distance: 0.0true 7:7

Der folgende Durchgang zeigt ein Set von 14 Testbildern, die zufällig aus

der Trainingsmenge entnommen wurden und nicht im Trainingsprozess

eingesetzt wurden. Von den 14 Bildern wurden zwölf korrekt und zwei

falsch kassifiziert.

2016-08-24 16:28:31.638 Faces loaded2016-08-24 16:28:31.638 Start Training2016-08-24 16:28:34.465 Finished TrainingCreating Face-Analyser Object2016-08-24 16:28:34.739 Loading 14 Faces2016-08-24 16:28:35.267 Predicted label: 1 anger Distance: 75.09188837453587true 1:12016-08-24 16:28:35.944 Predicted label: 1 anger Distance: 48.53419340880507true 1:12016-08-24 16:28:36.591 Predicted label: 1 anger Distance: 67.88581494453459false 1:02016-08-24 16:28:37.25 Predicted label: 1 anger Distance: 79.74821991311255true 1:12016-08-24 16:28:37.565 Predicted label: 3 disgust Distance: 54.83880737283831true 3:32016-08-24 16:28:37.913 Predicted label: 3 disgust Distance: 48.682725286678114true 3:32016-08-24 16:28:38.24 Predicted label: 5 happy Distance: 116.52885803722319true 5:52016-08-24 16:28:38.69 Predicted label: 5 happy Distance: 109.26098592569147true 5:52016-08-24 16:28:39.126 Predicted label: 5 happy Distance: 58.80477110371916false 5:42016-08-24 16:28:39.687 Predicted label: 5 happy Distance: 68.36607480539038true 5:52016-08-24 16:28:40.166 Predicted label: 5 happy Distance: 44.43827175573794true 5:52016-08-24 16:28:41.008 Predicted label: 7 surprise Distance: 71.16776196890171true 7:72016-08-24 16:28:41.615 Predicted label: 7 surprise Distance: 50.956918684760836true 7:72016-08-24 16:28:41.93 Predicted label: 7 surprise Distance: 50.26849049189277true 7:7

Anschließend wurden weitere Durchläufe ausgeführt, bei denen jeweils ein

Page 191: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

179

Subjekt vollständig aus der Trainingsmenge entfernt wurde. Somit soll

gezeigt werden, wie sich die Erkennung gegenüber völlig unbekannten

Subjekten verhält. Dieser Ansatz kommt dem späteren Anwendungssze-

nario nahe. Die Durchläufe wurden für die Subjekte S011, S055, S071

und S130 der Cohn-Kanade AU-Coded Expression Database ausgeführt.

S011

2016-11-29 09:55:21.627 Loading 5 Faces2016-11-29 09:55:22.735 Predicted label: 5 happy Distance: 77.96756290738635false 5:32016-11-29 09:55:23.279 Predicted label: 5 happy Distance: 67.1964375517272false 5:42016-11-29 09:55:23.738 Predicted label: 5 happy Distance: 57.54000515230306true 5:52016-11-29 09:55:24.246 Predicted label: 6 sadness Distance: 61.02386231437483true 6:62016-11-29 09:55:24.712 Predicted label: 7 surprise Distance: 67.63962099262945true 7:7

S055

2016-11-29 10:12:00.576 Loading 5 Faces2016-11-29 10:12:01.8 Predicted label: 1 anger Distance: 53.04779335154781true 1:12016-11-29 10:12:02.668 Predicted label: 3 disgust Distance: 47.32648229090492true 3:32016-11-29 10:12:03.569 Predicted label: 5 happy Distance: 57.89052526316833false 5:42016-11-29 10:12:04.387 Predicted label: 5 happy Distance: 56.37175399626869true 5:52016-11-29 10:12:05.121 Predicted label: 7 surprise Distance: 48.862745145022316true 7:7

S071

2016-11-29 12:13:06.619 Loading 5 Faces2016-11-29 12:13:07.629 Predicted label: 1 anger Distance: 41.65036643709852true 1:12016-11-29 12:13:08.317 Predicted label: 3 disgust Distance: 49.54828449923097true 3:32016-11-29 12:13:08.987 Predicted label: 5 happy Distance: 34.703879577732046true 5:52016-11-29 12:13:09.677 Predicted label: 1 anger Distance: 45.50578197583825false 1:62016-11-29 12:13:10.391 Predicted label: 7 surprise Distance: 49.8702132922374true 7:7

S0130

2016-11-29 12:19:52.125 Loading 5 Faces2016-11-29 12:19:52.923 Predicted label: 1 anger Distance: 43.90798599920765true 1:12016-11-29 12:19:53.547 Predicted label: 1 anger Distance: 49.72868503364368false 1:32016-11-29 12:19:54.155 Predicted label: 5 happy Distance: 54.643993041118996true 5:52016-11-29 12:19:54.76 Predicted label: 3 disgust Distance: 56.69760730789802false 3:62016-11-29 12:19:55.394 Predicted label: 7 surprise Distance: 56.79894639014409true 7:7

Page 192: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

180

Über alle Durchläufe mit unbekannten Subjekten wurde eine Zuverläs-

sigkeit von 70% für die Erkennung von gezeigten Emotionen ermittelt.

Auch wenn die hier vorgestellten Ergebnisse nur auf einer kleinen Daten-

menge basieren kann man feststellen, dass die Methode zur Emotions-

erkennung zuverlässig genug funktioniert, um sie in der vorgeschlagenen

E-Learning-Umgebung zielgerichtet einsetzen zu können.

Bei der Einordnung der Ergebnisse ist zu berücksichtigen, dass im Rah-

men dieser Evaluation das ermittelte Ergebnis mit der Vorgabe der Da-

tenbank verglichen wurde. Studien haben gezeigt, dass auch menschliche

Betrachter Emotionen nicht zweifelsfrei differenzieren können. So liegt die

Zuverlässigkeit in der Bestimmung einer Emotion durch einen menschli-

chen Betrachter in der Regel bei unter 80% und kann bei unterschiedli-

chen kulturellen Gruppen des Darstellers und des Betrachters bei unter

60% liegen.252

Für die im Folgenden dargestellten Testbilder gibt die Datenbank Kodie-

rung 3 – disgust (links) und 1- anger (rechts) vor, während die Kompo-

nente für beide Bilder die Emotion 1 – anger bestimmt.

disgust - anger anger - anger

Tabelle 5: Vergleich von Testbildern

252Vgl. Beaupré and Hess, 2006

Page 193: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

181

5.7. Zusammenfassung

In diesem Kapitel wurde die Systemfunktionalität anhand unterschiedli-

cher Szenarien für verschiedene Akteure demonstriert. Im Rahmen die-

ser Demonstration wurde auch gezeigt, wie sich mit dem System einfache

Szenarien aus Inhalten und Regeln zusammenstellen lassen und wie diese

anschließend für verschiedene Benutzercharakteristiken der Rolle der Ler-

nenden genutzt werden können. Anhand dieser Szenarien wurde gezeigt,

wie sich das Systemverhalten gegenüber dem Lernenden unter Berück-

sichtigung von individuellen Einflussfaktoren anpasst.

Dadurch lässt sich die Antwort zu Forschungsfrage F2 weiter präzisieren.

F2: Welche individuellen Einflussfaktoren sind im Kontext von compu-

terbasierten Lernumgebungen nach heutigem Kenntnisstand technisch zu

erfassen und mit welchen Methoden können sie erfasst werden?

A2-2: Anhand der im Rahmen dieser Arbeit entwickelten Komponen-

ten zur impliziten Ermittlung der verfügbaren Bandbreite, der Medien-

präferenz des Benutzers und der gezeigten Emotion zeigt sich, dass mit

verfügbaren Methoden weitere Einflussfaktoren ermittelbar sind. Diese

Methoden sind aus der untersuchten Literatur zu adaptiven Lernumge-

bungen nicht bekannt. Die hier genutzte Auswahl an Einflussfaktoren

kann um weitere, noch nicht berücksichtigte Faktoren, wie etwa zur Er-

mittlung von Endgeräteeigenschaften erweitert werden.

Durch die Implementierung der Komponentenschnittstelle seitens des

Basissystems und die Nutzung der Schnittstelle durch die exemplarisch

entwickelten Komponenten lässt sich anhand der dargestellten Szenarien

Forschungsfrage F5 beantworten.

F5: Wie lassen sich unterschiedliche Module zur Erfassung von individu-

ellen Einflussfaktoren in einem Gesamtsystem integrieren?

A5: Für die systemunabhängige Entwicklung von Komponenten zur Er-

mittlung von Einflussfaktoren wurde eine Schnittstelle geschaffen. Die

Schnittstelle kann von unterschiedlichen Komponenten bedient werden

und integriert den jeweiligen Einflussfaktor in das Regelwerk. Jede an-

gemeldete Komponente kann so in die Regelerstellung einbezogen wer-

den. Die Komponenten selbst sind dabei vollkommen unabhängig vom

Page 194: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

182

Basissystem und können bei Bedarf auf anderen Plattformen betrieben

werden. Dadurch ergibt sich eine sehr große Freiheit in Bezug auf die

eingesetzten Technologien für die Implementierung der Verfahren. Einen

ersten Eindruck über die mögliche Vielfältigkeit der verwendeten Mess-

verfahren geben die drei im Rahmen dieser Arbeit realisierten Messver-

fahren (siehe Kapitel 4.4).

Die Bereitstellung aller integrierten Komponenten zur Ermittlung von

Einflussgrößen innerhalb der Regelverwaltung und der Aufbau der vorge-

schlagenen Regelverwaltung ermöglicht die Beantwortung der Forschungs-

frage F6.

F6: Wie lassen sich Komponenten zur Ermittlung von Einflussfaktoren

sinnvoll in einem System kombinieren?

A6: Damit das System mit verschiedenen Einflussfaktoren umgehen kann,

wurde zunächst eine Komponentenschnittstelle entwickelt, die es ermög-

licht, nahezu beliebige Messverfahren in das Gesamtsystem zu integrie-

ren. Alle integrierten Messverfahren können im Rahmen der Regelver-

waltung als Eingangsgröße verwendet werden. Die Regelverwaltung ist so

aufgebaut, dass alle zur Verfügung stehenden Einflussfaktoren in nahe-

zu beliebiger Weise mit einander kombiniert werden können und erlaubt

somit die Erstellung von sehr flexiblen Regelsätzen. Durch die Integrier-

barkeit von zusätzlichen oder modifizierten Komponenten zur Ermittlung

von Einflussfaktoren, gemeinsam mit den Auswerte- und Kombinations-

möglichkeiten der Regelverwaltung können beliebige Adaptionsszenarien

generiert werden.

Im letzten Teil dieses Kapitels wurde eine Evaluationsmethode für die

Komponente zur Emotionserkennung aufgezeigt und anhand kleiner Da-

tensätze erste Tests durchgeführt. Diese ersten Tests zeigen, dass die

Funktion der Komponente grundsätzlich gegeben ist. Der gewählte An-

satz erreicht eine Zuverlässigkeit von 70% in der korrekten Erkennung

von Emotionen. In jedem Fall ist in einem nächsten Schritt eine Evaluie-

rung mit einer zweiten Datenbank erforderlich, um so Ergebnisse für eine

aussagekräftige Grundmenge zu erhalten. Auf eine Evaluation weiterer

Systembestandteile und Komponenten wurde aufgrund des sehr frühen

Entwicklungsstadiums des Gesamtsystems und aus Zeit- und Kostener-

Page 195: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

183

wägungen zunächst verzichtet.

Page 196: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

184

6. Ergebnisse und Diskussion

In diesem Kapitel werden die gewonnenen Erkenntnisse vor dem Hinter-

grund der Forschungsfragen aus Kapitel 1 zusammengefasst. Anschlie-

ßend werden die Ergebnisse diskutiert und ein Fazit gezogen. Das Kapitel

schließt mit einem Ausblick auf weiteren Forschungsbedarf.

6.1. Forschungsergebnisse

In diesem Abschnitt werden die Antworten zu den gestellten Forschungs-

fragen aus Kapitel 1 zusammengefasst.

F1: Welche individuellen Einflussfaktoren sind im Kontext von com-

puterbasierten Lenumgebungen grundsätzlich als relevant in Bezug auf

den Lernprozess anzusehen?

A1: Aus der Forschung und Literatur sind vielfältige individuelle Ein-

flussfaktoren bekannt, die sich auf den Lernprozess auswirken. Im Ein-

zelnen sind die folgenden Faktoren identifiziert worden:

• Vorhandenes Wissen

• Domänenwissen

• Ziele des Nutzers

• Interessen des Nutzers

• Lernstil

• Kognitiver Typ

• Ethnisch-kultureller Hintergrund

• Konzentrationsfähigkeit

• Extrinsiche Motivation

• Intrinsische Motivation

• Merkmale der Internetverbindung

Page 197: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

185

• Endgerät

• Einschränkungen des Lerners

• Präferenz für Medientypen

• Lernkontext

• Zur Verfügung stehende Zeit

Nicht bekannt ist, ob diese Aufzählung von Faktoren vollständig ist, noch

ob es Beziehungen und Wechselwirkungen zwischen einzelnen Faktoren

oder Gruppen von Faktoren gibt, da sie nur einzeln untersucht wurden.

F2: Welche individuellen Einflussfaktoren sind im Kontext von com-

puterbasierten Lernumgebungen nach heutigem Kenntnisstand technisch

zu erfassen und mit welchen Methoden können sie erfasst werden?

A2-1: Die aus der Forschung und Literatur bekannten Einflussfakto-

ren wurden bisher nur theoretisch behandelt oder isoliert in Projekten

oder Produkten berücksichtigt. Eine implizite technische Erfassung der

Faktoren findet nicht statt, vielmehr ist in der Regel eine explizite Er-

mittlung der Merkmalsausprägung zu finden.

A2-2: Anhand der im Rahmen dieser Arbeit entwickelten Komponen-

ten zur impliziten Ermittlung der verfügbaren Bandbreite, der Medien-

präferenz des Benutzers und der gezeigten Emotion zeigt sich, dass mit

verfügbaren Methoden weitere Einflussfaktoren ermittelbar sind. Diese

Methoden sind aus der untersuchten Literatur zu adaptiven Lernumge-

bungen nicht bekannt. Die hier genutzte Auswahl an Einflussfaktoren

kann um weitere, noch nicht berücksichtigte Faktoren, wie etwa zur Er-

mittlung von Endgeräteeigenschaften erweitert werden.

Page 198: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

186

F3: Wie lassen sich erfasste Einflussfaktoren unter Berücksichtigung

unterschiedlicher Datenformate und Erfassungszyklen in geeigneter Wei-

se in einer Datenstruktur vorhalten?

A3: Für die Abbildung der nutzerbasierten Daten, aber auch der Lern-

inhalte, innerhalb Domänenmodells wurde im Rahmen der Konzepti-

on und Entwicklung des Prototyps eine relationale Datenbank als Sys-

tem zur Datenverwaltung eingesetzt. Innerhalb dieser Datenbank wurde

für die Modellierung der Benutzerdaten ein mehrschichtiges und dyna-

misch erweiterbares Modell zur Verwaltung unterschiedlicher Einfluss-

größen entwickelt, das sowohl statische als auch dynamische Daten ent-

hält. Die Struktur für die Verwaltung der dynamischen Daten ist an ein

mehrschichtiges Overlaymodell mit Referenz auf die Knotenstruktur des

Domänenmodells angelehnt, das zur Integration weiterer Komponenten

um zusätzliche Schichten erweitert werden kann. Die statischen Nutzer-

daten und Daten ohne Knotenbezug werden in einfachen Relationen vor-

gehalten. Durch diesen Ansatz lassen sich erfasste Einflussfaktoren un-

terschiedlicher Datenformate und Erfassungszyklen organisieren. Zudem

lässt sich die Struktur für die Berücksichtigung weiterer Einflussfaktoren

einfach erweitern.

F4: Welche Basiskomponenten sind für den Aufbau einer benutzerzen-

trierten adaptiven Lernumgebung erforderlich?

A4: Es wird ein System zur Datenverwaltung benötigt, das mindestens

ein Datenmodell für das Benutzermodell und das Domänenmodell

bereitstellt. Das Benutzermodell enthält die bekannten persönlichen At-

tribute der Systembenutzer. Das Domänenmodell beinhaltet die Lernres-

sourcen, die im Rahmen der Adaption eingesetzt werden können.

Neben der Datenverwaltung werden Komponenten benötigt, mit denen

sich die persönlichen Einflussfaktoren durch Messverfahren erfassen

und durch geeignete Modellierungsverfahren im Benutzermodell vor-

halten lassen, um anschließend auf Grundlage dieser Daten Adaptions-

maßnahmen mit Hilfe der Ressourcen aus dem Domänenmodell durch-

führen zu können.

Page 199: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

187

F5: Wie lassen sich unterschiedliche Module zur Erfassung von indivi-

duellen Einflussfaktoren in einem Gesamtsystem integrieren?

A5: Für die systemunabhängige Entwicklung von Komponenten zur

Ermittlung von Einflussfaktoren wurde eine Schnittstelle geschaffen. Die

Schnittstelle kann von unterschiedlichen Komponenten bedient werden

und integriert den jeweiligen Einflussfaktor in das Regelwerk. Jede an-

gemeldete Komponente kann so in die Regelerstellung einbezogen wer-

den. Die Komponenten selbst sind dabei vollkommen unabhängig vom

Basissystem und können bei Bedarf auf anderen Plattformen betrieben

werden. Dadurch ergibt sich eine sehr große Freiheit in Bezug auf die

eingesetzten Technologien für die Implementierung der Verfahren. Einen

ersten Eindruck über die mögliche Vielfältigkeit der verwendeten Mess-

verfahren geben die drei im Rahmen dieser Arbeit realisierten Messver-

fahren (siehe Kapitel 4.4).

F6: Wie lassen sich Komponenten zur Ermittlung von Einflussfaktoren

sinnvoll in einem System kombinieren?

A6: Damit das System mit verschiedenen Einflussfaktoren umgehen

kann, wurde zunächst eine Komponentenschnittstelle entwickelt, die es

ermöglicht, nahezu beliebige Messverfahren in das Gesamtsystem zu in-

tegrieren. Alle integrierten Messverfahren können im Rahmen der Regel-

verwaltung als Eingangsgröße verwendet werden. Die Regelverwaltung ist

so aufgebaut, dass alle zur Verfügung stehenden Einflussfaktoren in nahe-

zu beliebiger Weise mit einander kombiniert werden können und erlaubt

somit die Erstellung von sehr flexiblen Regelsätzen. Durch die Integrier-

barkeit von zusätzlichen oder modifizierten Komponenten zur Ermittlung

von Einflussfaktoren, gemeinsam mit den Auswerte- und Kombinations-

möglichkeiten der Regelverwaltung können beliebige Adaptionsszenarien

generiert werden.

Page 200: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

188

6.2. Zusammenfassung und Fazit

Die vorliegende Arbeit hat gezeigt, dass es im Bereich der benutzerzen-

trierten adaptiven eLearning-Anwendungen große Diskrepanzen zwischen

bekannten Einflussfaktoren auf eine Lernsituation, sowie deren Stellen-

wert für die Wissensvermittlung und den konkret eingesetzten Methoden

gibt. Vor diesem Hintergrund wurde zunächst ermittelt, wie die Grund-

struktur einer benutzerzentrierten adaptiven eLearning-Anwendung auf-

gebaut sein muss, um unterschiedliche Einflussfaktoren in einer Lernsi-

tuation berücksichtigen zu können. Außerdem wurde untersucht, welche

Einflussgrößen eine Relevanz für eine Lernsituation haben. Es hat sich

herausgestellt, dass es eine Vielzahl von relevanten Faktoren gibt. Jedoch

hat sich auch gezeigt, dass diese Faktoren meist nur theoretisch und dar-

über hinaus isoliert behandelt werden.

Es gibt auch Überlegungen und erste Ansätze, mehrere Faktoren mitein-

ander zu kombinieren; diese zeigen, dass eine gleichzeitige Untersuchung

mehrerer Faktoren eine detaillierte und zutreffendere Modellbildung er-

möglicht und somit eine akkuratere Anpassung der Lernsituation auf die

individuellen Bedürfnisse des Nutzers erlaubt. Zudem hat sich gezeigt,

dass insbesondere Forschungen, die im Umfeld der Bildungspsychologie

und Kognitionswissenschaft entstanden sind, meist explizite Erfassungs-

methoden einsetzen, um einen expliziten Einflussfaktor untersuchen zu

können. Aber auch im Bereich der Systeme und Anwendungen, die im

Umfeld der Informatik entstanden sind, finden sich vornehmlich statische

und proprietäre Lösungen, die sehr fokussiert auf Teilbereiche ausgerich-

tet sind und kaum Möglichkeiten zur flexiblen Erweiterbarkeit bieten.

Die Ursachen hierfür liegen zum einen an sehr speziellen Fragestellungen

beziehungsweise Motivationen der einzelnen Arbeiten und zum anderen

an der geringen Verfügbarkeit von weit verbreiteten, zuverlässigen und

etablierten Standards im Bereich der Hard- und Software in der Frühzeit

der adaptiven Lernumgebungen.

Mit den vorhandenen Ansätzen lassen sich nur einzelne oder wenige Ein-

flussfaktoren berücksichtigen, da der Aufwand für die Ermittlung der

Daten den Nutzer mit unakzeptablen Unterbrechungen in der Lernsitua-

tion konfrontieren würde.

Aus diesen Erkenntnissen wurden im folgenden Teil der Arbeit Anfor-

derungen zusammengestellt, die ein System zu leisten im Stande sein

Page 201: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

189

müsste, um in einer Umgebung mit multiplen Einflussfaktoren einge-

setzt werden zu können, auf die mit Hilfe eines Regelwerks flexibel rea-

giert werden kann. Auf Grundlage der gestellten Anforderungen wurde

eine Systemarchitektur konzipiert, mit der sich die Anforderungen reali-

sieren lassen. Die Systemarchitektur wiederum wurde im Rahmen eines

Prototyps zusammen mit drei exemplarisch ausgewählten Komponenten

zur impliziten Erfassung der Ausprägung von Einflussfaktoren implemen-

tiert.

Die Basiskomponenten des entwickelten Systems bilden insgesamt eine

solide Plattform und lassen sich aufgrund der eingesetzten Standardtech-

nologien einfach erweitern und anpassen. Durch die Struktur der Basis-

komponenten ist eine einfache Erweiterbarkeit um zusätzliche Kompo-

nenten gewährleistet. Die bereits erstellten Komponenten zur Erfassung

der momentan verfügbaren Bandbreite des Endgeräts, der Medienpräfe-

renz und der derzeitigen Gemütslage des Benutzers zeigen, dass sich mit

den heute bei großen Teilen der Bevölkerung zur Verfügung stehenden

Technologien ohne aufwändige Erweiterungen Einflussfaktoren auf der

Seite des Nutzers erfassen lassen.

Aus einer allgemeineren Perspektive stellt sich jedoch die Frage, welche

Nutzer konkret von einem adaptiven System profitieren können. Betrach-

tet man etwa das Spektrum des bereits vorhandenen Fachwissens von

Nutzern einer Lernumgebung, so sind auf der einen Seite solche Nut-

zer zu finden, die kein oder nur geringes Vorwissen und noch kein kon-

zeptuelles Modell für die jeweilige Wissensdomäne mitbringen. Auf der

anderen Seite des Spektrums sind Experten zu sehen, die bereits über

umfangreiches Fachwissen verfügen. Für die erste Gruppe kann eine im

Hintergrund ablaufende Adaption, die keine Benutzerinteraktion erfor-

dert, dadurch hilfreich sein, dass der Benutzer nicht eigenständig nach

angepassten Informationsressourcen suchen muss und sie auch nicht hin-

sichtlich der Relevanz für den eigenen Lernprozess bewerten muss. Für die

Gruppe der Experten am anderen Ende des Spektrums ist ein autonomes

adaptives System ohne Eingriffsmöglichkeit vermutlich weniger geeignet.

Abhängig vom konkreten Ziel des Experten bietet sich der Einsatz von

adaptierbaren Funktionen oder offenen Lernsituationen vermutlich eher

an. Zwischen diesen beiden Gruppen, die das Spektrum der Lernenden

nach oben und unten begrenzen, gibt es eine große Bandbreite an Nut-

zern. Neben dieser variablen Größe, die dieses Spektrum veranschaulicht

Page 202: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

190

gibt es eine Vielzahl von weiteren Faktoren, für die sich in ähnlicher Wei-

se argumentieren lässt. Deshalb müssen künftige Systeme für den prak-

tischen Einsatz wohl nicht nur eine gute und bedarfsgerechte autonome

Adaption liefern, wie in dieser Arbeit als Ansatz vorgestellt, sondern

vielmehr zunächst unterscheiden, ob der Nutzer diese Art der Adaption

überhaupt benötigt. So wird es abhängig vom Benutzer erforderlich sein

auch umfangreichere Freiheiten in der Gestaltung der Lernumgebung zu

gewähren.

Page 203: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

191

6.3. Ausblick

In dieser Arbeit wurde die Grundstruktur für ein flexibel erweiterba-

res eLearning-System vorgeschlagen und implementiert, dabei wurden

erste Komponenten zur impliziten Erfassung der momentan verfügba-

ren Bandbreite des Endgeräts, der Medienpräferenz und der derzeitigen

Gemütslage des Benutzers integriert. Um dieses System durch Erweite-

rungen und Verbesserungen für die Praxistauglichkeit vorzubereiten, ist

weiterer Forschungsbedarf in den Disziplinen Bildungspsychologie und

Kognitionswissenschaft, sowie der Informatik (insbesondere HCI und In-

formationsmanagement) zu erkennen.

Eine erste Demonstration mit dem Ziel der Darstellung der Funktions-

weise des Gesamtsystems, sowie eine Evaluation der Komponente zur

impliziten Emotionserkennung wurden bereits im Rahmen dieser Ar-

beit durchgeführt. Aufgrund der sehr oberflächlichen Demonstration und

der eingeschränkten Evaluation der Komponente zur Emotionserkennung

sind die vorliegenden Ergebnisse und deren Aussagekraft jedoch limitiert.

Aus diesem Grund ist die Durchführung eines Benutzerexperiments und

eine ausführliche Evaluation der Einzelkomponenten geplant.

Um ein möglichst exaktes Benutzermodell erstellen zu können, wird es er-

forderlich sein, weitere Komponenten zur Erfassung einzelner Einflussfak-

toren zu entwickeln und in das Gesamtsystem zu integrieren. Dazu wird

es erforderlich sein, die hier beschriebenen Einflussfaktoren hinsichtlich

ihrer Verwendbarkeit zu untersuchen und entsprechende Komponenten

zur Ermittlung ihrer Ausprägung zu entwickeln. Darüber hinaus sollten

weitere relevante Einflussfaktoren gesucht werden, mit denen in der glei-

chen Weise verfahren wird.

Außerdem erfordert das System eine möglichst große Vielfalt an verfüg-

baren Lerninhalten hinsichtlich der Modalität und des Anspruchs mit zu-

gehörigen Metadaten, um entsprechend des Regelwerks angepasste Res-

sourcen anbieten zu können. Hierzu bietet sich Anbindung an bestehende

Ressourcen undWissensdatenbanken an. Etwa könnte die Integration von

Schnittstellen für Wiki-Systeme oder derzeit entstehende OER’s ein viel-

versprechender Ansatz sein. Durch die Integration von Schnittstellen zu

Ressourcendatenbanken, könnte ein adaptives System eigenständig ge-

eignete Inhalte suchen und entsprechend des momentanen Bedarfs in die

individuelle Lernsequenz integrieren.

Page 204: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

192

Mit Blick auf die Implementierung von Wissensvermittlungsstrategien,

wird es im Bereich der Bildungspsychologie und Kognitionswissenschaft

eine große Herausforderung sein, konkrete Regelsätze zu definieren. Da

die Regelsätze den didaktischen Ansatz beschreiben und den Kern der

Lernumgebung bilden, kann das hier vorgestellte System als Evaluati-

onsumgebung für die Forschung aufgefasst werden, die es ermöglicht,

die bereits umgesetzten und kommende Einflussfaktoren innerhalb ei-

ner Umgebung gezielt miteinander zu verknüpfen und so entsprechende

Szenarien zu entwickeln. Dabei kann die Definition von Wissensvermitt-

lungsstrategien durchaus die treibende Kraft für die Entwicklung neuer

Komponenten zur Bestimmung von Einflussfaktoren sein, indem dieser

Prozess Anforderungen für potentiell relevante Einflussfaktoren hervor-

bringt.

Für den großflächigen Einsatz des Systems wird es außerdem erforderlich

sein, geeignete Betriebsinfrastrukturen zu schaffen. Durch den Betrieb

des Systems mit einer Vielzahl an Nutzern ist eine große Menge an ver-

fügbaren und auszuwertenden Daten zu erwarten, die darüber hinaus zur

Systemlaufzeit durch dessen Benutzung stetig und dynamisch anwächst.

Berücksichtigt man außerdem die Forderung nach weiteren Komponenten

zur Erfassung von Einflussfaktoren und das so zusätzlich anfallende Da-

tenaufkommen, scheint es sinnvoll, den Betrieb innerhalb einer BigData

Infrastruktur in Erwägung zu ziehen. Hierzu werden bereits umfangreiche

Referenzmodelle, wie der Cross Industry Standard Process for Big Data

(CRISP4BigData)253 entwickelt und bieten die benötigten Kapazitäten

für einen performanten Betrieb auch in großen Maßstäben.

Interessant in diesem Zusammenhang ist auch das Sensor Enabled Af-

fective Computing for Enhancing Medical Care (SenseCare) Projekt254,

dass das Ziel verfolgt auf Grundlage einer BigData Struktur die emotio-

nalen Zustände demenzkranker Patienten zu erfassen.

253Vgl. Berwind et al., 2016254Vgl. Engel et al., 2016

Page 205: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

193

Literatur

[Allport, 1937] Allport, G. W. (1937). Personality: A psychological in-

terpretation.

[Amit et al., 1997] Amit, Y., Geman, D., and Wilder, K. (1997). Joint

induction of shape features and tree classifiers. Pattern Analysis and

Machine Intelligence, IEEE Transactions on, 19(11):1300–1305.

[Arroyo et al., 2006] Arroyo, E., Selker, T., and Wei, W. (2006). Usabi-

lity tool for analysis of web designs using mouse tracks. In CHI ’06

Extended Abstracts on Human Factors in Computing Systems, CHI EA

’06, pages 484–489, New York, NY, USA. ACM.

[Augustin, 2016a] Augustin, T. (2016a). Emotion determination in elear-

ning environments based on facial landmarks. In International Work-

shop on Learning Technology for Education in Cloud, pages 122–136.

Springer.

[Augustin, 2016b] Augustin, T. (2016b). Extended use of personal fac-

tors in adaptive e-learning environments: Moods in mooc’s. In Ad-

vances in Physical Ergonomics and Human Factors, pages 813–826.

Springer.

[Beaupré and Hess, 2006] Beaupré, M. G. and Hess, U. (2006). An in-

group advantage for confidence in emotion recognition judgments: The

moderating effect of familiarity with the expressions of outgroup mem-

bers. Personality and Social Psychology Bulletin, 32(1):16–26.

[Belhumeur et al., 1997] Belhumeur, P. N., Hespanha, J. P., and Krieg-

man, D. (1997). Eigenfaces vs. fisherfaces: Recognition using class

specific linear projection. Pattern Analysis and Machine Intelligence,

IEEE Transactions on, 19(7):711–720.

[Ben Caldwell, 2008] Ben Caldwell, M. C. (2008). Web Content Acces-

sibility Guidelines (WCAG) 2.0.

[Benjamin, 1988] Benjamin, L. T. (1988). A history of teaching machi-

nes. American Psychologist, 43(9):703–712.

Page 206: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

194

[Berwind et al., 2016] Berwind, K., Bornschlegl, M., Hemmje, M., and

Kaufmann, M. (2016). Towards a Cross Industry Standard Process to

support Big Data Applications in Virtaul Research Environments.

[Biermann, 2014] Biermann, K. (2014). Mächtige Sensoren. ZEIT onli-

ne, http://www.zeit.de/digital/mobil/2014-05/smartphone-sensoren-

iphone-samsung, abgerufen am: 05.06.2016.

[Bissell et al., 1971] Bissell, J., White, S., and Zivin, G. (1971). Sensory

modalities in children’s learning. Psychology and educational practice,

pages 130–155.

[Blank, 1996] Blank, K. (1996). Benutzermodellierung für adaptive inter-

aktive Systeme: Architektur, Methoden, Werkzeuge und Anwendungen.

Akademische Verlagsgesellschaft, Sankt Augustin.

[Blauth, 2012] Blauth, M. (2012). Detektion und Klassifikation von Ver-

kehrszeichen in Bildsequenzen basierend auf Farb- und Formmerkma-

len. Kaiserslautern.

[Boehm, 1981] Boehm, B. (1981). Software Engineering Economics.

Prentice-Hall, Upper Saddle River, New Jersey.

[Boring, 1958] Boring, E. G. (1958). Cp speaks. Contemporary Psycho-

logy, (3):152–153.

[Boyle and Encarnacion, 1994] Boyle, C. and Encarnacion, A. (1994).

Metadoc: an adaptive hypertext reading system. User Modeling and

User-Adapted Interaction, 4(1):1–19.

[Brendel, 1990] Brendel, H. (1990). CBT – der PC in Ausbildung und

Schulung. IWT-Verlag, Vaterstetten.

[Brown and Burton, 1978] Brown, J. S. and Burton, R. R. (1978). Dia-

gnostic models for procedural bugs in basic mathematical skills. Co-

gnitive Science, (2):155–192.

[Brunelli and Poggio, 1993] Brunelli, R. and Poggio, T. (1993). Face re-

cognition: Features versus templates. IEEE transactions on pattern

analysis and machine intelligence, 15(10):1042–1052.

Page 207: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

195

[Brusilovsky, 1998] Brusilovsky, P. (1998). Adaptive Educational Sys-

tems on the World-Wide-Web: A Review of Available Technologies. In

Workshop WWW-Based Tutoring, San Antonio. Springer. 4th Inter-

national Conference on Intelligent Tutoring Systems ITS’98, 16-19.

[Brusilovsky, 2003] Brusilovsky, P. (2003). Developing adaptive educa-

tional hypermedia systems: From design models to authoring tools.

In Murray, T., Blessing, S., and Ainsworth, S., editors, Authoring

Tools for Advanced Technology Learning Environments, pages 377–409.

Springer Netherlands.

[Brusilovsky, 2007] Brusilovsky, P. (2007). Adaptive navigation support.

In The Adaptive Web, pages 263–290. Springer-Verlag.

[Brusilovsky and Anderson, 1998] Brusilovsky, P. and Anderson, J.

(1998). Act-r electronic bookshelf: An adaptive system for learning

cognitive psychology on the web. In Proc. of WebNet’98, World Con-

ference of the WWW, Internet, and Intranet. AACE, pages 92–97.

[Brusilovsky et al., 1998] Brusilovsky, P., Eklund, J., and Schwarz, E.

(1998). Web-based education for all: A tool for development adaptive

courseware. In Computer Networks and ISDN Systems, pages 1–7.

[Brusilovsky and Millán, 2007] Brusilovsky, P. and Millán, E. (2007).

User models for adaptive hypermedia and adaptive educational sys-

tems. In Brusilovsky, P., Kobsa, A., and Nejdl, W., editors, The Ad-

aptive Web, volume 4321 of Lecture Notes in Computer Science, pages

3–53. Springer Berlin Heidelberg.

[Brusilovsky et al., 1996] Brusilovsky, P., Schwarz, E., and Weber, G.

(1996). Elm-art: An intelligent tutoring system on world wide web.

In Intelligent tutoring systems, pages 261–269. Springer.

[Bunt et al., 2007] Bunt, A., Carenini, G., and Conati (2007). C.: Adap-

tive content presentation for the web. In The Adaptive Web: Methods

and Strategies of Web Personalization, pages 409–432. Springer-Verlag.

[Bureau42, 2014] Bureau42 (2014). training42.

[Burgos et al., 2007] Burgos, D., Tattersall, C., and Koper, R. (2007).

How to represent adaptation in elearning with ims learning design. In

Interactive Learning Environments, volume 2, pages 161–170.

Page 208: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

196

[Burnett et al., 2016] Burnett, D. C., Bergkvist, A., Jen-

nings, E. C., Narayanan, A., and Aboba, B. (2016).

Media Capture and Streams. The World Wi-

de Web Consortium,http://w3c.github.io/mediacapture-

main/getusermedia.html, abgerufen am: 20.03.2016.

[Carey and Diamond, 1977] Carey, S. and Diamond, R. (1977). From

piecemeal to configurational representation of faces. Science,

195(4275):312–314.

[Chen et al., 2001] Chen, M. C., Anderson, J. R., and Sohn, M. H.

(2001). What can a mouse cursor tell us more?: Correlation of eye/-

mouse movements on web browsing. In CHI ’01 Extended Abstracts on

Human Factors in Computing Systems, CHI EA ’01, pages 281–282,

New York, NY, USA. ACM.

[Chen and Macredie, 2004] Chen, S. Y. and Macredie, R. D. (2004).

Cognitive modeling of student learning in web-based instructional

programs. International Journal of Human-Computer Interaction,

17(3):375–402.

[Cooper et al., 2010] Cooper, A., Reimann, R., and Cronin, D. (2010).

About face: Interface- und Interaction-Design. mitp.

[De Bra et al., 2003] De Bra, P., Aerts, A., Berden, B., Lange, B. D.,

Rousseau, B., Santic, T., Smits, D., and Stash, N. (2003). Aha! the

adaptive hypermedia architecture. In Proceedings of the fourteenth

ACM Hypertext Conference, pages 81–84. ACM Press.

[De Bra and Calvi, 1998] De Bra, P. and Calvi, L. (1998). Aha: a generic

adaptive hypermedia system. Proceedings of the 2nd Workshop on

Adaptive Hypertext and Hypermedia, pages 5–12.

[De Bra et al., 2006] De Bra, P., Smits, D., and Stash, N. (2006). The

design of aha! In Proceedings of the seventeenth ACM Conference on

Hypertext and Hypermedia, pages 133–134. ACM Press.

[Deci and Ryan, 1985] Deci, E. L. and Ryan, R. M. (1985). Intrinsic

motivation and self determination in human behavior.

Page 209: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

197

[Dillenbourg et al., 2014] Dillenbourg, P., Fox, A., Kirchner, C., Mit-

chell, J., and Wirsing, M. (2014). Massive open online courses: Current

state and perspectives. Informatik Spektrum, 37(4):364–367.

[Dräger, 2013] Dräger, J. (2013). Maßgeschneiderte Vorlesungen

für alle. ZEIT online, http://www.zeit.de/2013/48/onlinekurse-

personalisierung-bildung, abgerufen am: 27.09.2014.

[Dunn et al., 1981] Dunn, R., Brennan, T. D. P., and Murrain, P. (1981).

Learningstyle researchers define differences differently. In Educational

Leadership, volume 5, pages 372–375.

[Dunn et al., 1984] Dunn, R., Dunn, K., and Freeley, M. (1984). Prac-

tical applications of the research: Responding to students’ learning

styles-step one. Research and Development Journal, 21(01):1 – 21.

[Dunn and Dunn, 1979] Dunn, R. S. and Dunn, K. J. (1979). Learning

styles/teaching styles: Should they... can they... be matched. Educa-

tional leadership, 36(4):238–244.

[Edelmann, 2003] Edelmann, W. (2003). Intrinsische und extrinsische

motivation. Grundschule, 35(4):30–32.

[Ehlers, 2011] Ehlers, U.-D. (2011). Qualität im E-Learning aus Lerner-

sicht. Springer.

[eMarketer, 2016a] eMarketer (2016a). Anteil der internetnutzer an der

weltbevölkerung in den jahren 2013 und 2014 sowie eine prognose bis

2019. http://de.statista.com/statistik/daten/studie/369362/

umfrage/prognose-der-internetpenetrationsrate-weltweit/.

abgerufen am: 07.06.2016.

[eMarketer, 2016b] eMarketer (2016b). Anzahl der inter-

netnutzer weltweit in den jahren 2013 bis 2015 so-

wie eine prognose bis 2020 (in milliarden). http://de.

statista.com/statistik/daten/studie/369356/umfrage/

prognose-zur-anzahl-der-internetnutzer-weltweit/. abge-

rufen am: 07.06.2016.

[eMarketer, 2016c] eMarketer (2016c). Anzahl der nut-

zer des mobilen internets weltweit im jahr 2014 so-

wie eine prognose bis 2019 (in milliarden). http://de.

Page 210: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

198

statista.com/statistik/daten/studie/502548/umfrage/

anzahl-der-nutzer-des-mobilen-internets-weltweit/. ab-

gerufen am: 07.06.2016.

[Engel et al., 2016] Engel, F., Bond, R., Keary, A., Mulvenna, M., Walsh,

P., Zheng, H., Wang, H., Kowohl, U., and Hemmje, M. (2016). Sense-

Care: Towards an Experimental Platform for Home-Based, Visualisa-

tion of Emotional States of People with Dementia. Springer-Verlag.

[Felder and Silverman, 1988] Felder, R. and Silverman, L. (1988). Lear-

ning an teaching styles in engineering education. Engineering Educa-

tion, 78(07).

[Fette and Melnikov, 2011] Fette, I. and Melnikov, A. (2011). RFC

6455: The WebSocket protocol. Internet engineering task for-

ce,http://tools.ietf.org/html/rfc6455, abgerufen am: 20.03.2016.

[Friedman, 2012] Friedman, T. (2012). Come the Revolution. The New

York Times.

[Furugori et al., 2002] Furugori, N., Sato, H., Ogata, H., Ochi, Y., and

Yano, Y. (2002). Coale: Collaborative and adaptive learning environ-

ment. In Proceedings of CSCL 2002, pages 493–494.

[Gause, 2005] Gause, D. C. (2005). Why Context Matters - And what

Can We Do about it? IEEE Press, Los Alamitos.

[Green et al., 2008] Green, S., Nacheva-Skopalik, L., and Pearson, E.

(2008). An adaptable personal learning environment for e-learning and

e-assessment. In Proceedings of the 9th International Conference on

Computer Systems and Technologies and Workshop for PhD Students

in Computing, page 54. ACM.

[Green et al., 2006] Green, S., Pearson, E., and Stockton, C. (2006). Per-

sonal learning environments: Accessibility and adaptability in the de-

sign of an inclusive learning management system. In Pearson, E. and

Bohman, P., editors, Proceedings of World Conference on Educational

Multimedia, Hypermedia and Telecommunications 2006, pages 2934–

2941, Chesapeake, VA. Association for the Advancement of Computing

in Education (AACE).

Page 211: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

199

[Grob, 1997] Grob, H. L. (1997). Aufbruch in die Informationsgesell-

schaft. Bieletzke, Münster.

[Haack, 2002] Haack, J. (2002). Interaktivität als kennzeichen von mul-

timedia und hypermedia. In Issing, L. and Klimsa, P., editors, Infor-

mation und Lernen mit Multimedia und Internet. Bletz.

[Hede, 2002] Hede, A. (2002). An integrated model of multimedia ef-

fects on learning. Journal of Educational Multimedia and Hypermedia,

11(2):177–191.

[Henze and Nejdl, 2004] Henze, N. and Nejdl, W. (2004). A logical cha-

racterization of adaptive educational hypermedia. The New Review of

Hypermedia and Multimedia, 10(1):77–113.

[Hickson, 2012] Hickson, I. (2012). The WebSocket API. The World Wi-

de Web Consortium,http://www.w3.org/TR/websockets/, abgerufen

am: 20.03.2016.

[Honey and Mumford, 2000] Honey, P. and Mumford, A. (2000). The

learning styles helper’s guide. Peter Honey Maidenhead, Berkshire.

[IEEE Computer Society, 1990] IEEE Computer Society (1990). IEEE

Standard Glossary of Software Engineering Terminology. IEEE Std.

610.12-1990.

[Internet Live Stats, 2016] Internet Live Stats (2016). An-

zahl der internetnutzer weltweit in den jahren 1997 bis

2015 sowie eine prognose für 2016 (in millionen). http:

//de.statista.com/statistik/daten/studie/186370/umfrage/

anzahl-der-internetnutzer-weltweit-zeitreihe/. abgerufen

am: 07.06.2016.

[iPrendo, 2014] iPrendo (2014). abgerufen am: 03.10.2014.

[ISO 9241-110, 2006] ISO 9241-110 (2006). ISO 9241-110:2006, Interna-

tional Organization for Standardization, Geneva, Switzerland.

[ISO 9241-151, 2008] ISO 9241-151 (2008). ISO 9241-151:2008, Interna-

tional Organization for Standardization, Geneva, Switzerland.

Page 212: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

200

[ISO 9241-171, 2008] ISO 9241-171 (2008). ISO 9241-171:2008, Interna-

tional Organization for Standardization, Geneva, Switzerland.

[Issing and Klimsa, 1995] Issing, L. J. and Klimsa, P. (1995). Informa-

tion und Lernen mit Multimedia. Psychologie-Verl.-Union, Weinheim.

[Jacob and Karn, 2003] Jacob, R. J. and Karn, K. S. (2003). Eye

tracking in human-computer interaction and usability research: Ready

to deliver the promises. Mind, 2(3):4.

[Kanade et al., 2000] Kanade, T., Cohn, J. F., and Tian, Y. (2000).

Comprehensive database for facial expression analysis. In Proceedings

of the Fourth IEEE International Conference on Automatic Face and

Gesture Recognition (FG’00), pages 46–53, Grenoble, France.

[Kerres, 2001] Kerres, M. (2001). Multimediale und telemediale Lernum-

gebungen: Konzeption und Entwicklung. Walter de Gruyter.

[Kolb, 2005] Kolb, A. Y. (2005). The kolb learning style inventory–

version 3.1 2005 technical specifications. Boston, MA: Hay Resource

Direct, 200.

[Kolb, 1984] Kolb, D. (1984). Experiential learning: experience as the

source of learning and development. Prentice Hall, Englewood Cliffs,

NJ.

[Kolowich, 2012] Kolowich, S. (2012). Coursera looks to harness the free

labor of its devotees. Inside Higher Ed.

[Kühl, 2016] Kühl, E. (2016). Überwachung im Auftrag der Sicher-

heit. ZEIT online, http://www.zeit.de/digital/datenschutz/2016-

05/android-google-trust-score-passwoerter, abgerufen am: 05.06.2016.

[Langer, 2013] Langer, K. (2013). Flexible Hypermedia-Systeme in der

computerunterstützten Aus-und Weiterbildung: Entwurf einer wissens-

basierten Systemarchitektur. Springer-Verlag.

[Last et al., 2001] Last, D. A., O’Donnell, A. M., and Kelly, A. E. (2001).

The effects of prior knowledge and goal strength on the use of hyper-

text. Journal of Educational Multimedia and Hypermedia, 10(1):3–25.

Page 213: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

201

[Lehmann, 2010] Lehmann, R. (2010). Lernstile als Grundlage adaptiver

Lernsysteme in der Softwareschulung. Waxmann.

[Leutner, 1992] Leutner, D. (1992). Adaptive Lehrsysteme: instruktions-

psychologische Grundlagen und experimentelle Analysen. Psychologie

Verlags Union.

[Leutner, 2002] Leutner, D. (2002). Adaptivität und adaptierbarkeit

multimedialer lehr- und informationssysteme. In Issing, L. and Klim-

sa, P., editors, Information und Lernen mit Multimedia und Internet.

Bletz.

[Lienhart et al., 2003] Lienhart, R., Kuranov, A., and Pisarevsky, V.

(2003). Empirical analysis of detection cascades of boosted classifiers

for rapid object detection. In Pattern Recognition, pages 297–304.

Springer.

[Lienhart and Maydt, 2002] Lienhart, R. and Maydt, J. (2002). An ex-

tended set of haar-like features for rapid object detection. In Image

Processing. 2002. Proceedings. 2002 International Conference on, vo-

lume 1, pages I–900. IEEE.

[Lillie et al., 1989] Lillie, D. L., Hannum, W. H., and Stuck, G. B. (1989).

Computers and effective instruction. Longman, New York.

[Lucey et al., 2010a] Lucey, P., Cohn, J. F., Kanade, T., Saragih, J., Am-

badar, Z., and Matthews, I. (2010a). The extended cohn-kanade data-

set (ck+): A complete expression dataset for action unit and emotion-

specified expression. In Proceedings of the Third International Work-

shop on CVPR for Human Communicative Behavior Analysis (CV-

PR4HB 2010), pages 94–101, San Francisco, USA.

[Lucey et al., 2010b] Lucey, P., Cohn, J. F., Saragih, J., and Ambadar, Z.

(2010b). The extended cohn-kanade dataset (ck+): A complete dataset

for action unit and emotion-specified expression. In In CVPR’10: IEEE

Conference on Computer Vision and Pattern Recognition, pages 94–

101.

[Mampadi, 2012] Mampadi, F. (2012). Assessing acceptance of adaptive

educational hypermedia systems: Prior knowledge vs. cognitive styles.

International Journal of Computer Science Issues, 9(4):62 – 70.

Page 214: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

202

[Mampadi et al., 2009] Mampadi, F., Chen, S., and Ghinea, G. (2009).

The effects of prior knowledge on the use of adaptive hypermedia lear-

ning systems. In Jacko, J., editor, Human-Computer Interaction. Inter-

acting in Various Application Domains, volume 5613 of Lecture Notes

in Computer Science, pages 156–165. Springer Berlin Heidelberg.

[Mampadi et al., 2011] Mampadi, F., Chen, S. Y., Ghinea, G., and Chen,

M.-P. (2011). Design of adaptive hypermedia learning systems: A co-

gnitive style approach. Computers & Education, 56(4):1003–1011.

[Meins, 2010] Meins, N. (2010). Merkmalsreduktion und Ensemble-

Lernen mit AdaBoost am Beispiel der Kennzeichenlokalisierung. PhD

thesis.

[Messick, 1976] Messick, S. (1976). Individuality in learning. Higher

Education Series. Jossey-Bass Publishers.

[Messick, 1984] Messick, S. (1984). The nature of cognitive styles: Pro-

blems and promise in educational practice. Educational Psychologist,

19(2):59–74.

[Milborrow and Nicolls, 2014] Milborrow, S. and Nicolls, F. (2014). Ac-

tive Shape Models with SIFT Descriptors and MARS. VISAPP.

[Mitchell et al., 2005] Mitchell, T. J. F., Chen, S. Y., and Macredie, R. D.

(2005). Hypermedia learning and prior knowledge: domain expertise

vs. system expertise. Journal of Computer Assisted Learning, 21(1):53–

64.

[Nistor and Schäfer, 2004] Nistor, N. and Schäfer, M. (2004). Lernen mit

stil: Empirische befunde und offene fragestellungen zur bedeutung der

lernstile in virtuellen seminaren. Campus.

[Pan et al., 2004] Pan, B., Hembrooke, H. A., Gay, G. K., Granka, L. A.,

Feusner, M. K., and Newman, J. K. (2004). The determinants of web

page viewing behavior: An eye-tracking study. In Proceedings of the

2004 Symposium on Eye Tracking Research & Applications, ETRA ’04,

pages 147–154, New York, NY, USA. ACM.

[Papanikolaou et al., 2003] Papanikolaou, K., Grigoriadou, M., Kornila-

kis, H., and Magoulas, G. (2003). Personalizing the interaction in a

Page 215: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

203

web-based educational hypermedia system: the case of inspire. User

Modeling and User-Adapted Interaction, 13(3):213–267.

[Papanikolaou et al., 2002a] Papanikolaou, K. A., Gfigoriadou, M., Kor-

nilakis, H., and Magoulas, G. D. (2002a). Inspire: An intelligent system

for personalized instruction in a remote environment. In Paul De Bra

(ed.): Third Workshop on Adaptive Hypertext and Hypermedia. Lecture

Notes in Computer Science., pages 215–225.

[Papanikolaou et al., 2002b] Papanikolaou, K. A., Grigoriadou, M., Kor-

nilakis, H., and Magoulas, G. D. (2002b). Towards new forms of know-

ledge communication: the adaptive dimension of a web-based learning

environment. In Computers & Education, number 39, pages 333–360.

[Pappano, 2012] Pappano, L. (2012). The Year of the MOOC. The New

York Times.

[Pivec et al., 2006] Pivec, M., Trummer, C., and Pripfl, J. (2006). Eye-

tracking adaptable e-learning and content authoring support. Infor-

matica (Slovenia), 30(1):83–86.

[Pohl, 2007] Pohl, K. (2007). Requirements Engineering: Grundlagen,

Prinzipien, Techniken. dpunkt.verlag, Heidelberg.

[Pohl, 1996] Pohl, W. (1996). Learning about the user – user mode-

ling and machine learning. In Moustakis, V. and Herrmann, J., edi-

tors, Proceedings of the ICML’96 Workshop ”Machine Learning meets

Human-Computer Interaction”, pages 29–40.

[Pressey, 1946] Pressey, S. L. (1946). Further attemps to develop a "me-

chanical teacher". American Psychologist, (1):262.

[Riding and Cheema, 1991] Riding, R. J. and Cheema, I. (1991). Cogni-

tive styles – an overview and integration. In Educational Psychology,

volume 3, pages 193–215.

[Rohrmann, 1978] Rohrmann, B. (1978). Empirische Studien zur Ent-

wicklung von Antwortskalen für die sozialwissenschaftliche Forschung.

Zeitschrift für Sozialpsychologie, 9(3):222–245.

Page 216: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

204

[Rombach, 2003] Rombach, H. E. H. (2003). A Handbook oder Software

and Systems Engineering: Empirical Observations. Addison-Wesley,

Amsterdam.

[Sadler-Smith, 1997] Sadler-Smith, E. (1997). ‘learning style’: frame-

works and instruments. Educational psychology, 17(1-2):51–63.

[Sanrach and Grandbastien, 2000] Sanrach, C. and Grandbastien, M.

(2000). Ecsaiweb: A web-based authoring system to create adapti-

ve learning systems. In Brusilovsky, P., Stock, O., and Strapparava,

C., editors, Adaptive Hypermedia and Adaptive Web-Based Systems,

volume 1892 of Lecture Notes in Computer Science, pages 214–226.

Springer Berlin Heidelberg.

[Schlageter and Feldmann, 2002] Schlageter, G. and Feldmann, B.

(2002). E-Learning im Hochschulbereich: der Weg zu lernerzentrierten

Bildungssystemen. In Issing, L. and Klimsa, P., editors, Information

und Lernen mit Multimedia und Internet. Bletz.

[Schmidt, 2013] Schmidt, M. (2013). Digitale Vorlesungs-

häppchen revolutionieren die Bildung. ZEIT online,

http://www.zeit.de/studium/uni-leben/2013-06/mooc-deutschland-

iversity-vorlesungen-internet/komplettansicht, abgerufen am:

19.06.2014.

[Schulmeister, 2003] Schulmeister, R. (2003). Lernplattformen für das

virtuelle Lernen. Oldenbourg.

[Schulmeister, 2004] Schulmeister, R. (2004). Diversität von studieren-

den und die konsequenzen für e-learning. In Barrios, B. and Carsten-

sen, D., editors, Campus 2004-Kommen die digitalen Medien an den

Hochschulen in die Jahre., pages 133–144, M’unster. Waxmann.

[Schulmeister, 2006] Schulmeister, R. (2006). eLearning: Einsichten und

Aussichten. Oldenbourg.

[Schumacher and Morahan-Martin, 2001] Schumacher, P. and Morahan-

Martin, J. (2001). Gender, internet and computer attitudes and expe-

riences. Computers in Human Behavior, 17(1):95 – 110.

Page 217: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

205

[Schwab, 1989] Schwab, T. (1989). Methoden zur Dialog- und Benutzer-

modellierung in adaptiven Computersystemen. Universität Stuttgart,

Stuttgart.

[Schwarz and Scheurig, 1991] Schwarz, N. and Scheurig, B. (1991).

Selbstberichtete Verhaltens- und Symptomhäufigkeiten : was Befragte

aus Antwortvorgaben des Fragebogens lernen, volume 1991/08.

[Seeberg, 2004] Seeberg, C. (2004). Adaptivität für individuelles ler-

nen. In Haake, J., Schwabe, G., and Wessner, M., editors, CSCL-

Kompendium, München. Oldenbourg.

[Seel and Ifenthaler, 2009] Seel, N. M. and Ifenthaler, D. (2009). Online

lernen und lehren. Ernst Reinhardt.

[Shneiderman and Plaisant, 2010] Shneiderman, B. and Plaisant, C.

(2010). Designing the User Interface: Strategies for Effective Human-

computer Interaction. Addison-Wesley.

[Sim et al., 2002] Sim, T., Baker, S., and Bsat, M. (2002). The cmu pose,

illumination, and expression database. In In Conference on Automatic

Face and Gesture Recognition.

[Sirovich and Kirby, 1987] Sirovich, L. and Kirby, M. (1987). Low-

dimensional procedure for the characterization of human faces. JOSA

A, 4(3):519–524.

[Smith, 1984] Smith, R. M. (1984). Learning how to learn: Applied theo-

ry for adults. Möbius: A Journal for Continuing Education Professio-

nals in Health Sciences, 4(2):93–98.

[Sommerville, 2007] Sommerville, I. (2007). Software Engineering.

Addison-Wesley, München, 8. edition.

[Specht et al., 2002a] Specht, M., Kravcik, M., Klemke, R., Pesin, L., and

Hüttenhain, R. (2002a). Adaptive learning environment for teaching

and learning in winds. In De Bra, P., Brusilovsky, P., and Conejo,

R., editors, Adaptive Hypermedia and Adaptive Web-Based Systems,

Berlin. Springer.

Page 218: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

206

[Specht et al., 2002b] Specht, M., Kravcik, M., Klemke, R., Pesin, L.,

and Hüttenhain, R. (2002b). Adaptive learning environment in

WINDS.

[Stash and De Bra, 2004] Stash, N. and De Bra, P. (2004). Incorpora-

ting cognitive styles in aha! (the adaptive hypermedia architecture).

International Conference Web-Based Education, pages 378–383.

[Steinbrecher, 2005] Steinbrecher, R. (2005). Bildverarbeitung in der

praxis. RST-Verlag. München-Wien-Oldenburg.

[Sternberg, 1994] Sternberg, R. J. (1994). Thinking styles: Theory and

assessment at the interface between intelligence and personality. In

Sternberg, R. J. and Ruzgis, P., editors, Personality and intelligence,

pages 169–187, New York. Cambridge University Press.

[Stiene, 2006] Stiene, S. (2006). Konturbasierte objekterkennung aus tie-

fenbildern eines 3d-laserscanners. Universität Osnabrück, Fachbereich

Informatik, Masterarbeit.

[Suk and Prabhakaran, 2014] Suk, M. and Prabhakaran, B. (2014). Real-

time mobile facial expression recognition system–a case study. In Com-

puter Vision and Pattern Recognition Workshops (CVPRW), 2014 IE-

EE Conference on, pages 132–137. IEEE.

[Tergan, 2002] Tergan, S.-O. (2002). Hypertext und hypermedia: Kon-

zeption, lernmöglichkeiten, lernprobleme und perspektiven. In Issing,

L. and Klimsa, P., editors, Information und Lernen mit Multimedia

und Internet. Bletz.

[The Standish Group, 1994] The Standish Group (1994). The cha-

os report (1994). http://ifgi.uni-muenster.de/courses/

project-management/images/downloads/standish_report2014.

pdf. abgerufen am: 27.10.2013.

[Todt, 1990] Todt, E. (1990). Entwicklung des interesses. Angewandte

Entwicklungspsychologie des Kindes-und Jugendalters, 2:213–264.

[Treisman, 1992] Treisman, U. (1992). Studying students studying cal-

culus: A look at the lives of minority mathematics students in college.

College Mathematics Journal, pages 362–372.

Page 219: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

207

[Triantafillou et al., 2003] Triantafillou, E., Pomportsis, A., and Geor-

giadou, E. (2003). AES-CS: Adaptive Educational System based on

Cognitive Styles.

[Turk and Pentland, 1991a] Turk, M. and Pentland, A. (1991a). Eigen-

faces for recognition. Journal of cognitive neuroscience, 3(1):71–86.

[Turk and Pentland, 1991b] Turk, M. A. and Pentland, A. P. (1991b).

Face recognition using eigenfaces. In Computer Vision and Pattern Re-

cognition, 1991. Proceedings CVPR’91., IEEE Computer Society Con-

ference on, pages 586–591. IEEE.

[Uřičář et al., 2012] Uřičář, M., Franc, V., and Hlaváč, V. (2012). De-

tector of facial landmarks learned by the structured output SVM. In

Csurka, G. and Braz, J., editors, VISAPP ’12: Proceedings of the 7th

International Conference on Computer Vision Theory and Applicati-

ons, volume 1, pages 547–556, Portugal. SciTePress — Science and

Technology Publications.

[Viola and Jones, 2001] Viola, P. and Jones, M. (2001). Robust real-time

object detection. International Journal of Computer Vision, 4:34–47.

[Wahlster and Kobsa, 1989] Wahlster, W. and Kobsa, A. (1989). User

models in dialog systems. In Wahlster, W. and Kobsa, A., editors,

User Models in Dialog Systems, pages 4–34, Berlin. Springer.

[Weber, 2007] Weber, B. (2007). Schöne neue arbeitswelt? - die zukunft

der arbeit.

[Weber et al., 2001] Weber, G., Kuhl, H.-C., and Weibelzahl, S. (2001).

Developing adaptive internet based courses with the authoring sys-

tem NetCoach. In Reich, S., Tzagarakis, M., and De Bra, P., editors,

Hypermedia: Openness, Structural Awareness, and Adaptivity, pages

226–238, Berlin. Springer.

[Wiarda, 2016] Wiarda, J. (2016). Rankings sind was für Angeber, In-

terview with John Hennessy. (14). Die Zeit.

[Wild, 2000] Wild, K.-P. (2000). Lernstrategien im Studium: Strukturen

und Bedingungen. Waxmann.

Page 220: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

208

[Wiskott et al., 1997] Wiskott, L., Fellous, J.-M., Kuiger, N., and Von

Der Malsburg, C. (1997). Face recognition by elastic bunch graph

matching. Pattern Analysis and Machine Intelligence, IEEE Transac-

tions on, 19(7):775–779.

[Witkin et al., 1971] Witkin, H., PK, O., Raskin, E., and SA, K. (1971).

A manual for the embedded figures test.

[Witkin et al., 1975] Witkin, H. A., Moore, C. A., Goodenough, D. R.,

and Cox, P. W. (1975). Field-dependent and field-independent cogni-

tive styles and their educational implications. ETS Research Bulletin

Series, 1975(2):1–64.

[Wolf, 2003] Wolf, C. (2003). iweaver: Towards ’learning style’-based

e-learning in computer science education. In Greening, T. and Lis-

ter, R., editors, Fifth Australasian Computing Education Conference

(ACE2003), volume 20 of CRPIT, pages 273–279, Adelaide, Australia.

ACS.

[Wu et al., 2000] Wu, H., Bra, P. D., Aerts, A. T. M., and Houben, G.

(2000). Adaptation control in adaptive hypermedia systems. In Brusi-

lovsky, P., Stock, O., and Strapparava, C., editors, Adaptive Hyperme-

dia and Adaptive Web-Based Systems, International Conference, AH

2000, Trento, Italy, August 28-30, 2000, Proceedings, pages 250–259.

Springer.

Page 221: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

209

AnhangA. Knoten zur Demonstration der

Benutzerschnittstelle

Definition des Startknotens

Page 222: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

210

Definition des Testknotens

Page 223: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

211

Definition des Contentknotens Beginner 1

Page 224: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

212

Defintion des Contentknotens Expert 1

Page 225: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

213

B. Übersicht über die eingesetzten

Testbilder

Testbild 1 Testbild 2

Testbild 3 Testbild 4

Testbild 5 Testbild 6

Testbild 7 Testbild 8

Page 226: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

214

Testbild 9 Testbild 10

Tabelle 6: Übersicht über die eingesetzten Testbilder

Page 227: Tobias Augustin Entwicklung eines Frameworks zur ... · Entwicklung eines Frameworks zur Personalisierung von E-Learning-Angeboten M.Sc. Tobias Augustin aus Hagen Dissertation zurErlangungdesakademischenGrades

215

ErklärungHiermit versichere ich, dass ich die vorliegende Dissertation ‘’Entwick-

lung eines Frameworks zur Personalisierung von E-Learning-Angeboten”

selbständig und ohne unerlaubte fremde Hilfe angefertigt und keine an-

deren als die in der Dissertation angegebenen Hilfsmittel benutzt habe.

Alle Stellen, die wörtlich oder sinngemäß aus veröffentlichten Schriften

entnommen sind, habe ich als solche kenntlich gemacht. Die vorliegende

Dissertation hat zuvor keiner anderen Stelle zur Prüfung vorgelegen.

Hagen, 08.12.2016

Tobias Augustin