{"id":2646,"date":"2017-02-02T20:31:22","date_gmt":"2017-02-02T19:31:22","guid":{"rendered":"https:\/\/wpethzprd.ethz.ch\/deliscope\/?p=2646"},"modified":"2018-05-07T07:56:22","modified_gmt":"2018-05-07T06:56:22","slug":"pele","status":"publish","type":"post","link":"https:\/\/blogs.ethz.ch\/deliscope\/2017_02_02\/pele\/","title":{"rendered":"PELE: Informatik-Einf\u00fchrung nach allen Regeln der (didaktischen) Kunst"},"content":{"rendered":"

[vimeo]https:\/\/youtu.be\/22CkQOjG5nk[\/vimeo][vimeo]https:\/\/youtu.be\/22CkQOjG5nk[\/vimeo]Tutorials f\u00fcr Informatikanwendungen sind wohl so alt wie die Informatikwelt selbst: Learning by doing<\/em> bietet sich an, wenn es zum Beispiel um das Erlernen von Datenvisualisierung, Datenverwaltung oder Programmierung in Python oder Matlab geht. Prof. Hans Hinterberger hat das vor mehr als 15 Jahren erkannt und das Projekt E-Tutorials<\/a>\u00a0ins Leben gerufen. Aus seiner Initiative von damals ist ein eindrucksvoll ausgereiftes Produkt entstanden, welches an der ETH in den Bereichen selbstgesteuertes Lernen und kompetenzorientiertes Pr\u00fcfen seit Beginn neue Massst\u00e4be gesetzt hat. In den 4 Schritten zu aktivem Wissen<\/a>, SEE-TRY-DO-EXPLAIN <\/em>erwerben die Studierenden aus f\u00fcnf Departementen (BIOL, CHAB, HEST, USYS, ERDW) in Modulform die theoretischen Grundlagen (Phase SEE<\/strong>; online oder in der Vorlesung), wenden diese dann an Beispielen unter aktiver Bedienung eines Informatikmittels an (Phase TRY<\/strong>), setzen die Konzepte in einer Projektaufgabe mit wissenschaftlichem Kontext um (Phase DO<\/strong>) und pr\u00e4sentieren die L\u00f6sung Face-to-face in einem Abgabegespr\u00e4ch mit einer Fachperson (Phase EXPLAIN<\/strong>). F\u00fcnf solcher Gespr\u00e4che m\u00fcssen zus\u00e4tzlich zur Schlusspr\u00fcfung als Bestandteil der Semesterleistung absolviert werden.<\/p>\n

Lukas F\u00e4ssler <\/a>und Markus Dahinden<\/a>, langj\u00e4hrige Mitarbeiter des inzwischen emeritierten Prof. Hinterberger und heutige Dozierende der beiden Informatik-Vorlesungen, bauen das Angebot an Tutorials laufend aus und entwickeln es kontinuierlich weiter unter Einbezug der sich ver\u00e4ndernden Technologien. Dabei haben sie – zuletzt zusammen mit David Sichau<\/a> – mit dem Personal Learning Environment (PELE) einen weiteren Innovationsschritt vollzogen, der letztlich das Lernarrangement durch den Einbezug von Learning Analytics f\u00fcr Studierende, Assistierende und Dozierende revolutionieren wird: W\u00e4hrend sich die Studierenden selbst\u00e4ndig in die Grundlagen einarbeiten (TRY), erzeugen sie auf der Online-Plattform Interaktionsdaten (=Zeit, mit der die Lernenden mit den Materialien arbeiten).<\/p>\n

\"Abb<\/a>

Abb 1. Durchschnittliche Bearbeitungsdauer f\u00fcr Teilaufgaben in eTutorials
Die durchschnittliche Bearbeitungsdauer (in Minuten) f\u00fcr eine ausgew\u00e4hltes Modul, f\u00fcr insgesamt 300 Studierende der LV “Einsatz von Informatikmitteln”. Bei mehreren Teilschritten (z.B. 11, 13) weicht die Bearbeitungsdauer f\u00fcr einen Teil der Studierenden stark vom Mittelwert ab, was auf Schwierigkeiten bei der Bearbeitung hinweisen kann. (Quelle: Sichau und F\u00e4ssler, pers. comm)<\/p><\/div>\n

Diese k\u00f6nnen von den Dozierenden analysiert werden, um besonders schwierige Elemente in den Tutorials zu identifizieren (Abb.1). Verbesserungen der Module werden so “evidence-based” und kontinuierlich vorgenommen.<\/p>\n

Die Daten zeigen auch, wann die Studierenden die Selbstlerneinheiten bearbeiten und welche Rolle die einzelnen Tutorials bei der Vorbereitung auf die Schlusspr\u00fcfung noch spielen. (Abb. 2)<\/p>\n

\"Abb<\/a>

Abb 2: Interaktion von Studierenden im Online Tutorial<\/strong>
Die Abbildung zeigt die Interaktionsdaten, welche 338 Studierende der LV “Einsatz von Informatikmitteln” im HS15 erzeugt haben, oben Modul 2, unten Modul 3. Eine Interaktion wird dabei gewertet als die Anzahl Clicks in der Lernumgebung mit einem Abstand von mehr als 10 Sekunden, die Anzahl der Interaktionen an einem Tag ist mit dem Farbcode gem\u00e4ss Legende am rechten Rand dargestellt. Die Fenster f\u00fcr die Pr\u00e4sentation der Modulprojekte waren jeweils 2 Wochen ge\u00f6ffnet (schwarz markiert am oberen Rand der jeweiligen Modulgrafik). Die Schlusspr\u00fcfung fand nach dem Modul 6 statt.
Die Studierenden begannen jeweils eine halbe Woche vor Beginn der Pr\u00e4sentationsperiode mit der Bearbeitung der Tutorials. Nach der Projektarbeit wurde das Material nicht mehr gesichtet bis zur Beginn der Pr\u00fcfungsvorbereitung eineinhalb Wochen vor dem Pr\u00fcfungstermin. (Quelle: Sichau und F\u00e4ssler, pers. comm)<\/p><\/div>\n

Die Interaktionsdaten sind\u00a0pseudonymisiert: die Personeninformation wird separat von den restlichen Daten gehalten und ist nur \u00fcber einen gesicherten Zwischenschritt einsehbar. So ist es im Gegensatz zu voll anonymisierten Daten m\u00f6glich, weitere studierendenspezifische Daten (wie z.B. Pr\u00fcfungsresultate) zu verkn\u00fcpfen, ohne dass die Identit\u00e4t offengelegt wird. Das erkl\u00e4rte Ziel von F\u00e4ssler und Sichau ist die Detektion von Aktivit\u00e4tsmustern in der TRY-Phase, welche zuverl\u00e4ssige Voraussagen der Pr\u00fcfungsleistung erlauben. (s. auch Dahinden&F\u00e4ssler, 2011<\/a>). Bestehens-Prognosen f\u00fcr einzelne Studierende sind aber kein Thema – bei einer Kohortengr\u00f6sse von 400 Studierenden pro Kurs gibt es schliesslich auch bei hoher Signifikanz eines Modells immer individuelle Studierende, die trotz schlechten Prognosen gut abschliessen k\u00f6nnen und umgekehrt. Darum m\u00f6chten die Verantwortlichen keine falschen (Un-)Sicherheiten erzeugen. Die Studierenden sollen aber in naher Zukunft auf einem Dashboard jederzeit sehen k\u00f6nnen, wie sie bez\u00fcglich Lernfortschritt und daf\u00fcr aufgewendeter Zeit in Bezug auf die ganze Kohorte stehen.<\/p>\n

W\u00e4hrend der DO-Phase hinterlassen die Studierenden digitale Spuren, wenn sie ausserhalb der regul\u00e4ren Pr\u00e4senzeiten das Ticket-System von PELE benutzen, um innerhalb von 24 Stunden (Wochenende inklusive) Support zu erhalten. \u00dcber PELE wird auch die EXPLAIN-Phase eines jeden Moduls eingeleitet: Die Studierenden reservieren sich alleine oder zu zweit einen 15-Minuten Termin f\u00fcr die Projektpr\u00e4sentation. Die betreuende studentische Fachperson (PhD-Studierende aus dem D-INFK, aber auch etwa zur H\u00e4lfte\u00a0Hilfsassistierende aus den Naturwissenschaften) wird ihnen daf\u00fcr zuf\u00e4llig nach Verf\u00fcgbarkeit zugeteilt.<\/p>\n

\"eth-2015-etutorial-10\"<\/a><\/p>\n

Im HS15 hatte ich Gelegenheit, zwei solche Beratungsgespr\u00e4che anl\u00e4sslich eines Besuchs live mitzuerleben: Das Gespr\u00e4ch findet wie die Beratungen auch w\u00e4hrend der Pr\u00e4senzzeit in einem Computerraum statt. Via PELE-Website sieht die Fachperson den Namen der n\u00e4chsten Studentin und ruft den Namen p\u00fcnktlich in den Raum. Bei meinem Besuch ist es einmal ein einzelner Student, einmal zwei Studentinnen zusammen aus dem D-BIOL, welche ihr Ergebnis zum MATLAB-Projekt . Die Assistentin startet das Gespr\u00e4ch jeweils mit der gleichen Frage (“Stellt kurz vor, wie ihr es gemacht habt”), danach verlaufen die Unterhaltungen inhaltlich v\u00f6llig unterschiedlich – einmal geht es um Programmiertechnisches (Indizes einer Schleife), einmal um die Umsetzung des physikalischen Modells, welches der Aufgabe zugrunde liegt. Im einen Gespr\u00e4ch bringt die Assistentin den Studierenden mit wenigen Fragen dazu, sein Missverst\u00e4ndnis exakt zu beschreiben, die entsprechenden Codezeilen zu eruieren und die L\u00f6sung gleich zu implementieren. Das andere Gespr\u00e4ch f\u00fchrt zu einer Skizze mit dem physikalischen Modell der Diffusion und hat im Code nur minimale Auswirkungen – ein Parameter muss ver\u00e4ndert werden. Zum Schluss reflektieren die Studierenden ihr Vorgehen zusammen mit der Assistentin und beschliessen Massnahmen f\u00fcr n\u00e4chste Projekte (“Schleifen konsequent testen” der eine, “vollst\u00e4ndigere Designphasen” die anderen) und besprechen welche Wissensl\u00fccken die Studentin f\u00fcr die Pr\u00fcfung allenfalls noch aufweist. Die Assistentin schliesst das Gespr\u00e4ch mit einer individuellen R\u00fcckmeldung ab und bittet die Studierenden, das vergangene Gespr\u00e4ch auf der Plattform mit Sternen zu bewerten: Zwei, einen oder keinen f\u00fcr “Wie hilfreich\u00a0war das Gespr\u00e4ch”. \u00a0Die Studierenden bekommen ihrerseits von der Assistentin jeweils Sterne f\u00fcr\u00a0“Verst\u00e4ndnis des Themas”.<\/p>\n

F\u00fcr Studierende und Assistierende ist das ein grober Anhaltspunkt daf\u00fcr, wie das Gespr\u00e4ch von beiden Seiten empfunden wurde. Die Nachbearbeitung liegt in der Verantwortung der Studierenden, womit auch die “Project Ownership” bei ihnen liegt. F\u00fcr die Dozierenden ergeben sich aus der Kombination mit Click-Daten Hinweise darauf, inwiefern sich die Aktivit\u00e4t in der Selbstlern (TRY) Phase auf die Leistung im Projekt auswirkt. Falls sich beispielsweise eine unterdurchschnittliche Verweildauer bei einem gewissen Lernschritt tendenziell negativ auf den Projekterfolg auswirkt, k\u00f6nnte darauf in Zukunft bereits im Modul oder den Coaching-Gespr\u00e4chen vermehrt eingegangen werden. Dazu m\u00fcssten die Studierenden nat\u00fcrlich erst die entsprechenden Daten freigeben. Im Hinblick auf den Pr\u00fcfungserfolg erweisen sich die Bewertungsdaten der formativen Assessments \u00fcbrigens bisher als die zuverl\u00e4ssigsten Daten f\u00fcr eine Prognose.<\/p>\n

Wie die Tutorials sind auch individuelle Coaching-Gespr\u00e4che nichts Neues. Das Bahnbrechende an diesem Modell wird erst sichtbar beim Blick auf die Zahlen: In HS16 absolvierten 804 Studierende 4019 solcher Coaching-Gespr\u00e4che mit insgesamt 40 Assistierenden. F\u00fcr die Studierenden bedeutet das 90 Minuten intensive individuelle Betreuung – weit mehr, als in einem Semester konventionell betreuter \u00dcbungen mit Gruppengr\u00f6ssen von 20 Studierenden zustande kommen kann. Konsequenterweise wird diese Form des formativen Assessments von den Studierenden sehr gesch\u00e4tzt und auch in den Evaluationskommentaren immer wieder erw\u00e4hnt: Die Studierenden sch\u00e4tzen auch die regelm\u00e4ssige Verteilung der Belastung \u00fcber das ganze Semester und die regelm\u00e4ssige Standortbestimmung in den Gespr\u00e4chen.<\/p>\n

\"Abb<\/a>

Abb 3: Bewertungs\u00fcbersicht in PELE<\/strong>
Die Abbildung zeigt in der Dozierendensicht von PELE die Anteile der Bewertungen 2(gr\u00fcn), 1(blau) und 0(rot) von und f\u00fcr 4 Assistierende (Zeilen). Die Person in Zeile 2 vergibt tiefe Bewertungen an Studierende und erh\u00e4lt relativ schlechte Bewertungen von Studierenden, was ein Hinweis auf ein Problem sein k\u00f6nnte. Die Person in Zeile 1 hingegen erh\u00e4lt trotz h\u00e4ufiger schlechter Bewertungen f\u00fcr Studierende \u00fcberdurchschnittlich hohe Bewertungen von Studierenden, was f\u00fcr gute Qualit\u00e4t der Coachings spricht. (Quelle: F\u00e4ssler, pers. comm)<\/p><\/div>\n

Noch eindrucksvoller ist allerdings eine andere Zahl: Die Assistierenden absolvieren innerhalb eines Semesters gut 100 individuelle Coaching Gespr\u00e4che von 15 Minuten Dauer und werden dadurch innert k\u00fcrzester Zeit zu Experten in dieser Form von Kommunikation: Sie k\u00f6nnen sich immer besser in die Studierenden hinein versetzen und bringen diese mit gezielten Fragen dazu, m\u00f6glichst selbst\u00e4ndig ihre Projekte kritisch zu hinterfragen, unklare Punkte zu thematisieren und ihre eigene Arbeit selbstbewusst zu pr\u00e4sentieren. Kommentar einer Assisitierenden:\u00a0“Ich habe gelernt ein Gespr\u00e4ch zu f\u00fchren und Tipps zu geben, die helfen k\u00f6nnen etwas zu l\u00f6sen, ohne gleich die L\u00f6sung zu verraten.<\/em>” Die Assistierenden finden, dass Unterricht mit PELE mehr Feedback erlaubt und auch effizienter ist als klassischer \u00dcbungsbetrieb, weil sie sich auf das Wesentliche konzentrieren k\u00f6nnen und wenig organisatorischen Aufwand betreiben m\u00fcssen. Manche Assistierende vermissen aber die Konstanz einer \u00fcber das Semester begleiteten Studierendengruppe.<\/p>\n

Den Dozierenden ist es sehr wichtig, dass die Qualit\u00e4t der Feedbacks m\u00f6glichst hoch ist. Da F\u00e4ssler und Dahinden nach der einf\u00fchrenden Assistierenden-Schulung nur in beschr\u00e4nktem Mass den Gespr\u00e4chen beiwohnen k\u00f6nnen, findet die Qualit\u00e4tskontrolle auch \u00fcber die R\u00fcckmeldungen der Studierenden statt. Durch die Aggregation der Daten von erteilten und erhaltenen Feedbacks fallen Assistierende mit konstant unterdurchschnittlichen Leistungen schon fr\u00fch im Semester auf und k\u00f6nnen entsprechend unterst\u00fctzt werden. (Abb 3).<\/p>\n

Fazit: Trotz ihres “Alters” geh\u00f6ren die E.Tutorials mit PELE zu den innovativsten Lehrangeboten in der ETH Grundbildung:<\/p>\n