Promotionsprojekt:
Data Analytics für informelles Lernen im Schulkontext
Schüler*innen haben heutzutage die Möglichkeit, sich Wissen in vielfältiger Weise anzueignen. So werden häufig, zusätzlich zu den formalen Unterrichtseinheiten, informelle Web-Angebote (z. B. Wikipedia, Youtube etc.) genutzt, um sich neues Wissen zu erschließen oder zu vertiefen.
Im Rahmen des Promotionsprojekt soll das fachlich orientierte Suchverhalten von Schülern gezielt untersucht werden. Hierzu werden in enger Zusammenarbeit mit Experten aus den Bildungswissenschaften Lernszenarios entwickelt, und entsprechend Nutzungsstudien mit Schülern aus der Region durchgeführt. Die aufgenommenen Verhaltensdaten sollen in Bezug auf die Qualität der Lernergebnisse untersucht werden, dabei sollen gezielt auch individuelle Lernvoraussetzungen berücksichtigt werden. Nach Möglichkeit werden dabei spezifische Voraussetzungen und Verhaltensweisen identifiziert, die den Lernerfolg begünstigen und die folglich gezielt durch Lernplattformen und Lehrpersonen unterstützt werden sollten.Als Grundlage dienen hier existierende Arbeiten, die Metriken zur Einschätzung von Lernzielen bzw. des Wissenszuwachses vorschlagen (Gadiraju et al. 2018, Yu et al. 2018). Ziel ist es, deren Transferierbarkeit auf den Schulkontext zu untersuchen und sie geeignet weiterzuentwickeln.
Lebenslauf
Derzeit
Stipendiat im Promotionsprojekt LernMINT – Datengestützter Unterricht in den MINT- Fächern
2019
Werkstudent bei der Westfälischen DataLab GmbH für den Bereich Data Science zum Thema Combinatorial Optimization mittels Heuristics und Metaheuristics (Münster-Deutschland)
2016-2019
Master-Studium der Wirtschaftsinformatik. Schwerpunkt in Data Science und Business Networks an der Universität Münster (Münster-Deutschland)
2015-2016
Lehr- und Forschungsassistentin an der Escuela Politécnica Nacional University – School of Administrative Science (Quito – Ecuador)
2009-2015
Bachelor-Abschluss in Wirtschaftsingenieurwesen (Quito -Ecuador)
Literatur Projektbeschreibung
Gadiraju, U., Yu, R., Dietze, S., & Holtz, P. (2018). Analyzing Knowledge Gain of Users in Informational Search Sessions on the Web, full research track paper at ACM SIGIR Conference on Human Information Interaction and Retrieval (CHIIR2018), New Brunswick, NJ, US, 11-15 March 2018, ACM.
Yu, R., Gadiraju, U., Holtz, P., Rokicki, M., Kemkes, P., & Dietze, S. (2018). Predicting User Knowledge Gain in Informational Search Sessions, full research track paper at 41st Int. ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR2018), Ann Arbor Michigan, US, July 8-12, 2018, ACM.
lernmint.org 