Promotionsprojekt
Ontologiebasierte Modellierung von Lernendenprofilen und Lehrplänen
Leitung: Dr. Anett Hoppe und Prof. Dr. Andreas Nehring
Status: Laufend
Beschreibung: Open Educational Resources (OER) sind Lehrmaterialien, die Lernenden wie auch Lehrenden frei im Netz zur Verfügung stehen. Ihre Einbindung kann die Gestaltung neuer Unterrichtseinheiten maßgeblich vereinfachen, beschleunigen und bereichern. Dazu muss Lehrenden jedoch die Möglichkeit gegeben werden, passgenaue Materialien möglichst schnell und einfach aufzufinden.
Das Promotionsprojekt soll hierfür, unter Nutzung einer Kombination von Verfahren der semantischen Modellierung und der automatischen Inhaltsextraktion, eine Basis schaffen. Fokus ist die Zuordnung von geeigneten Lehrmaterialien zu den im Lehrplan vorgesehenen Lehrinhalten, unter Beachtung bekannter Informationen über die involvierten Nutzer*innen. (Letztere können in diesem Kontext sowohl die gestaltenden Lehrpersonen sein, als auch individuelle Lernende.) Hierzu sollen zunächst die im Lehrplan vorgesehenen Fachkonzepte und ihre Relationen in maschinen-interpretierbarer Form modelliert werden und ein entsprechendes Verfahren zum Mapping auf (a) Meta-Daten von Lernmaterialien und (b) Ergebnisse automatischer Verfahren zur Inhaltserschließung entwickelt werden. Ziel ist es, Lehrpersonen bei der Gestaltung von Lehreinheiten mit der Empfehlung passender Inhalte zu unterstützen.
Grundlage bilden existierende Arbeiten zur inhaltlichen Erschließung und Modellierung von Lehrmaterialien und Rahmenlehrplänen (Bracht, 2006; Kalogeraki et al. 2016) bzw. zur Nutzermodellierung in Lernumgebungen (Abyaa, Idrissi & Bennani, 2019).
Abyaa, A., Idrissi, M. K., & Bennani, S. (2019). Learner modelling: systematic review of the literature from the last 5 years. Educational Technology Research and Development, 1-39.
Bracht, R. (2006). Ein ontologiebasiertes Lernmittelangebot auf der Basis von Lehrplänen und Lernzielen – Machbarkeit und prototypische Umsetzung”. Hausarbeit, TU München, https://www.ddi.edu.tum.de/fileadmin/tueds10/www/material/…/Bracht_Zula.pdf (abgerufen 18.01.2019).
Kalogeraki, E. M., Troussas, C., Apostolou, D., Virvou, M., & Panayiotopoulos, T. (2016). Ontology-based model for learning object metadata. In 2016 7th International Conference on Information, Intelligence, Systems & Applications (IISA), IEEE, 1-6.
Forschungsinteressen
Maschinelles Lernen, Natural Language Processing, Ontologien, Semantic Web, Learner Modelling, E-Learning, Learning Management Systems
Lebenslauf
2018-2020
M.Sc. in Data Science, Technology and Innovation, University of Edinburgh
2007-2011
B.Tech. (Hons.) in Industrial Engineering, Indian Institute of Technology, Kharagpur
Publikationen, Tagungsbeiträge und Vorträge
Roski, M., Sebastian, R., Ewerth, R., Hoppe, A., Nehring, A. (2024): Learning analytics and the Universal Design for Learning (UDL): A clustering approach. Computers & Education, 214, 105028. https://doi.org/10.1016/j.compedu.2024.105028
Roski, M., Sebastian, R., Ewerth, R., Hoppe, A., Nehring, A. (2023): Dropout Prediction in a Web Environment based on Universal Design for Learning. International Conference on Artificial Intelligence in Education (AIED), Tokyo, Japan. https://doi.org/10.1007/978-3-031-36272-9_42
Roski, M., Sebastian, R., Ewerth, R., Hoppe, A., Nehring, A. (2023): Digitales Lernen mit UDL-Features: Learning Analytics durch Clustering. Gesellschaft für Didaktik der Chemie und Physik Jahrestagung 2023, Hamburg.
Sebastian, R., Ewerth, R., Hoppe, A. (2022): Grade Level Filtering for Learning Object Search using Entity Linking. Third International Workshop on Investigating Learning During Web Search (IWILDS’22) co-located with SIGIR ’22.
Grant, P., Sebastian, R., Allassonnière-Tang, M., Cosemans, S. (2021): Topic Modelling on Archive Documents from the 1970s: Global Policies on Refugees. Digital Scholarship in the Humanities, Advance articles: 1-22. doi.org/10.1093/llc/fqab018
lernmint.org 