IFeL blog

Structure, Dialogue and Autonomy


Leave a comment

Grosses Interesse für Datenbank mit emotionalen Texten

Innerhalb der letzten Woche stieg auf ResearchGate die Anzahl Reads, d.h. Leute, die einen Beitrag angeschaut haben, beim Projekt “Emotions and eReading” von unter zwanzig auf weit über 100. In Zusammenarbeit mit den Universitäten Paris 8, Barcelona, Turku (Finnland) und einigen weiteren, sind wir im IFeL (FFHS) am Erstellen einer Datenbank mit kurzen Texten (900 – 1100 Zeichen), die in Bezug auf die enthaltenen Emotionen beurteilt werden. Damit scheint das IFeL mit seiner Beteiligung am EU-Netzwerkprogramm COST Action E-READ ein hochaktuelles Thema getroffen zu haben.
Ursprünglich wurden Texte in Deutsch, Französisch, Katalanisch/Spanisch, Finnisch erstellt, neu dazu kommen Türkisch und Portugiesisch. Die Texte werden in der jeweiligen Originalsprache beurteilt. Zu einem späteren Zeitpunkt werden sie auf Englisch und bei Bedarf in weitere Sprachen übersetzt und auch in der übersetzten Version nach dem emotionalen Inhalt beurteilt. Die Datenbank soll in Zukunft analog der IAPS Bilderdatenbank für Forschungszwecke eingesetzt werden.
Siehe auch den älteren Blog-Beitrag zur Datenbank mit emotionalen Texten.
Advertisements


Leave a comment

Datenbank mit emotionalen Texten

Im Rahmen des EU-Netzwerkprogrammes COST Action E-READ arbeitet das IFeL gemeinsam mit internationalen Experten daran, eine mehrsprachige Datenbank von kurzen Texten mit unterschiedlichem Emotionspotential aufzubauen. Diese soll für Forschungszwecke eingesetzt werden, u.a. mit dem Ziel, bei adaptiven Lernsystemen die fürs Lernen relevanten Emotionen zu berücksichtigen.

Das emotionale Potential von Texten ist für das adaptive E-Learning wichtig, da für das Lernen relevante Emotionen (z.B. Lernfreude, Langeweile, Verwirrung) bei der Lehrmittelproduktion und in Aufgaben der Studierenden berücksichtigt werden können. Die Messung des emotionalen Potentials von Texten ist jedoch relativ neu. Das Institut für Fernstudien- und eLearningforschung (IFeL) der FFHS arbeitet derzeit am Aufbau einer Text-Datenbank zur Erforschung der Wirkung von Emotionen in Texten.

Ganze Texte noch kaum auf Emotionsgehalt untersucht
Emotionen werden in der Regel am Menschen gemessen, indem nach Gefühlen und subjektivem Empfinden gefragt, Mimik und Gestik auf vorhandene Emotionen beobachtet oder psychophysiologische Messungen (z.B. Herzfrequenz, Hautleitwert) vorgenommen werden. Aber auch das emotionale Potential, d.h. der geschätzte Gehalt von Emotionen, in Bildern und Texten ist messbar. Seit längerer Zeit gibt es Datenbanken mit Bildern, deren emotionales Potential von mehreren Personen geschätzt wurde und in Experimenten als Stimuli (z.B. zur Auslösung von Emotionen) gezeigt werden. Es existieren auch Wortlisten, in denen Worte nach dem emotionalen Potential beurteilt wurden. In der Regel sind die Worte nach ihrer Valenz (negativ – positiv) und die emotionale Erregbarkeit (arousal) oder sogar nach einzelne basale Emotionen (wie Ärger, Freude und Angst) beurteilt worden.

Ganze Texte wurden jedoch noch kaum in Bezug zum emotionalen Potenzial untersucht. Dazu gibt es eine ganze Reihe von Instrumenten. Im deutschen Sprachraum ist vor allem die «Berlin Affective Word List» (BAWL) mit über 6000 Worten bekannt, die von einem Team um Arthur Jacobs in Berlin gebildet und weiter entwickelt wird. Auch die Einschätzung der Texte mit sogenannten SAM (Self-Assessment Manikin) wird für die Einschätzung des emotionalen Gehaltes von Texten angewandt. SAM sind Logos in Form von kleinen Männchen, die in fünf bis neun Abstufungen eine emotionale Dimension (Valenz, emotionale Erregung) darstellen.

SAM-Methode: 5-Punkte Skala, emotionale Erregung
Quelle: http://irtel.uni-mannheim.de/pxlab/demos/index_SAM.html

In einer ersten Phase des Projektes ist vorgesehen, je zehn Texte aus vier Ländern (Schweiz, Frankreich, Spanien, Finnland) auf Deutsch (d.h. die entsprechenden Übersetzungen) mit der BAWL und später mit der SAM-Methode zu analysieren.

 

Zur Veranschaulichung: Das emotionale Potential dieses News-Beitrages hat eine Valenz von 0.75 (erreichbare Werte: -1.6 bis +2), das heisst, der Text ist eher positiv, und weist eine mittlere emotionale Erregbarkeit von 2.76 (erreichbare Werte: 2.3 bis 4) auf.


Leave a comment

ALMoo – Adaptives Lernen mit Moodle

Von Anna Lupandina und Matthias Holthaus

Das Projekt ALMoo wurde vom IFeL entwickelt, durchgeführt und abschliessend evaluiert. Ziel und Idee von ALMoo war es, zu untersuchen, inwieweit mit dem Einsatz von adaptiven Lerntechnologien an der FFHS die Lehre optimiert werden kann. Es ging darum auf Basis von forschungsgeleiteten Instruktionsansätzen und unter der Berücksichtigung von kognitionsrelevanten Überlegungen ein adaptives Instruktionsmodell zu entwickeln und zu erproben, das vor allem auch dem spezifischen Bedarf der Fernstudierenden der FFHS gerecht wird und deren Studium unterstützt.

Die ersten Ergebnisse zeigen, das ALMoo besonders die schwächeren Studierenden unterstützt.

ALMoo im Schnelldurchgang erklärt:

Jeder Studierende musste zu Beginn des Kurses einen Vorwissenstest absolvieren, der die Studierenden in zwei Wissensstufen – Novize oder Fortgeschrittener – einteilte. Entsprechend dieser Einteilung erhielten die Studierenden zwar die gleichen Aufgaben, aber mit unterschiedlich detaillierten Instruktionen und Erklärungen. Die Einteilung in Novize und Experte war aber nicht unveränderlich. Hatten Novizen Aufgaben erfolgreich gelöst, bekamen sie die Empfehlung in den Expertenbereich (Aufgaben mit weniger Zwischenschritten und Instruktionen) zu wechseln. Hatten Experten hingegen Aufgaben nicht gelöst, bekamen sie die Empfehlung in den Novizenbereich  (Aufgaben mit Zwischenschritten und ausführlichen Instruktionen) zu wechseln.

Somit hatte jeder Studierende seinen individuellen – seinem Wissen entsprechenden – Lernpfad. Das Befolgen dieses Lernpfades war allerdings keineswegs verpflichtend. Studierende konnten sich auch für die Lernaufgaben mit dem anderen Instruktionsmodell entscheiden.

Die erste Veranstaltung in der ALMoo eingesetzt wurde und von 95 Studierenden besucht wurde ist mittlerweile beendet und die ersten Ergebnisse liegen nun vor.

Diese Ergebnisse deuten darauf hin, dass bei dem installierten Setting an der FFHS vor allem – wie oben bereits erwähnt – die schwächeren Studierenden, die Novizen vom adaptiven Lernsystem profitiert haben. Dies kann als erstes Untersuchungsergebnis festgehalten werden. Ihre Wissensdefizite konnten sie durch die zusätzlichen Erklärungen und ausführlicheren Aufgaben zur Prüfung hin signifikant besser aufarbeiten.

Ferner zeigt sich, dass die Studierenden, die aktiv (e-)lernen, mit den E-Learning-Komponenten aktiv und online lernen und gelernt bzw. gearbeitet haben bessere Lernerfolge erzielen. Aus einer ‚nach oben unbegrenzte Online-Aktivität‘ folgt zwar nicht ein nach oben unbegrenzter Lernerfolg, aber aus einer E-Learning-Passivität folgt hier eher ein Misserfolg. Dies kann als zweites Untersuchungsergebnis festgehalten werden. Dass E-Learning, als primäre Lernumgebung, nicht zu unterschätzen ist, als primäre Lernumgebung anerkannt werden muss. Die Aktivität der Studierenden und somit auch deren Engagement und folglich deren Lernerfolg kann so über entsprechende E-Learningsysteme (adaptive Lernsysteme) gefördert und ‚gesteuert‘ werden.

Darüber hinaus können Adaptive Lernsysteme auch dabei helfen, Selbstreguliertes Lernen zu erlernen wie auch den eigenen Wissensstand besser einzuschätzen.

ALMoo wird fortgeführt. Auch in einer weiteren Veranstaltung wird ALMoo nun eingeführt und weitere Daten werden gesammelt und ausgewertet um die Ergebnisse zu validieren. Auch an Fachpublikationen um die Ergebnisse zu veröffentlichen wird gegenwärtig gearbeitet und bei Erscheinen hier darauf hingewiesen.


Leave a comment

Mobiles Lernen weiterentwickeln

Mobiles Lernen ist für viele bereits Alltag. Auf der Seite der Anbieter erfordert es eine Weiterentwicklung der aktuellen Kombination von Lernkanälen (Präsenz, Online-Übung, Lesen der Fachbücher und Skripte). Im Vordergrund steht dabei das E-Reading / das digitale Lesen, das immer wichtiger wird.
Neben der Entwicklung und Evaluation von interaktiven E-Books arbeiten wir an der Entwicklung und Validierung quantitativer und qualitativer Messinstrumente zur Untersuchung kognitiver und emotionaler Aspekte des Lernens und des Lesens. In erster Linie wenden wir möglichst objektive Methoden wie Blickrichtungsmessungen (Eye Tracking), Emotionsmessungen (Facial Action Coding), Logfile-Analysen und Dual Task-Methoden an. Dies ergänzen wir mit subjektiven Messverfahren wie Ratingskalen, Fragebogen und Lautem Denken.

Zur Weiterentwicklung unseres Forschungsfeldes Mobiles Lernen suchen wir eine/n wissenschaftliche/n Mitarbeiter/in: http://www.ffhs.ch/?action=get_file&id=27&resource_link_id=16c8


Leave a comment

SeLC und SPL: Unsere Eindrücke

Am 14.-15. April 2015 fand die Swiss Professional Learning Fachmesse sowie die Swiss eLearning Conference bereits jeweils zum 7. und 6. Mal statt. Das IFeL war, wie auch in den letzten Jahren bei diesen Events präsent; und zwar mit zwei Themen: Vorausblickende Betreuung der Online-Prozesse, vertreten durch Marc Garbely, sowie Einsatz adaptiver Lernumgebungen im Bildungskontext, vertreten durch Prof. Per Bergamin und Anna Lupandina.

An den zwei Präsentationen zum ersten der beiden Themen waren auf der Aktionsfläche Training jeweils zahlreiche Zuschauer anwesend, die den Ausführungen gespannt folgten und eifrig Notizen machten. Die aus dem CAS eDidactics stammende Thematik animierte dabei eine erfreuliche Anzahl von Personen dazu, im Anschluss an die Präsentation mehr über dieses CAS-Studienangebot der FFHS erfahren zu wollen. Hierbei ergaben sich spannende Gespräche über das technologiegestützte Lernen und Lehren.

Die beiden weiteren Präsentationen sensibilisierten die Zuschauer zum Thema adaptives Lernen. Sie thematisierten die Möglichkeiten der Umwandlung eines Standard-LCMS in eine adaptive Umgebung, sowie die damit verbundenen Prozesse. Die aufmerksamen Blicke der zahlreichen Zuhörer, sowie intensive Diskussionen während und nach den Vorträgen verdeutlichen die Aktualität des Inhalts. Der Renner im Fachpublikum war eindeutig die Pespektive der Anpassung an emotionale Zustände der Lernernenden, und bei Facial Action Coding Systems (FACS) auszumachen.

Uns von der FFHS hat die positive Stimmung und das engagierte Feedback der Zuhörer begeistert. Wir sehen uns nächstes Jahr und freuen uns darauf!

Hier geht es zum Download der Präsentationsfolien:

Personalisiertes Lernen: Einen adaptiven Kurs in einem LCMS bauen?

Analysieren, bewerten, vorschlagen: Adaptive Lernumgebung denkt mit.


1 Comment

In the mood – learning emotions

„Good morning Student, you’re just in the right mood for learning!“
In a near future students may hear this good morning when they sit down to learn.
Emotions are already recognized by computers. There is some good software for automated emotion recognition in human faces (see examples below). In the last fifteen years appeared an increasing amount of papers about automated facial emotion recognition and tools to detect emotions in faces using photos, webcams, lifestreams, and videos. As an example, look at a demo version of the Face Analysis Cloud Engine (beta version) of sightcorp: https://face.sightcorp.com/demo_analysis_display/.
Successful learning is a difficult task. It takes place, only if a person is ready for learning. Emotions take a very important part in it. In our limbic system, we appraise everything we do and everything that happens do us, if it is good or bad for us (Roth, 2009). So, emotions facilitate and hinder learning.
Generally, learning does not just happen. It is an active process. When Student enters a learning situation he does not beginning at point zero. He brings learning experiences, personal characteristics, and preexisting knowledge. Therefore, he will perceive the qualities of the learning environment and the learning content in his own way and experience his own emotional reactions and appraise the system and learning content. The learning content gets into working memory with its limited capacities. The larger the intrinsic load (e.g. difficulty of the learning content) and the extraneous load (e.g. bad usability), the less Student will learn. Emotions also influence the learning process. That happens directly (e.g. the emotional arousal is high) and indirectly via the appraisal of content and system (e.g. positive emotions can increase interest). Brief, lower cognitive load and positive influence of emotions lead to a better learning performance. This short description of our theoretical framework is based on several models and theories about memory and learning.
If the learning system ‚knows‘ that Student is in the mood for learning or not, it can adapt the learning content or/and the learning environment or it can recommend the best learning activities corresponding to Students emotions. To do this a lot of research has to be done. One of the central points is measuring emotions in a practical way. Mauss and Robinson (2009) recommend measuring emotions on different levels. In our research we will use among other measures questions about immediate subjective experiences and automated recognition of facial emotions.
„Reader, you seem tired. Let’s take a short brake.”
.
Examples of facial emotion coding software:


Leave a comment

Blended Learning top

Von Markus Appel und Constanze Schreiner der Universität Linz wird in der Psychologischen Rundschau ein Artikel publiziert, der Mythen rund ums Internet widerlegt.
Dabei wird auch der Mythos „Negative oder keine Effekte von Computer-unterstütztem Unterricht“ entgegengehalten.
Eine vorläufige Version des Artikels findet sich auf ResearchGate: https://www.researchgate.net/publication/259970800_Digitale_Demenz_Mythen_und_wissenschaftliche_Befundlage_zur_
Auswirkung_von_Internetnutzung

Blended Learning, das Modell der FFHS, schneidet dabei sehr gut ab. Die Autoren zitieren die Meta-Anaylse von Means et a. (2010), die folgende Ergebnisse fand:

  • Blended Learning ist dem klassischen Unterricht (face-to-face) überlegen: d=.35
  • Reines Online Lernen ist klassischen Unterricht nicht überlegen: d=.05
  • Kooperatives Online Lernen ist effektiv: d=.25
  • Durch Dozierende unterstütztes Online Lernen ist effektiv: d=.39

Die Effektgrössen können mit folgender Faustregel interpretiert werden: der Wert der Effektgrösse d entspricht in etwa dem Prozentanteil der Lernenden, die von der effektiveren Methode deutlich profitiert haben.
Ein Beispiel: Von allen Studierenden im Blended Learning Modell haben schätzungsweise 35% (d=.35) deutlich bessere Leistungen als Studierende im klassischen Unterricht.

Für die FFHS ist dieses Ergebnis von besonderem Wert, da die meisten Studien, die in der Meta-Analyse verrechnet wurden, mit Erwachsenen durchgeführt wurden.

Literatur
Means, B., Toyama, Y., Murphy, R., Bakia, M., & Jones, K. (2010). Evaluation of evidence-based practices in online learning: A meta-analysis and review of online learning studies. U.S. Department of Education.