Skip to main content
main-content
Top

13-01-2016 | Informationssysteme | Im Fokus | Article

Nie wieder beim E-Learning einschlafen

Author:
Andreas Burkert
3 min reading time

 Schläft er schon oder lernt er noch? Eine proaktive Komponente, verankert im E-Learning, reagiert in Echtzeit auf nonverbale Signale des Lernenden. Das Programm könnte künftig nicht nur „Fragezeichen“ im Gesicht des Studenten erkennen.

© Andreas BurkertManche Dozenten haben das Talent, Studierende in den Schlaf zu wiegen. Während einer Vorlesung im Seminarraum kann dies der Dozent erkennen. Er bemerkt, ob alle aufmerksam seinen Ausführungen folgen oder abgelenkt sind – und kann darauf reagieren. Sitzt aber der Lernende vor einem Rechner und erhält den fachlichen Input über eine E-Learning-Anwendung, lässt es sich nicht erkennen, ob er auf sein Handy schaut oder ihm die Augen zufallen. Dabei gilt die Wissensvermittlung mittels moderner E-Learning- Systemen als eine wesentliche Voraussetzung für die Kompetenzentwicklung. Das zeigt unter anderem das Kapitel „Lernen mit Online-Medien – E-Learning“. Die Springer-Autorin Simone Kimpeler hat das Forschungsfeld E-Learning  aus kommunikationswissenschaftlicher Sicht beleuchtet und die Ergebnisse in dem Kapitel zusammengefasst.

Doch wie aber lässt sich die Aufmerksamkeit der der Studenten verbessern, geschweige erkennen? Mit dieser Fragestellung befasst sich nun ein interdisziplinäres Team aus Informatikern und Medienwissenschaftlern der Technischen Universität Chemnitz.  Zusammen mit chemmedia AG, einem Anbieter von E-Learning-Anwendungen, wollen sie dem unachtsamen E-Learning-Nutzer auf die Schliche kommen. Im Rahmen des Projekts „Human Responsive Design (HRD)“ wollen sie ein System entwickeln, welches erkennt, wie aufmerksam jemand den Lerninhalten von E-Learning-Anwendungen folgt.

Proaktive Komponente beim E-Learning

„Bisher lassen sich E-Learning-Programme auf verschiedene Niveaustufen einstellen, sie reagieren aber nicht auf nonverbale Signale des Lernenden“, beschreibt Jun.-Professor Dr. Paul Rosenthal die Ausgangslage. Der Inhaber der Juniorprofessur Visual Computing gibt ein Beispiel: „Die proaktive Komponente, die wir im E-Learning verorten wollen, könnte unter anderem so aussehen, dass ein Video automatisch stoppt, wenn das Handy des Nutzers klingelt.“ Hierzu wollen die Informatiker Daten extrahieren, die eine Webcam liefert.

Editor's recommendation

2006 | OriginalPaper | Chapter

Avatare im E-Learning und E-Business

Worauf sie dabei achten müssen, erfahren sie von der Professur Medienpsychologie unter Leitung von Prof. Dr. Peter Ohler. Professurmitarbeiter Dr. Nicholas Müller erklärt: „Die Auflösung der Webcams ist gut genug, um beispielsweise zu erkennen, dass jemand die Augenbrauen bewegt. Das Programm sollte dies künftig als Fragezeichen im Gesicht interpretieren können und beispielsweise automatisch eine Wiederholung des Lernstoffes anbieten.“

Erfassen nonverbaler Kommunikationssignale

Hierbei spielt neben der automatisierten Erfassung von nonverbalen Kommunikationssignalen auch der Datenschutz eine entscheidende Rolle. „Das Ziel ist es, den Lernenden zu unterstützen, nicht zu überwachen“, erklärt Projektmitarbeiterin Madlen Wuttke von der Professur Medienpsychologie. „Wir beabsichtigen, dass das System in seiner Endstufe beispielsweise auswerten kann, ob der Nutzer aktiv den Bildschirm betrachtet oder ob der Geräuschpegel der Umgebung zu laut ist und der Computer eventuell die Lautstärke anpassen oder die Aufmerksamkeit des Benutzers zurück auf den Bildschirm lenken muss“, sagt Wuttke und ergänzt: „Darüber hinaus können physiologische Parameter, wie der Augenöffnungsgrad, Gähnen oder irrelevante Blickrichtungen, Indikatoren sein, die zum Beispiel auf Müdigkeit oder Desinteresse hindeuten, auf die das System reagieren soll.“

Die theoretische Grundlage für das Projekt ist gelegt: Madlen Wuttke von der Professur Medienpsychologie hat im Rahmen ihres noch laufenden Promotionsvorhabens untersucht, wie sich eine proaktive Komponente im E-Learning auf den Lernerfolg auswirkt. Das Ergebnis ihrer Forschung zeigt ein hohes Potenzial für diesen Entwicklungsansatz. „Das selbstgesteuerte Lernen ist der große Vorteil von E-Learning. Wir arbeiten daran, dass das System den Lernenden dabei künftig noch besser unterstützt“, fasst Rosenthal zusammen. Darüber hinaus sind auch alternative Anwendungen denkbar, etwa teilautonome Fahrzeuge, die auf physiologische Symptome wie Müdigkeit bei Fahrern reagieren.

Background information for this content

Related content

Premium Partner

    Image Credits