Sensorische Erfassung von Motivationsindikatoren zur Steuerung von adaptiven Lerninhalten

Mittels Messdaten von Wearables soll der Motivationsgrad bestimmt werden, um eine erfolgreiche Adaption von Lerninhalten zu erreichen.

In SensoMot wird untersucht, wie motivationsbedingte Lernblockaden mit Hilfe von unaufdringlichen Sensoren frühzeitig erfasst werden können, um Lerninhalte daran anzupassen. Eine so erhöhte Lernmotivation könnte in vielen technologiebasierten Lehr-Lern-Szenarios zu größeren Lernerfolgen und niedrigeren Abbruchquoten führen.
Beim Lernen ist Motivation der entscheidende Faktor, um Lerninhalte zu verstehen und zu behalten. Bei großer Motivation nehmen Lernfreude und Interesse zu und führen zu guten Lernerfolgen. Frühzeitig diagnostizierte Motivationsstörungen ermöglichen die Anpassung von Lernprozessen und eine erfolgreichere Adaption der Lerninhalte.
SensoMot wird als BMBF-Fördermaßnahme im Rahmen des Förderschwerpunktes „Erfahrbares Lernen“ in Kooperation mit der Nagarro AG, dem Fernlehrinstitut Dr. Robert Eckert, der Technischen Universität Ilmenau, der Medical School Hamburg und der Leuphana Universität Lüneburg durchgeführt. Das TBA-Zentrum (DIPF) übernimmt als Teilprojekt die wissenschaftliche Projektkoordination. Hardwareauswahl, Anforderungsanalyse sowie Schulung der Praxispartner sind weitere TBA-Schwerpunkte im Projekt.

Ziele und Vorgehen

Ziel des Projekts SensoMot ist es mit Hilfe von Sensordaten kritische motivationale Zustände zu erkennen, ohne die Lernende und den Lernenden aus seinem Kontext zu reißen. So lenkt z. B. das Ausfüllen von Formularen eines formativen Assessments zur Bestimmung der Motivation vom Lernen ab, sodass die Ergebnisse eines solchen Assessments i. A. verfälscht sind. Um die Motivation im Lernkontext ohne Ablenkung bestimmen zu können, werden in SensoMot handelsübliche Sensoren, wie sie in Fitness-Trackern, Smart Phones und -Watches integriert sind, auf ihre Eignung für diesen Einsatzzweck getestet. Mittels dieser sogenannten Wearables werden physische Daten der Lernenden erhoben, die z. B. auf Stress oder Langeweile hinweisen. Durch die Ableitung passender Adaptationsmechanismen soll der Lernprozess so gesteuert werden, dass er der Motivation der Lernenden entspricht. Der Algorithmus der Lernsoftware passt z. B. die Lerngeschwindigkeit oder den Lernpfad an.

Entsprechende Lernszenarios werden für die universitäre Lehre am Beispiel Nanotechnologie sowie für die berufliche Fernlehre in der Ausbildung für Maschinenbautechnik prototypisch entwickelt und evaluiert. Dieses Lernsystem soll durch entsprechende Applikationen möglichst schnell der Bildungspraxis zur Verfügung gestellt werden.

 

Finanzierung: Bundesministerium für Bildung und Forschung (BMBF)

Kooperation (Projektpartner): Nagarro AG München, Fernlehrinstitut Dr. Robert Eckert GmbH, Regenstauf (Bayern), Technische Universität Ilmenau, Medical School HamburgLeuphana Universität Lüneburg

Laufzeit: 04/16 - 03/19

Staus: abgeschlossen

Projektleitung (Teilprojekt am DIPF): Dr. Oliver Schneider

Projektteam (Teilprojekt am DIPF): Angelika Sichma, Roland Johannes

Kontakt: Dr. Oliver Schneider