Learning Analytics in der Diskussion

Klara Pišonić setzt sich mit einem aktuellen Trend in der Bildungsforschung auseinander: Learning Analytics. Dabei geht es auch um die Analyse und Steuerung von Lernprozessen.

Es scheint so, als kennen inzwischen Geräte ihre Eigentümer*innen besser, als diese sich selbst. Google und Facebook zeigen im persönlichen Feed an, worüber Nutzer*innen schreiben, reden und denken. Spotify bietet Playlisten für die aktuelle Gemütslage an. Eine Smartwatch erinnert daran, dass neben Schlafmangel auch zu wenig getrunken wurde.

In naher Zukunft zumindest werden Kinder und Jugendliche nach diesem Prinzip mehr über ihre wichtigste Fähigkeit erfahren — ihr Lernen. Der Bildungssektor strebt an, genauere Aussagen über Lernen und Lehren in Zahlen ausdrücken zu können. Um die heutigen technischen Möglichkeiten auszuschöpfen, benötigt es den neuen wertvollen Rohstoff „Daten“.

Das Datensammeln an sich ist in bildungswissenschaftlichen Kreisen keine Neuheit.

Das Datensammeln an sich ist in bildungswissenschaftlichen Kreisen keine Neuheit. Innovativ ist das Vorhaben über eine Zusammenführung verschiedener Informationen und ihre Auswertung. Explizite Daten entstehen dabei als Nebenprodukt von Internetnutzung. Die Art der Daten ist dabei vorerst zweitrangig. Egal ob TikTok-Like oder Ergebnis in einem Lern-Management-System – alle Tätigkeiten im Netz hinterlassen Spuren und können nachverfolgt werden. Aus dem Datenpool wird ein Gesamtbild der Lernenden und ihrer Ziele gezeichnet. Durch die Analyse wird ermöglicht, detaillierte Einblicke in Verhaltensmuster und Fähigkeiten der Individuen zu erhalten. Dieses Potenzial wiederum kann dazu genutzt werden, um einerseits Lernergebnisse und andererseits Lernangebote zu verbessern.

Schlüsselfaktor Learning Analytics
Die so genannten „Learning Analytics“ gelten im Bildungssektor als Schlüsselfaktor für die Zukunft des Lernens. Laut der Definition von George Siemens kann man Learning Analytics als „das Messen, Sammeln, Analysieren und Auswerten von Daten über Lernende und ihren Kontext mit dem Ziel, das Lernen und die Lernumgebung zu verstehen und zu optimieren“[1] bezeichnen.  Dazu kommt außerdem noch eine, mit Hilfe von künstlicher Intelligenz berechnete, wahrscheinlichkeitsbasierte Prognose für fortlaufenden Lernerfolg. Während der Machine-Learning-Algorithmen werden einzelne Muster nicht von Menschen festgelegt, sondern maschinell aus den vorhandenen Trainingsmodellen „gelernt“. Im Bildungssektor kann die parallele Unterstützung von Schüler*innen ein erfolgreiches Instrument sein, um nicht nur bessere Ergebnisse zu erzielen, sondern diese auch leichter zu erreichen.

Was technisch möglich ist, muss nicht gleichzeitig verantwortbar sein.

Was nun technisch möglich ist, muss allerdings nicht gleichzeitig verantwortbar sein. So steht der ganze Prozess von Learning Analytics in einem hochkomplexen Spannungsfeld zwischen individualisiertem Serviceangebot und ökonomisch motiviertem Effizienzmanagement, zwischen Autonomiewahrung und didaktischem Paternalismus.[2]

Die Relevanz von Vertrauen
Hendrik Drachsler betont, dass Dreh- und Angelpunkt in einer möglichen Anwendung von Learning Analytics das Vertrauen spielen werde. Es darf – so Drachsler – in keiner Art und Weise der Anschein erweckt werden, die Lernenden würden überwacht. Sofern Nutzer*innen nicht wissen, welche Daten zu welchem Zweck, wann, wo und wie gesammelt und ausgewertet werden, könne kein Vertrauen in Learning Analytics wachsen. Turning a black box into a white box – lautet die Devise. Also Transparenz, Transparenz, Transparenz…

Doch können Schüler*innen und Eltern tatsächlich wissen und nachvollziehen, welche Daten gesammelt und ausgewertet werden? Können sich die Beteiligten hundertprozentig sicher sein, dass die Daten sicher sind? Fehlt es dem Laien nicht grundlegend an technischem Wissen, um alle Vorgänge und Algorithmen zu verstehen?

Der Begriff „Trusted Learning Analytics“ soll dieser Unsicherheit zwar vertrauensbildend entgegenwirken. Deutlich wird aber auch, dass Nutzer*innen immer noch einen Mensch hinter den Algorithmen erwarten, der für die Sicherheit ihrer Daten bürgt und Verantwortung übernimmt. Vertrauen ist zuallererst eine Beziehung zwischen Menschen. Hinter der künstlichen Intelligenz, die eigenständig lernt, sitzt – so die Annahme der Benutzer*innen –  am Ende ein*e Programmierer*in mit menschlicher Intelligenz.

Vertrauen ist zuallererst eine Beziehung zwischen Menschen.

Chancen und Grenzen von Learning Analytics im Religionsunterricht
Die bildungswissenschaftliche Debatte um Trusted Learning Analytics eröffnet ein Spannungsfeld zwischen empirischem und hermeneutischem Lager: Datenbasierte Informationen bzw. Empirie ist in vielen Bereichen der Wissenschaft kaum wegzudenken. Das empirische Lager hat viele Anhänger*innen, gearde in der Informatik oder Computerlinguistik. Dagegen bleibt vor allem in den Sozialwissenschaften umstritten, was überhaupt als Tatsache oder Erfahrung definiert werden kann. Auch ist fraglich, ob nur das, was sich konkret zählen oder messen lässt, als empirische Daten verstanden werden kann. Gefühle oder Ideale sind nämlich auch mit den Sinnen erfassbar und  beschreibbar, aber sie entziehen sich einer präzisen quantifizierten Festlegung.

Für die Theologie, spezifischer im Schulkontext — den Religionsunterricht, sind hermenteutische Zugänge von zentraler Bedeutung. Das Begreifen eines inneren Sinnes in Texten oder Symbolen bedient sich unter anderem auch an Vorkenntnissen und individuellen Interpretationszugängen. Schulfächer wie Religion, legen hohen Wert darauf, Schüler*innen persönlich zu erreichen und in ihrem eigenen Glauben zu begleiten und zu fördern.

Selbst eine mit dem Prädikat „trusted“ versehehene Software wie  Learning Analytics stößt als datenauswertendes Hilfsmittel auf Grenzen und Spannungen in hermeneutisch gestützten Fächern. Doch vielleicht sind diese Spannungen ja auch produktiv? Paul Ricœur jedenfalls ist ein Denker, der für seine Bemühungen zur Vermittlung zwischen  gegensätzlichen Impulsen  bekannt ist. Ähnlich wie Vertrauen und Misstrauen verhalten sich auch andere Begriffe in Ricœurs Denken zueinander: Missverstehen und Verstehen, Distanz und Zugehörigkeit, der Andere und das Selbst. Für den Philosophen bedeutet dies, sich dem Problem der verschiedenen Interpretationen auszusetzen und diese Erfahrung als Zentrum allen weiteren Verstehens zu akzeptieren. „Spannungen aufzulösen, ist nicht immer spannend“ – so bleibt in Ricœurs Perspektive schlussendlich doch eine unaufhebbare Restspannung.[3]

Was Learning Analytics nicht leisten kann, ist das Messen von wirklichen Gefühlen.

Für den Religionsunterricht bedeutet dies, dass Learning Analytics durch aus ein hilfreicher Ansatz sein kann. So kann Learning Analytics  Schüler*innen helfen, historische Daten besser zu lernen, Theorien besser zu verstehen oder Glaubenssätze auswendig zu lernen. Was Learning Analytics jedoch nicht leisten kann, ist das Messen von wirklichen Gefühlen, das Abwägen und Entscheiden in moralischen Debatten und die Begleitung von Schüler*innen in ihren individuellen Glaubenszugängen.

Fazit
Anwendungen wie Learning Analytics zeigen, dass Menschen quantifizierbar sind. Es ist durchaus möglich, neben einer Visualisierung von Lernprozessen auch zukünftige Prognosen und Entwicklungen zu berechnen. Ob es der Technik jedoch gelingt, vom quantified self auf das real self zu schließen, bleibt fraglich: Noch herrscht der Mensch über Maschinen. Und noch schenkt der Mensch sein Vertrauen anderen Menschen. Dies ist gerade für hermeneutische Zugangsweisen im Religionsunterricht bedeutsam.

[1] Hochschulforum Digitalisierung: Dossier Learning Analytics; online verfügbar unter: https://hochschulforumdigitalisierung.de/de/dossiers/learning-analytics (letzter Abruf: 16.03.2020)

[2] vgl. Keber, Tobias, Bachmeier, Ella, Neef, Karla: Learning Analytics – Datenschutzrechtliche und ethische Überlegungen zu studienleistungsbezogenen Datenanalysen an Hochschulen in Internet-Zeitschrift für Rechtsinformatik und Informationsrecht, online verfügbar unter: https://www.jurpc.de/jurpc/show?id=20190097 (letzter Abruf: 16.03.2020)

[3] vgl. Wenzel, Uwe Justus: Spannungen auflösen in Neue Zürcher Zeitung, online abrufbar unter: https://www.nzz.ch/spannungen-aufloesen-1.18018192 (letzter Zugriff: 18.03.2020)

Autorin: Klara Pišonić ist wiss. Mitarbeiterin am Lehrstuhl für Religionspädagogik und Mediendidaktik des Fachbereichs Katholische Theologie an der Goethe-Universität Frankfurt.

Bild: stem.T4L auf Unsplash.

Print Friendly, PDF & Email