DeLFIAdaptive Lehrvideos

Ingolf Waßmann, Martin Müller, Djamshid Tavangarian
Abstract
Lehrvideos erfreuen sich dank aktueller Entwicklungen im Bereich der Online-Lehre (Videoplattformen, MOOCs) auf der einen Seite und einer riesigen Auswahl sowie einer einfachen Produktion und Distribution auf der anderen Seite großer Beliebtheit bei der Vermittlung von Lerninhalten.
Trotzdem bringen Videos einen entscheidenden Nachteil mit sich, welcher in der Natur des Datenformats liegt.
So ist die Suche nach konkreten Sachverhalten in einem Video sowie die semantische Aufbereitung zur automatisierten Verknüpfung mit weiteren spezifischen Inhalten mit hohem Aufwand verbunden.
Daher wird die Lernerfolg-orientierte Selektionen von Lehrsegmenten und ihr Arrangement zur auf Lernprozesse abgestimmten Steuerung gehemmt.
Beim Betrachten des Videos werden unter Umständen bereits bekannte Sachverhalte wiederholt bzw. können nur durch aufwendiges manuelles Spulen übersprungen werden.
Selbiges Problem besteht auch bei der gezielten Wiederholung von Videoabschnitten.

Als Lösung dieses Problems wird eine Webapplikation vorgestellt, welche die semantische Aufbereitung von Videos hin zu adaptiven Lehrinhalten ermöglicht: mittels Integration von Selbsttestaufgaben mit definierten Folgeaktionen können auf Basis des aktuellen Nutzerwissens Videoabschnitte automatisiert übersprungen oder wiederholt und externe Inhalte verlinkt werden.
Der präsentierte Ansatz entspricht somit einer Realisierung verzweigter Lehrprogramme nach Crowder, die auf den Lernverlauf angepasste Sequenzen von Lerneinheiten beinhalten.
Gleichzeitig werden mittels regelmäßig eingeschobener Selbsttestaufgaben Motivation sowie Aufmerksamkeit des Lernenden nach Regeln der programmierten Unterweisung und Verstärkungstheorie gefördert.
Durch explizite Auszeichnung zusammengehöriger Abschnitte im Video können zusätzlich die enthaltenden Informationen maschinenlesbar gestaltet werden, sodass weitere Möglichkeiten zum Auffinden und Verknüpfen von Lerninhalten geschaffen werden.
Ingolf Waßmann   Universität Rostock ingolf.wassmann@uni-rostock.de
Martin Müller   Universität Rostock
Djamshid Tavangarian   Universität Rostock
DeLFI Forschungsbeitrag | ID151 | Best Paper Award Nominee Best Paper Award Nominee
Slides
bib