Stud. Forschungsprojekte im Wintersemester 2016/17

tel-logoAn der Forschungsgruppe Technology Enhanced Learning biete ich im kommenden Wintersemester die folgenden neuen Projekte für den Masterstudiengang Angewandte Informatik (Forschungsprojekt A) an:

  1. Machine Learning (ML) und Natural Language Processing (NLP) auf MOOC-Daten
    • Massive Open Online Courses (MOOCs) bieten videobasiertes, selbstorganisiertes Lernen für oft viele tausende von Studierenden an. Um einen Einblick in die darin stattfindenden Lernprozesse zu gewinnen, können Methoden des Learning Analytics eingesetzt werden. Besonders interessant dabei sind die “sozialen Netzwerke”, welche innerhalb eines MOOC entstehen, durch Austausch im Forum oder durch Lernen in Gruppen. In Zusammenarbeit mit dem Hasso Plattner Institut in Potsdam, welche die MOOC-Plattform openHPI anbieten, möchten wir untersuchen, wie man durch ML und NLP den Lernerfolg vorhersagen oder etwas über die Lernprozesse erfahren kann.
    • Forschungsfragen
  2. Effiziente Bereitstellung von MOOC-Daten mit Hilfe von SAP HANA für Learning Analytics
    • In mehreren Forschungsprojekten wurden an der HTW ein Tool für visuelles Learning Analytics (LEMO) und darauf aufbauend ein Framework zur Entwicklung von Learning-Analytics-Anwendungen (LEMO2) entwickelt. Kernbestandteil von LEMO2 ist ein Datenmodell (D4ELA), welches bereits auf relationalen und NoSQL-Datenbanken umgesetzt wurde. Ziel ist es, das In-Memory-DBMS HANA einzusetzen, um effizientes Learning Analytics zu erlauben. Basis ist auch hier die Kooperation mit HPI, über welche auf anonymisierte MOOC-Daten zugegriffen werden kann.
    • Forschungsfragen
  3. Gaze Analytics: Analyse von Augenbewegungen im Lernkontext mit Hilfe von Eye Tracker und Kamera
    • Im Forschungsprojekt LISA wird untersucht, wie Sensor-Daten analysiert werden können, um Lernende zu unterstützen. In diesem Forschungsprojekt sollen Daten eines Eye Trackers und Augenbewegungen, welche aus dem Videostream einer Kamera berechnet werden können, untersucht werden, um Informationen über den Lernzustand zu gewinnen. Dabei sollen Methoden der KI quantitativen statistischen Untersuchen gegenübergestellt werden.
    • Forschungsfragen
  4. Interpretation und Visualisierung physiologischer Sensordaten im Lernkontext
    • Im Forschungsprojekt LISA wird untersucht, wie Sensor-Daten analysiert werden können, um Lernende zu unterstützen. Es soll untersucht werden, welche Sensordaten sich für die Bestimmung eines kognitiven oder emotionalen Zustands eines Lernenden eignen. Basis hierfür sollen Methoden der KI sowie quantitative Statistik sein.
    • Forschungsfragen
  5. Ermittlung und Darstellung von Lernzustand und Lernumgebung mit Hilfe von Sensoren in mobilen Geräten (SmartPhone, SmartWatch)
    • Ziel dieses Forschungsprojekts ist es, die in mobilen Geräten vorhandenen Sensoren zu verwenden, um Informationen über Lernzustand und Lernumgebung darzustellen. Das Ergebnis sollte eine App sein, welche mir beim Lernen Rückmeldung über meinen Lernzustand gibt.
    • Forschungsfragen
  6. Unterstützung eines ELSI-Konzepts und der Kontrolle über eigene Daten mit Hilfe der Experience API
    • Die Verwendung von Sensor-Daten in einem Lernkontext (aber nicht nur dort) stellt hohe Anforderungen an Datenschutz und ELSI (ethical, legal and social implications). Es soll untersucht werden, wie das im Forschungsprojekt LISA entwickelte ELSI-Konzept mit Hilfe einer Erweiterung der xAPI umgesetzt werden kann. Für diese “Personal Data Locker” genannte Erweiterung wird am Projekt LISA ein Demonstrator erstellt werden.
    • Forschungsfragen

Interesse? Dann melden Sie sich kurz bei mir, ich bin die ganze Woche an der HTW, habe aber auch schon einige Termine 😉