DALIA Portal
Learning Analytics für Lehrkräfte
Learning Analytics für Lehrkräfte
Authors
More InfoGo to Resource
5
0
0
Description

Im Onlinekurs steigst du in das Thema Learning Analytics ein und erfährst, was das für dich als Lehrer:in bedeutet. Jetzt loslegen!

Überblick

Willkommen beim Kurs Learning Analytics für Lehrkräfte!

Learning Analytics (LA) kann Lehre und Lernen sehr erleichtern. Darum möchten wir Lehrkräften, Lehramtsstudierenden und interessierten Personen mit einem leichten Einstieg motivieren, die Chancen von LA zu nutzen.

In unserem Kurs lernt ihr erst das notwendige Grundwissen über Learning Analytics, dann zeigen wir euch, wie ihr Learning Analytics in Lernkontexte integrieren und Unterricht mit einem LA-Dashboard steuern könnt.

Wir wünschen euch viel Spaß im Kurs!

Im Kurs lernt ihr schnell, dass die Vorbereitung, Gestaltung und Umsetzung von LA nur mit vereinten Kräften aus verschiedenen Professionen gelingen kann. Darum empfehlen wir euch, den Kurs mit anderen zu teilen.

Welche Inhalte erwarten mich?

  • Einführung in Learning Analytics (LA)
  • Integration von Learning Analytics
  • Lernverläufe mit LA-Dashboards begleiten

Was werde ich erreichen?

Nach Abschluss des Kurses

  • kenne ich grundlegende Verfahren und Anwendungsfelder von Learning Analytics.
  • kann ich die Modellierung von Lernumgebungen für einen Einsatz von Learning Analytics verstehen.
  • kann ich die Chancen von Learning Analytics zum Design von adaptiven Lernpfaden nutzen.
  • kann ich mit Learning Analytics Dashboards Lernverläufe analysieren, bewerten und gestalten.

Welche Voraussetzungen benötige ich?

  • Keine Voraussetzungen

Sonstiges:

  • Dauer: 6 h
  • Leistungsnachweis
  • Anmeldung erforderlich, kostenlos
Details

Transparency, Reproducibility, and Ethical Considerations II
2
0
0
Transparency, Reproducibility, and Ethical Considerations IIThis presentation discusses the tension between openness and privacy/data protection as well as potential solutions to this, the concept of FAIR data, and how to ensure and increase the reuse value/potential of data (and other materials) while also ensuring that legal requirements and ethical standards are met. This presentation is the tenth part of a set of presentations on the topic of "Tools and Workflows".
Learning Resource Type
Course
File Format
MP4, PDF
Languages
English
Media Type
Presentation, Video
Publication Date
2026-09-23
License
CCBYSA
Authors
Keywords
#FAIR data#data protection
Go to Resource
See Details
Binder
4
0
0
BinderThis presentation continues the exploration of literate programming with Binder while integrating dependency management to achieve one-click online reproducibility. The mybinder.org service, as well as its documentation (MyBinder Documentation), and relevant sections in The Turing Way handbook (Zero to Binder) will be introduced. This presentation is the ninth part of a set of presentations on the topic of "Tools and Workflows".
Learning Resource Type
Course
File Format
MP4, PDF
Languages
English
Media Type
Presentation, Video
Publication Date
2026-09-23
License
CCBYSA
Authors
Keywords
#literate programming#Binder
Go to Resource
See Details
Computational Environment
4
0
0
Computational EnvironmentThis presentation introduces computational environments and the relationship between computational reproducibility and computational environments. This presentation is the eighth part of a set of presentations on the topic of "Tools and Workflows".
Learning Resource Type
Course
File Format
MP4, PDF
Languages
English
Media Type
Presentation, Video
Publication Date
2026-09-23
License
CCBYSA
Authors
Keywords
#computational environments
Go to Resource
See Details
Computational Reproducibility
3
0
0
Computational ReproducibilityThis presentation provides a general introduction to computational reproducibility according to Schoch et al. (2024), by defining computational reproducibility, including the relationship between reproducibility and computational environments. This presentation is the seventh part of a set of presentations on the topic of "Tools and Workflows".
Learning Resource Type
Course
File Format
MP4, PDF
Languages
English
Media Type
Presentation, Video
Publication Date
2026-09-23
License
CCBYSA
Authors
Keywords
#computational reproducibility
Go to Resource
See Details
Data Literacy – Daten interpretieren durch Data Mining
4
0
0
Data Literacy – Daten interpretieren durch Data MiningData Mining – das klingt nach Bergarbeiten, um in der Tiefe nach Daten zu schürfen. Aber was verbirgt sich wirklich dahinter? Dieser Kurs zeigt, was Data Mining ist, und gibt einen theoretischen und praktischen Einblick in unterschiedliche Methoden des Data Minings. Überblick Der Schatz des Data Mining sind tatsächlich große Datenmengen, aus denen man neue Erkenntnisse über die Zusammenhänge unter ihnen gewinnen will. Mit den entsprechenden Daten sind genaue Vorhersagen möglich. Wie geschieht das? Und wie kann ein Programm selber aus Daten lernen? Dieser Kurs der TH Köln gibt hierzu eine Einführung. Selbstlernende Algorithmen des Data Mining werden vorgestellt und ihre Ideen anschaulich erklärt. Sie sind dazu eingeladen, diese dann selber in unterschiedlichen Problemstellungen, beispielsweise an echten Datensätzen in Jupyter Notebooks, anzuwenden. Welche Inhalte erwarten mich? - Alle Schritte eines Data Mining Projektes werden durchgegangen - Wichtige Algorithmen des überwachten und des unüberwachten Lernens werden anschaulich erläutert und durchgeführt - Alle vorgestellten Methoden werden auf Beispiele angewendet und die Ergebnisse diskutiert - Fachliche und ethische Grenzen werden aufgezeigt Was werde ich erreichen? Nach Abschluss des Kurses - kann ich Fragestellungen des Data Minings mit einer systematischen Vorgehensweise bearbeiten - kann ich geeignete Verfahren des Data Minings auswählen und die Ergebnisse beurteilen - kann ich einfache und komplexe Programmieraufgaben zu Data Mining in Python lösen Welche Voraussetzungen benötige ich? - Der Kurs kann ohne Voraussetzungen besucht werden. An vertiefenden Stellen wird auf Sachverhalte hingewiesen, für die ein mathematisches Grundverständnis nötig ist - Bei nicht-vorhandenen Programmierkenntnissen ist das Lösen der anspruchsvolleren Programmieraufgaben zeitaufwändig Was sollte ich sonst noch wissen? - Account und Anmeldung erforderlich (kostenfrei). - Leistungsnachweis - 16 h
File Format
Unknown
Languages
German
License
CCBYSA
Authors
Keywords
#KI-Campus-Original#Data Literacy#Machine Learning
Go to Resource
See Details
Kurs KI-Campus-Original Daten- und Algorithmenethik
7
0
0
Kurs KI-Campus-Original Daten- und AlgorithmenethikÜberblick Ethisch korrekte Daten und Algorithmen bestimmen zunehmend über die Vertrauenswürdigkeit von KI-Anwendungen. Dieses Lernangebot bricht mit dem Mythos, dass Ethik und Moral für KI-Anwendungen universell implementiert werden können, um jegliche Formen von Diskriminierung und kognitiver Verzerrung zu vermeiden. Ausprägungen und Implikationen einer Daten- und Algorithmenethik werden unter anderem durch Interviews mit verschiedenen Expert*innen, Anwender*innen und Entscheider*innen vertieft. Integrierte Mini-Games und ein übergreifendes Ethik-Game fördern eine spielerische Erfahrung mit dem Thema. Die Selbstwahrnehmung für eine digitale Ethik (engl. “ethical self-awareness”) am Beispiel der Daten und intelligenten Algorithmen wird dadurch gefördert. Welche Inhalte erwarten mich? - Begriffliche Grundlagen der Daten- und Algorithmenethik - Überblick über wesentliche Moraltheorien als Verständnis eines kulturell geprägten und damit nicht universell einheitlichen ethischen Denkens - Formen und Ausprägungen von Daten- und Algorithmenethik in der aktuellen Anwendung von KI-Ansätzen - Ansätze für eine ethisch korrekte Verarbeitung von Daten und Gestaltung von Algorithmen - Integrierte Ethik-Games in die einzelnen Lernfolgen und ein übergeordnetes Ethik-Game zum Erfahrbar-Machen dieser Inhalte Was werde ich erreichen? Bei Abschluss des Kurses sind Sie in der Lage... - essentielle Fachbegriffe, theoretische Hintergründe und die Modelle der Daten- und Algorithmenethik zu benennen, - die Grundlagen kulturell abhängiger ethischer Gestaltungsansätze in der Daten- und Algorithmenethik zu verstehen, - Beispiele von Daten- und Algorithmenethik in aktuellen KI-Anwendungen differenziert zu verstehen und bewerten zu können, - Handlungsstränge für die Gestaltung ethisch unbedenklicher Daten und Algorithmen als Grundlage für die Vertrauenswürdigkeit von Design, Implementierung und Nutzung verschiedener KI-Anwendungen ableiten zu können sowie - relevante Entscheidungsprozesse im aktuellen KI-Diskurs besser nachvollziehen zu können. Welche Voraussetzungen benötige ich? - keine Vorkenntnisse erforderlich Was sollte ich sonst noch wissen? Account notwendig, kostenlos
Learning Resource Type
Web page
File Format
Unknown
Languages
German
License
CCBYSA
Authors
Keywords
#KI-Campus-Original#Data Literacy#KI & Ethik
Go to Resource
See Details

Data
Literacy
Alliance
Sign up to our newsletterThe DALIA newsletter informs you about upcoming events and milestones.
Subscribe to NewsletterView Newsletter
Follow
Search PortalBasic SearchAdvanced Search
AccountLogin
Project WebsiteHomeQuality Control and ContinuationCommunicationInformation ModelInfrastructureSearch and Recommendation EnginePartners and Funders
CommunitiesView All Communities
LegalImprintPrivacy PolicyDeclaration on AccessibilityTerms of Use
FundersFunded by EUBMFTR Logo