Adaptives e-Learning

Dass dies nicht im Sinne moderner Didaktik ist und den Erkenntnissen aus Kognitionswissenschaften und Lernpsychologie zuwiderläuft, ist den Herstellern wohl bewusst, schien sich aber technisch kaum lösen zu lassen. In jüngster Zeit mehren sich allerdings die Anstrengungen, e-Learning-Programme flexibler zu gestalten – und zwar in dem Sinne, dass sie Lerntyp und Lernpräferenzen des jeweiligen Nutzers von Beginn an berücksichtigen und unterstützen.

Kurzum: Der Lernende soll die Technologie seinen Bedürfnissen und Zielen anpassen können und nicht umgekehrt. Zusammengefasst werden diese Bemühungen unter dem Schlagwort adaptives e-Learning, wobei die Entwickler und Hersteller recht unterschiedliche Philosophien und Lösungswege verfolgen.

Theoretisch gibt eine ganze Reihe Möglichkeiten, e-Learning adaptiv zu gestalten. Zum Beispiel über den Content. Dieser kann nicht nur in der Darstellungsform, sondern auch inhaltlich den individuellen Bedürfnissen des Lernenden angepasst werden. Je nach Background oder Wissensstand können Inhalte in die Tiefe gehen oder an der Oberfläche bleiben.

Des Weiteren kann die Navigation einer Lernumgebung die individuellen Präferenzen des Lernenden berücksichtigen. Ein Lernender, der vorwiegend explorativ vorgeht und sich Inhalte selbst erarbeitet, empfindet eine lineare Kursführung als hinderlich. Er braucht eine Navigation, mit der er innerhalb des Kurses springen und jeden Lerninhalt selbst erreichen kann. Ein überwiegend sequenziell Lernender dürfte hingegen mit aufeinander aufbauenden Lernmodulen besser zurechtkommen. Doch selbst sequenziell Lernende können ganz unterschiedliche Ansprüche an die Kursstruktur haben. Je nachdem, ob sie eine deduktive oder induktive Vorgehensweise bevorzugen, möchten sie zunächst das Allgemeine und dann die Details präsentiert bekommen - oder umgekehrt.

Die einfache Adaptivität, wie das Freischalten bestimmter Seiten oder der Hinweis auf weiterführende Informationen, wenn ein Test mehrmals nicht bestanden wurde, sind mittlerweile Standard. Jenseits dieses Standards bewegt sich das derzeit an der TU Darmstadt in der Entwicklung befindliche Projekt L4 - Life Long Learning Laboratory. Dieses soll dem Lernenden neben der Auswahl des Contents durch Tests auch die Auswahl zwischen verschiedenen Lernzielen ermöglichen. Abhängig von seiner Wahl bekommt er nur die Inhalte vorgesetzt, die ihm helfen, sein gewähltes Ziel zu erreichen.

Bereits an Schulen und Universitäten im Einsatz ist die vom Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI) in Saarbrücken entwickelte Open-Source-Software ActiveMath. Sie bietet ein Benutzerprofil, das die persönlichen Eigenschaften und den Wissensstand des Lernenden speichert. Auf Grund dieser Informationen werden die Lerninhalte erzeugt und können sowohl im Hinblick auf die Lerngeschwindigkeit als auch auf die Erklärungstiefe und Herangehensweise variiert werden. Zudem macht das System dem Lernenden Vorschläge zu seinem optimalen Lernpfad.

Auch bei trainer42, der e-Learning-Plattform der bureau42 GmbH in Köln ist ein Benutzerprofil der Dreh- und Angelpunkt zu höherer Adaptivität. In einem Online-Test ermittelt der Lernende auf Basis des Felder-Silvermann Learning Style Model, das zwischen fünf Lerndimensionen unterscheidet, seinen persönlichen Lernstil. Diese Informationen fließen in ein Benutzerprofil ein, auf dessen Basis eine Anpassung der Lernumgebung im Hinblick auf Kursstruktur, verwendete Medien und Navigation erfolgt. In Zukunft soll das System darüber hinaus in der Lage sein, das Nutzerprofil eigenständig zu aktualisieren - und zwar ausgehend vom Verhalten des Lernenden. Realisiert wird dies über eine aufwendige Tracking-Technologie, die die Mausklicks des Nutzers erfasst und zuordnet.

Auf Tracking-Technologie anderer Art setzen der Studiengang für Informationsdesign der Fachhochschule Joanneum und das Institut für Informationssysteme und Computermedien der Technischen Universität Graz. Hinter dem Kürzel AdeLE –'Adaptive e-Learning with Eye-Tracking' – verbirgt sich das ambitionierte Projekt, die Augenbewegungen des Lernenden mittels im Bildschirm integrierter Kamera zu verfolgen und darüber zu erschließen, welchen Content dieser bevorzugt. AdeLE wertet diese Ergebnisse aus und passt die Darstellung der Inhalte den persönlichen Lernpräferenzen an: visuell aufbereitete Inhalte für den, dem eine Grafik mehr sagt als tausend Worte, Textpassagen für den 'Verbalizer', zusätzliche Inhalte für den, dessen Interesse über die Grenzen des Kurses hinausgeht.

Ein Prototyp wurde Ende Juni 2005 auf der Wissensmanagement-Konferenz 'i-Know' in Graz präsentiert, in rund fünf Jahren soll die Technik ausgereift sein.

Einen gänzlich anderen Ansatz verfolgt ein Gemeinschaftsprojekt der ASConsulting GmbH, Kelkheim, der X-Pulse e-Learning GmbH, St. Ingbert, und der Universitätskliniken des Saarlandes. Zum Zwecke der Radiologieweiterbildung der Kliniken kommen hierbei weniger technische als vielmehr menschliche Lösungen zum Einsatz. Benutzerprofil und Lernpfad werden nicht per Online-Test oder Tracking festgelegt, sondern vielmehr von acht Coaches, die zurzeit 75 Lernende betreuen. Im persönlichen Gespräch stellen sie die Vorkenntnisse, Schwächen und Lernvorlieben ihrer Schützlinge fest und stimmen das System entsprechend ab. Denn ohne persönliche Kommunikation, so die Überzeugung der Initiatoren, kann ein adaptives Lernsystem nicht funktionieren.

Unabhängig davon, ob die maschinelle oder die persönliche Variante präferiert wird – alle Beteiligten erhoffen sich durch adaptives e-Learning eine wesentlich höhere Effizienz des Lernens und damit verbunden eine deutliche Kostenersparnis, da der Lernende durch die passgenaue Auswahl des Lernstoffs weniger Arbeitszeit investieren muss. Diese Argumente allerdings sind nicht neu und zählen zu den Versprechen, die die e-Learning-Anbieter den Unternehmen schon einmal gemacht haben.

Somit ist adaptives e-Learning in den Unternehmen auch noch nicht weit verbreitet. Die erwähnten Beispiele zeigen es: Um entsprechende Lösungen zu erstellen, ist erheblicher zeitlicher und finanzieller Aufwand erforderlich. Der Content muss sowohl für unterschiedliche Zielgruppen als auch für verschiedene Lerntypen aufbereitet werden. Daher ist es wenig sinnvoll, relativ kurze WBTs oder CBTs nach adaptivem Muster zu stricken. Adaptives e-Learning lohnt sich in der Regel nur dann, wenn es gilt, einen umfangreichen oder komplexen Lernstoff über einen längeren Zeitraum hinweg zu vermitteln.