3 Minuten

Learning Record Store

Lernerdaten speichern und auswerten 2.0

Sowohl die Technik als auch die Gesellschaft haben sich enorm weiterentwickelt. Im Bereich beruflicher Bildung steigt der Bedarf an mobilen, flexiblen und passgenauen Lerninhalten. Aus allen diesen Quellen entstehen Daten der Lernenden und die sollen Datenschutz konform für die individuellere Gestaltung von bestehenden bzw. künftigen Lerninhalten ausgewertet werden. 
Doch wie lassen sich diese Daten speichern und auswerten?

Was ist ein Learning Record Store?

Die kurze Antwort lautet: Ein System um lernrelevante Daten speichern und auswerten zu können.

Um jedoch zu verstehen, wodurch sich der Learning Record Store (LRS) so revolutionär von älteren Ansätzen unterscheidet, werfen wir zunächst einen kurzen Blick auf die „alte Welt“ des digitalen Lernens. Oft wurden hier Web Based Trainings (WBTs) von Lernern in einem Learning Management System (LMS) gestartet und absolviert.

Innerhalb des LMS wurden dann eher rudimentäre Lernerdaten gespeichert, bspw. ein Bearbeitungsstand in Prozent oder ob ein Kurs bestanden wurde. Hierfür kamen ältere Standards wie SCORM oder AICC zum Einsatz. Dieser Ansatz funktionierte lange Zeit sehr gut. Er stellt noch heute oftmals den Normalfall dar, sozusagen Umgang mit Lernerdaten Version 1.0.

Welchen Vorteil hat ein LRS?

Das Bild zeigt eine Grafik zu LRS.Sowohl die Technik als auch die Gesellschaft haben sich seitdem weiterentwickelt. Der SCORM-Standard ist mittlerweile über 20 Jahre alt – als er eingeführt wurde existierte nicht einmal Wikipedia. Als AICC entworfen wurde, gab es weder Web-Browser noch das World Wide Web (WWW). Auf technischer Seite sind die Veränderungen offensichtlich: Anstatt PC mit Röhrenmonitor und „Steinzeit-Internet“ nutzen die Menschen heute Apps und Online-Dienste mobil und auf diverser Hardware (PC, Tablet, Smartphone, Uhr, Spielkonsole, im Auto uvm.).

Auch gesellschaftlich hat sich einiges getan. Im Bereich der beruflicher Bildung steigt der Bedarf an mobilen, flexiblen und passgenauen Lerninhalten. Neben relativ starr geplante Seminare und WBTs tritt eine Vielzahl neuer, unterschiedlicher Lernmedien: Apps, soziale Medien, Austauschplattformen im Intranet, Learning Nuggets, Videos, Virtual Reality, Augmented Reality, eBooks, Simulationen. Aus allen diesen Quellen entstehen Lernerdaten. SCORM, AICC und ältere LMS kommen hier an technische Grenzen.

Um diese Grenzen zu überwinden, wurde die sogenannte Experience API konzipiert, meist abgekürzt als xAPI. Dabei handelt es sich um eine neue Spezifikation, um viele Arten von Lernerlebnissen – online oder offline – sammeln und auswerten zu können. Der LRS ist der Kern innerhalb des xAPI-„Ökosystems“, denn hier laufen alle Lernerdaten zusammen.

SCORM

Das SCORM (Sharable Content Object Reference Model) ist ein Modell für austauschbare elektronische Lerninhalte der Advanced Distributiv Learning Initiative, einer Organisation im Bereich der Standardisierungen von e-Learning Technologien

AICC

Das Aviation Industry CBT Committee, kurz AICC, ist der erste technische Standard, der die Kommunikation zwischen einem bestehenden Lernmanagementsystem (LMS) und Kursinhalten fördert.

LRS und Learning Analytics

Die xAPI erlaubt es, Lernerdaten sehr frei zu speichern und auszuwerten. Lernerlebnisse werden dabei in der Form „Subjekt – Verb – Objekt“ gespeichert. Das Subjekt ist dabei normalerweise die lernende Person. Das Verb bezeichnet die Aktion, etwa „bearbeitet“, „erfolgreich gelöst“ und vieles mehr. Das Objekt bezeichnet den Gegenstand der Aktion. Mittels dieser – an die natürliche menschliche Sprache angelehnten – Semantik lassen sich Lernerlebnisse freier und intuitiver beschreiben als vorher mit SCORM oder AICC.

So ist es beispielsweise nun möglich, die Daten eines Fitness-Trackers – etwa im Rahmen eines Trainings zu Gesundheit und Fitness –  im LRS zu speichern.

Max
(Subjekt)

joggt 5 km
(Aktion)

im Wald
(Objekt)

Ist erst einmal eine große Menge an (heterogenen) Lernerdaten im LRS gespeichert, lassen sich diese mit Hilfe von Learning Analytics auswerten und das Ergebnis auf einem Dashboard anzeigen. Die dort angezeigten Charts und Grafiken ähneln meist den Charts in gängigen Tabellenkalkulationsprogrammen. Bei Bedarf können die Daten auch individuell visualisiert werden (bspw. 3D-Darstellungen, um bestimmte Zusammenhänge in den Lernerdaten deutlich zu machen).

Handelsübliche LRS kommen oft bereits standardmäßig mit einigen Auswertungsfunktionen. Aufwändigere Auswertungen müssen jedoch von Hand konfiguriert werden. Aufgrund der sehr freien xAPI-Semantik „weiß“ der LRS nicht von sich aus, welche Lernerdaten auf welche Weise ausgewertet und visualisiert werden sollen. Um die entsprechende Konfiguration kommen Lernexperten und Bildungsverantwortliche nicht herum, wenn sie die Stärken des LRS wirklich nutzen möchten. Doch diese Zusatzarbeit kann sich auszahlen: Plötzlich werden Verhaltensweisen, Stärken und Schwächen der Lernenden sichtbar, die zuvor vage oder unbekannt gewesen waren.

Die Infografik zum Download

Das Bild zeigt eine Grafik zu LRS.

LRS und LMS – was ist der Unterschied?

Es ist wichtig zu verstehen, dass LRS und LMS zunächst zwei völlig verschiedene Systeme sind. Das LMS dient primär der Verwaltung von Lernern und Lerninhalten. Der LRS hingegen dient dem Sammeln und Auswerten von xAPI-Lernerdaten. Grundsätzlich lässt sich ein LRS auch völlig ohne LMS betreiben. In der Praxis fließen beide Systeme aber zunehmend ineinander bzw. ergänzen sich gegenseitig. Normalerweise wird weiterhin eine Verwaltung von Lernern und Lerninhalten benötigt. Die zusätzlichen Fähigkeiten des LRS kommen in diesem Fall ergänzend dazu. Nach und nach entsteht ein „Ökosystem des Lernens“ (Learning Ecosystem). Lernen erfolgt immer und überall – innerhalb und außerhalb eines LMS, online und offline.

Erfahren Sie bei Interesse noch mehr zum Thema KI innerhalb eines Learning Ecosystems.
Hier kommen sie zu unserem Beitrag „KI als Lernhilfe“