Im BMBF-geförderten Forschungsprojekt LISA – Learning Analytics für sensorbasiertes adaptives Lernen entwickeln wir ein Sensorarmband (EDA, Heart Rate, Air Quality, Body Temperature, Acceleration) und einen Tablet-basierten Lernbegleiter, welcher Academic Emotions eines Lernenden erkennt und diese Informationen an eine Learning Analytics Engine (LISA Backend) weiterleitet. Auf Basis von Analysen in diesem Backend können Lernanwendungen unserer Projektpartner das Lernen anpassen oder Feedback an die Lernenden zurückgeben.
Die Forschung in LISA beschäftigt sich mit den Themen Academic Emotion Detection, Learning Companion, Data Ownership und Data Privacy, Authentication in einer Microservice-basierten verteilten Lernumgebung, User-centric Learning Analytics, Recommendations, Human Computer Interfaces. Einige dieser Themen sind auch Teil von Promotionsvorhaben, welche zusammen mit der Humboldt-Universität durchführt werden.
Für das Sommersemester biete ich die folgenden Themen für AI-Forschungsprojekte an, welche in aktuelle LISA-Themen eingebettet sind:
- Deep Convolutional Network für die Klassifikation physiologischer Sensordaten zur Bestimmung von Emotionen
- Data Ownership und Data Privacy bei Learning Analytics in einer verteilten Lernumgebung
- Erkennung von Academic Emotions mit Methoden der Gesichtserkennung
Bei Interesse bitte melden: forte@htw-berlin.de
Gute Stimmung auf dem Stand unseres Kooperationspartners NEOCOSMO auf der Learntec 2018 in Karlsru
he – etliche interessierte Besucher nach dem 
Im LISA-Projekt möchten wir Zusammenhänge zwischen Sensordaten und emotionalen Zuständen untersuchen, um damit Lernende besser unterstützen zu können. Wir suchen Probanden, welche in einem 45-minütigen Experiment Emotional Pictures bewerten, gleichzeitig werden EDA- und ECG-Sensordaten aufgezeichnet.