Technology Enhanced Learning

Im Rahmen des Projekts LISA  werden im Sommersemester 2017 Forschungsprojekte zu folgenden Themen angeboten:

• Analyse von Sensordaten im Lernkontext mit Hilfe von Methoden des Machine Learning
  Im Projekt LISA werden ECG- und EDA-Daten in verschiedenen Lernsituationen erhoben. Diese Datensetzts werden vom Projektpartner IWM mit statistischen Methoden analysiert. Parallel dazu sollen mit Hilfe von Machine-Learning-Algorithmen signifikante Patterns gefunden werden.
• Entwicklung einer menschen-ähnlichen Interaktion für einen mobilen Learning Companion
  Unterstützung eines Lerners durch eine intuitive, nicht-invasive Benutzerschnittstelle auf einem mobilen Gerät
• xAPI-basierte Schnittstellen zwischen Lernumgebungen und dem Learning-Analytics-Tool (Framework) LEMO2

Das Unternehmen Leitart sucht einen Werkstudenten / eine Werkstudentin als Java / SQL / PHP / JavaScript Programmierer/in, Praktikum mit anschließender Bachelor-Arbeit sind möglich. Interessenten wenden sich bitte an Sebastian Naedtke.

---

LeitArt
Gesellschaft für Mittelstandskybernetik mbH
Sebastian Naedtke
Warthestraße 6
14513 Teltow
Telefon   +49 3328 350 – 490
Fax       +49 3328 350 – 320
Mobil     +49 162 10 700 69
Email     sebastian.naedtke@leitart.de
Internet: www.leitart.de

Dr. Fortenbacher Speech poster

Auch dieses Semester schließen wir die Vorlesung Datenschutz und Datensicherheit mit einer gemeinsamen Veranstaltung

am 02.02.17 um 10:00 in Raum H 001 (FKI)

ab, neben den Vorträgen externer Referenten wollen wir auch den Film “Zer0days” sehen und diskutieren.

ankündigung-a4

Für das Projekt LISA suchen wir baldmöglichst bis Ende 2017 studentische Mitarbeiter_innen mit einer monatlichen Arbeitszeit von 42 Stunden.

lisa-stud-ma

Im März 2017 fahren wir wieder zur Yuanpei University of Medical Technology, um an der “International Academic Students’ Conference” teilzunehmen. Der Rahmen dafür ist eine vom Fachbereich unterstützte Exkursion innerhalb eines AWE-Faches “Intercultural Communication”.

Die Auswahl der 6 Teilnehmer findet am 16. Januar statt, Stand 08.01. gibt es noch zwei frei Plätze.

yuanpei-2017

Abschluss des Projekts Online Lehre Plus und Vorstellung aktueller Projekte am 5. Dezember 2016

• special guest: Paul Hadwiger
• und alle, welche das Projekt OLP in den letzten Jahren begleitet haben

• 13:00 – 15:00 Uhr, Raum H 106
• Forschungszentrum Kultur und Informatik, HTW Berlin

13:00 Uhr Kurzvorträge zu TEL

• Paul Hadwiger: Projekte für videobasiertes Lehren und Lernen (I)
• Jörg Maier-Rothe: Projekte für videobasiertes Lehren und Lernen (II)
• Sebastian Homer: Infrastruktur zur Aufnahme und Bereitstellung von Videos
• Albrecht Fortenbacher: LEMO, Learning Analytics und Lehrvideos
• Haeseon Yun: Sensor Based Learning

14:00 Uhr gemütliches Beisammensein

• bei Kaffee und Kuchen

Auch in diesem Semester biete ich Seminarthemen mit Bezug zu “Technology Enhanced Learning” an, welche aber einen großen Bereich der Informatik abdecken. Sie können dabei auch unser neues BMBF-gefördertes Projekt “LISA – Learning Analytics für sensorbasiertes adaptives Lernen” kennenlernen: wir erforschen und entwickeln Hardware- und Software-Lösungen, wie mit Hilfe von Sensoren Lernende besser unterstützt werden können 😊

1. Einsatz von Gaze Analytics (Analyse der Augenbewegungen, Eye Tracking) zur Bestimmung der Aufmerksamkeit
2. Interpretation von EDA-Sensordaten (Electrodermal Activity) zum Erkennen von Erregungszuständen (Arousal)
3. Vorhersage erfolgreicher Studierender in MOOCs mit Methoden des Natural Language Processing
4. xAPI Recipes: Vorschlag eines Vokabulars zum standardisierten Austausch von Lernerdaten
5. Visualisierung physiologischer Sensordaten (Awareness)
6. Anonymisierung und Verschlüsselung: Beitrag zur persönlichen Informationsfreiheit oder Geschäftsmodell des Dark Web?

An 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 😉

Im Forschungsprojekt LISA entwickeln wir ein mobiles Gerät (SmartMonitor), welches Sensordaten erfasst und beim Lernen unterstützt.

Für das Wintersemester 2016/17 biete ich dazu ein Projektstudium an, um den SmartMonitor in Software zu realisieren. Die funktionalen Anforderungen an den SmartMonitor sind:

• Empfang von Sensordaten über BLE von einem wearable Device (Armband), welches ebenfalls in LISA entwickelt wird – bei den Sensoren handelt es sich um EDA, HR, Accelerometer, evtl. auch Body Temperatur oder EEG
• temporäre Speicherung, auf Wunsch Visualisierung und Verarbeitung der Sensordaten sowie Weitergabe der gefilterten Daten an ein LISA Backend, welches mit Methoden des Learning Analytics das Lernen unterstützt
• Interaktion mit einem Lernenden, Darstellen von Nachrichten und Infographiken der Learning-Analytics-Anwendung – für das Interaktionskonzept wurde bereits eine Design-Studie durchgeführt

Im Projektstudium soll plattformunabhängig entwickelt werden, beispielsweise in AngularJS. Das Ergebnis soll dann die Basis für den Hardware-Prototypen des SmartMonitor bilden, der zur Zeit ebenfalls entwickelt wird.

Das Projektstudium ist eingebettet in das Forschungsprojekt LISA, mit Fragestellungen aus LISA können Sie sich auch im Rahmen einer Bachelorarbeit, oder bei weiterführenden Projekten im Master Angewandte Informatik beschäftigen.

Interesse am Projektstudium oder an LISA???

Kommen Sie einfach bei uns im FKI vorbei (Raum H 213, H 214 und H 216):

• Albrecht Fortenbacher
• Haeseon Yun
• Tom Bisson
• Daniel Junker