====== Ehlenz (2023) A Sustainable Research & Development Ecosystem for Computer-Supported Collaborative Learning with Interactive Tabletop Displays (Dissertation) ======

===== Referenz =====
[[Person:Ehlenz_Matthias|Ehlenz, Matthias]]: A Sustainable Research & Development Ecosystem for Computer-Supported Collaborative Learning with Interactive Tabletop Displays. Dissertation, [[institution:RWTH Aachen]], 2023

===== Publikation =====
online: [[https://publications.rwth-aachen.de/record/964172]]

===== Zusammenfassung =====
Computer-gestützte Lernprozesse sind seit Beginn des digitalen Zeitalters fester Bestandteil didaktischer Forschung und Praxis. Interaktive Tabletop Displays bieten hierfür einzigartige Perspektiven auf technologiegestütztes, kollaboratives Lernen in Gruppen. Sie unterstützen die gleichberechtigte Interaktion, automatisiertes Feedback, personalisierte Lernerfahrungen und selbstgesteuertes Lernen in heterogenen Gruppen. Die Stärken der unmittelbaren sozialen Interaktion der Face-to-Face-Kommunikation bleiben erhalten. Außerdem können durch die Anwendung von Learning Analytics-Werkzeugen ganz neue Einblicke in gemeinschaftliche Lernprozesse zugänglich gemacht werden. Doch hinsichtlich der praktischen Auswirkungen sind noch viele Fragen offen und für den erfolgreichen Einsatz müssen Inhalte und Medien aufeinander abgestimmt werden. In der Vergangenheit scheiterten vielversprechende Technologien daran, dass Inhalte, Methoden und Werkzeuge, ganz besonders aber nachhaltige Konzepte fehlten. Diese Dissertation soll dazu beitragen, diese Hindernisse zu überwinden und durch ein interdisziplinäres Gesamtkonzept interaktive Tabletops nachhaltig im Bildungsbereich nutzbar zu machen. Hierzu wird das Multitouch Learning Game (MTLG)-Ökosystem als ganzheitlicher Ansatz vorgestellt: Entwickler:innen und Pädagog:innen sollen bei der Implementierung von Open Source-Lernanwendungen unterstützt werden. Forschungsteams erhalten Methoden und Werkzeuge, um schnell und unkompliziert konfigurierbare Prototypen zu entwickeln und standardkonforme Lerndaten Daten zu sammeln. Dazu wird ein systematischer Ansatz für die Anforderungsanalyse und Umsetzung des MTLG-Ökosystems verfolgt. Die Komponenten sind der MTLG-Core und die Toolchain (grundlegende Bausteine für die schnelle Erstellung von Forschungsprototypen); die MTLG-Infrastruktur (z.B. für die Verbindung von Sitzungen über Geräte hinweg, die Verwaltung von Benutzern, usw.); die MTLG-Forschungskomponenten (zur Unterstützung von Forschungs-Setups). Im Hinblick auf die wissenschaftliche Nachhaltigkeit geht diese Dissertation über die technischen Aspekte hinaus und stellt Ergebnisse einer interdisziplinären Initiative für einen nachhaltigen, wissenschaftlichen Ansatz für eine Learning Analytics Metadaten-Infrastruktur vor. Die Evaluation der Arbeit erfolgt in einem dreiteiligen Ansatz: Erstens werden Fallstudien vorgestellt, um die Forschung in die Tiefe zu zeigen, zweitens wird die breite Anwendbarkeit durch Beispiele verschiedener Lernspiele unterschiedlicher Themen aufgezeigt. Drittens werden ein technischer Prototyp und eine entsprechende Fallstudie vorgestellt, um das Zusammenspiel der Komponenten zu veranschaulichen. Zusammenfassend stellt Dissertation ein System vor, dass es ermöglicht ganzheitlich, systematisch und nachhaltig Lernprozesse mit diesem Medium zu beforschen und so den didaktischen Einsatz dieser Geräte langfristig zu verbessern.

{{tag>Dissertation 2023 Institution:"RWTH Aachen" Person:"Matthias Ehlenz"}}