Visualisierung von Kontexterfassung und Adaptionsmechanismen in mobilen adaptiven Lernanwendungen

Auf Smartphones zum Einsatz kommende adaptive Mikrolernanwendungen können Kontextinformationen erfassen und dadurch den Lernprozess an den Nutzer und sein Verhalten anpassen (vgl. [SAW94]).  Vorwiegend findet die Erfassung von Kontextinformationen unauffällig im Hintergrund statt. Jedoch ist diese oft eingeschränkt, hinsichtlich Genauigkeit und Verlässlichkeit der Daten. Dadurch kann das Verhalten der Lernanwendung für den Benutzer nicht mehr nachvollziehbar oder sogar befremdlich wirken. Zudem birgt die Erfassung von Kontextinformationen die Gefahr eines Einschnitts in die Privatsphäre des Benutzers.

Eine noch offene Fragestellung ist die nach der Sicherstellung einer hinreichenden Informationsversorgung und der gleichzeitigen Vorbeugung von Datenschutzverletzung durch den möglichen Mangel an transparenter Kontexterfassung. Hierzu müssen, basierend auf etablierten Designprinzipien, neue Entwurfsmuster für die Benutzerfreundlichkeit von mobilen adaptiven Mikrolernanwendungen erarbeitet werden.

Hierbei müssen zusätzlich zu den allgemeingültigen Empfehlungen für benutzerzentriertes Interface Design, die Besonderheiten beachten werden, die vor allem Smartphones mit sich bringen, die neue Herausforderungen, aber auch Chancen für die Benutzerfreundlichkeit [Ni15][Ba07] bergen.

Basierend auf einem Beispiellehrszenario für mobile adaptive Lernanwendungen wurde ein digitaler Paper-Prototype erstellt und später als Grundlage für die Studie der entwickelten Prinzipien genutzt. Dieser zeichnet sich durch die folgenden Schlüsselmerkmale aus:

  • Verwendung von üblichen Benutzerschnittstellenkomponenten: Es wurden lediglich Benutzeroberflächenkomponenten verwendet, die zum Standard-Set des Betriebssystems gehören. Da diese Komponenten den Schnittstellenrichtlinien der Plattform entsprechen, kann davon ausgegangen werden, dass sie sich bewährt haben und von den meisten Benutzern verstanden werden.
  • Simulation von realistischen Kontextveränderungen: Die simulierten Adaptierungen basieren auf Kontextveränderungen, die jeden Tag für die meisten mobilen Benutzer geschehen.
  • Realistisches Beispielszenario: Es wird ein Szenario verwendet, das auf Lehrinhalten aufbaut, die bereits in gewöhnlichen Lehrformen eingesetzt wurden. Diese Lehrinhalte wurden für das Szenario als Mikrolerninhalte umgesetzt.

Um die Bereiche zu identifizieren, die maßgeblich für die Entwicklung neuer Entwurfsmuster sind, wurde der charakteristische Programmablauf innerhalb des Beispiellehrszenarios betrachtet. Dieser beginnt mit dem ersten Starten der Anwendungen, dem typischerweise die Navigation durch die verschiedenen Lerninhalte folgt. Da die Lerninhalte in solchen Anwendungen häufig in alternativen Präsentationsformen vorliegen, kommt es regelmäßig zur Auswahl dieser Alternativen durch das System oder den Nutzer. Zudem werden während der gesamten Nutzung der Anwendung in regelmäßigen Abständen Kontextinformationen erfasst und Inhalte basierend auf diesen Informationen ausgewählt oder angepasst. Basierend auf diesen Abläufen wurden die folgenden Entwurfsmuster für die Benutzerfreundlichkeit entwickelt.

Onboarding

Mittels eines sogenannten Onboarding-Prozesses wird der Benutzer mit Interaktionsmustern vertraut gemacht, die ihm durch seine bisherige Nutzung oder aus anderen Anwendungen noch nicht vertraut sind. Das Onboarding besteht aus mehreren informatorischen Ansichten, die mit dem ersten Anwendungsstart angezeigt werden. Sie bieten eine kurze Einführung in die Anwendung und erläutern die wichtigsten Funktionen (z.B. Kontexterfassung, Mikrolernen, Adaptivität).

Navigation in Lerninhalten

Existierende Forschung hat gezeigt, dass Lehr- / Lernstile sich dahingehend unterscheiden, wie Lerninhalte präsentiert bzw. diese vom Lernenden aufgefasst werden [FS02]. Eine dieser Unterscheidungen differenziert zwischen einem sequentiellen und einem globalen Lehr- / Lernstil.

Sequentielles Lehren umfasst demnach “[...] die Präsentation von Lehrmaterial in einem logisch geordneten Fortschritt” [FS02]. Um diese klassische Lehr- / Lernmethode abzubilden, wurde der “Learning Card Stream” entworfen.

Der Learning Card Stream fördert lineares Lernen.

Jede Karte repräsentiert eine Mikrolerneinheit. Neue Karten werden dem Strom von oben hinzugefügt, wenn entweder ein Mikrolerninhalt konsumiert wurde oder neue bzw. aktualisierte Kontextinformationen verfügbar werden. Eine neu hinzugefügte Karte wird als solche markiert, um besser erkennbar zu sein. Um dem Lernenden eine allgemeine Vorstellung davon zu geben, welcher Inhalt sich hinter jeder Karte verbirgt, haben diese einen Titel, eine kurze Beschreibung und ein Symbol, das auf den Inhaltstyp hindeutet.

Die verschiedenen Details einer Learning Card.

Obwohl hier ein linearer Lernstil im Fokus steht, ist ein gewisser Grad an Freiheit beim Abarbeiten der Karten gegeben. Beispielsweise können jederzeit ältere Karten oder alternative Lerninhalte aufgerufen werden.

Im Gegensatz zu einem sequentiellen Lernstil, wo Lernende “[...] linearen Denkprozessen beim Lösen von Problemen folgen [...] am besten lernen, wenn das Lernmaterial einem stetigen Anstieg von Komplexität und Anforderung folgt.”[FS02], neigen Lernende, die einem eher globalen Lernstil folgen, dazu “[...] stoßweise zu lernen [...] intuitive Sprünge im Stoff zu vollführen [...] manchmal erfolgreicher zu sein, wenn sie direkt zu komplexerem oder schwererem Material springen.”[FS02] Um einen solchen globalen Lernstil zu unterstützen, wurde die “Honeycomb”-Navigationsansicht entwickelt.

Die Honeycomb-Ansicht verschafft Überblick.

Hierbei werden alle Lerneinheiten eines Szenarios als Wabenstruktur dargestellt, in der verwandte Lerneinheiten in unmittelbarer Nähe positioniert sind. Dies ermöglicht es dem Lernenden, einen Blick auf zukünftige Lerneinheiten zu nehmen. Gerade erreichbare Lerneinheiten sind blau gefärbt und die Auswahl einer solchen Lerneinheit zeigt die direkt nachfolgenden Lerneinheiten an.

Honey

Dies ermöglicht dem Lernenden, den weiteren Verlauf des Lernpfades abzuschätzen und so einen umfassenderen Überblick über den zu lernenden Stoff zu erhalten. Welche Lerneinheiten folgen, basiert auf den erfassten Kontextinformationen und den vom Autor festgelegten Beziehungen zwischen den Lerneinheiten.

Die unterschiedlichen Navigationsansichten geben dem Lernenden mehr Möglichkeiten, die Lerninhalte an seine eigenen Bedürfnisse anzupassen und erleichtern es ihm individuelle Lernpfade zu finden. Da es schwierig ist, ohne Weiteres vorherzusehen, welchen Lernstil der Lernende momentan bevorzugt, sollte es möglich sein, zu jeder Zeit zwischen den beiden Navigationssystemen zu wechseln.

Honey2

Alternative Darstellungen des selben Lerninhaltes

In einem adaptiven Lernszenario ist es sehr wahrscheinlich, dass unterschiedliche Versionen desselben Lerninhalts existieren. Diese Versionen können sich beispielsweise in den verwendeten Medientypen unterscheiden oder unterschiedliche Kontextinformationen voraussetzen. Auch wenn eine adaptive Lernanwendung anfänglich Annahmen darüber tätigen wird, welche Version für die aktuelle Situation, in der sich der Lernende befindet, optimal ist, ist es dennoch von großer Wichtigkeit, dass der Lernende manuell zwischen den Alternativen wechseln kann. Eine Liste der alternativen Darstellungen (falls vorhanden), kann durch ein Tippen auf das Symbol, das den aktuellenInhaltstyp der Karte darstellt, geöffnet werden.

Alt1

 

In der Liste werden für jede Alternative die Kontextinformationen, die als Voraussetzung festgelegt wurden, sowie der Inhaltstyp angezeigt.

 

alternatives

 

Zudem soll ein Vorschaubild des Karteninhalts es dem Lernenden erleichtern, die Inhalte zu finden, die für ihn am besten geeignet sind.

Alt2

 

Kalibrierung

Ein bedeutender Bedarf für die Kalibrierung der adaptiven Lernanwendung geht aus dem Fakt hervor, dass Kontextinformationen subjektiv vom Lernenden aufgefasst werden können. So werden beispielsweise Umgebungsgeräusche von Lernenden unterschiedlich stark als störend empfunden. Die Kombination von Kontextinformationen und dem Nutzerverhalten liefert bereits einige Hinweise, die für die Erkennung von Situationen genutzt werden können, welche besonders gut für das Lernen geeignet sind. Eine weitere Möglichkeit ist, die aktuell erfassten Kontextinformationen zu nutzen und gelegentlich den Lernenden zu fragen, ob dieser das Gefühl hat, dass die aktuelle Situation seine Konzentration beim Lernen behindert.

calibration

Dies bietet eine direkte Rückmeldung durch den Lernenden dahingehend, welche Situationen für ihn persönlich ideal für das Lernen sind und welche nicht.

Benachrichtigung über Kontextänderungen

Wesentlich ist, dass der Lernende über neu erfasste oder aktualisierte Kontextinformationen informiert wird. Allem voran soll dies ein Bewusstsein für die von der Anwendung gesammelten Kontextinformationen schaffen. Im Gegenzug wird dem Lernenden ermöglicht, Verletzungen seiner Privatsphäre, aber auch fehlerhafte Informationen zu identifizieren.

notification1

Um den Lernenden nicht von seiner eigentlichen Lernaufgabe abzulenken, versperren Meldungen so wenig wie möglich vom Bildschirm, liefern gleichzeitig jedoch eine geeignete Menge an Informationen.

Details einer Benachrichtigung

Es kann nicht davon ausgegangen werden, dass jeder Benutzer benachrichtigt werden möchte, weshalb Nachrichten nach kurzer Zeit ohne Zutun des Lernenden verschwinden und ihm gleichzeitig die Möglichkeit bietet, zukünftige Benachrichtigungen vollständig abzustellen.

notification2

Was noch ausgewertet werden muss, ist, welche Arten von Kontextinformationen sich für diese Art von Benachrichtigungen eignen und welche Meldefrequenz akzeptabel für den Benutzer ist. So kann beispielsweise sicher davon ausgegangen werden, dass in den meisten Lernszenarien eine sekündliche Benachrichtigung über die Änderung der Umgebungslautstärke schnell als störend empfunden werden wird.

Ereignishistorie

Ebenso wie das Bewusstsein über sich ändernde Kontextinformationen, ist entscheidend, dass dem Benutzer eine einfach zu verstehende Übersicht über erfasste Kontextinformationen oder vergangene Ereignisse zur Verfügung steht. Eine solche Historie wird durch die “Trail”-Funktionalität bereitgestellt.

trail1

Zusätzlich zur Übersicht über die gesammelten Daten, kann der Benutzer einzelne Ereignisse oder Informationen auswählen und Annahmen der Kontexterfassung revidieren (z.B. Informationen löschen, Informationen als falsch markieren oder die Erfassung bestimmter Informationen anpassen).

trail2

[SAW94] Schilit,B.;Adams,N.;Want,R.:Context-AwareComputingApplications.WorkshopOn Mobile Computing Systems and Applications, S. 85–90, 1994.

[Ni94] Nielsen, Jakob: Heuristic evaluation. Usability inspection methods, 17(1):25–62, 1994.

[Ba07] Ballard, Barbara: Designing the mobile user experience. John Wiley & Sons, 2007.

[FS02] Felder, Richard M.; Silverman, Linda K.: LEARNING AND TEACHING STYLES IN ENGINEERING EDUCATION. 78(June):674–681, 2002.