2026-07-26T11:16:09Z https://datacatalogue.cessda.eu/oai-pmh/v0/oai

7dd4367f9189a801be004d3aee28e042f3d4ed7da00e2ac7ffd3d4d70ef2e9db 2026-06-02T13:47:58Z language:enopenaire_data

DDI study level documentation for study ZA8874 Learning Progression Analytics - Analysing and Promoting Learning Progressions to Develop Skills (LPA-AFLEK) Learning Progression Analytics - Analysing and Promoting Learning Progressions to Develop Skills (LPA-AFLEK) Learning Progression Analytics - Analyse und Förderung von Lernverläufen zur Entwicklung von Kompetenzen (LPA-AFLEK) ZA8874, Version 1.0.0ZA8874, Version 1.0.010.4232/1.1441410.4232/1.14414 Grimm, Adrian Grimm, Adrian Bohm, Isabell Bohm, Isabell Karademir, Onur Karademir, Onur Gombert, Sebastian Gombert, Sebastian Kubsch, Marcus Kubsch, Marcus Di Mitri, Daniele Di Mitri, Daniele Borgards, Lena Borgards, Lena Strauß, Sebastian Strauß, Sebastian Drachsler, Hendrik Drachsler, Hendrik Neumann, Knut Neumann, Knut Rummel, Nicole Rummel, Nicole GESIS Data Archive for the Social SciencesGESIS Datenarchiv für Sozialwissenschaften learning successLernerfolglearning difficultyLernschwierigkeitinteractionInteraktionteacherLehrerschoolchildSchulkinddiagnosticDiagnostikcompetenceKompetenznatural science instructionnaturwissenschaftlicher Unterrichtcomputer aided learningcomputerunterstütztes Lernen Compulsory and pre-school educationVorschulerziehung und Bildung in der Pflichtschulzeit Successful school teaching means more than merely working on predetermined topics. The goal is for students to develop competencies and build interconnected knowledge. Digital teaching units enable the recording and analysis of individual learning trajectories and provide feedback to teachers about their productivity. How teachers can use these data to transform unproductive learning trajectories into productive ones has been little researched so far. The project consortium funded by the Federal Ministry of Education and Research (BMBF) consists of the Leibniz Institute for Science and Mathematics Education (IPN), the Leibniz Institute for Educational Research and Educational Information (DIPF), and Ruhr University Bochum (RUB). The aim is to map individual learning trajectories and associated learning difficulties. Data from digital physics teaching units are used to identify productive and unproductive learning trajectories. Automatically detected learning difficulties serve as a basis for deriving recommendations for teachers to promote productive learning. The interdisciplinary team uses so-called Teacher Dashboards that provide teachers with near real-time feedback on their students´ learning progress. The IPN coordinates the consortium and contributes expertise in subject didactics and competence diagnostics. The DIPF focuses on learning analytics, and Ruhr University is responsible for testing the Teacher Dashboards under real classroom conditions.Erfolgreicher Schulunterricht ist mehr als die bloße Beschäftigung mit vorgegebenen Themen. Ziel ist, dass Schülerinnen und Schüler Kompetenzen entwickeln und vernetztes Wissen aufbauen. Digitale Unterrichtseinheiten ermöglichen es, individuelle Lernverläufe zu erfassen, zu analysieren, wie produktiv sie sind, und die Ergebnisse Lehrkräften zurückzumelden. Wie Lehrkräfte diese Informationen nutzen können, um unproduktive Lernverläufe produktiv zu gestalten, ist bislang wenig erforscht. Das vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Verbundprojekt des Leibniz-Instituts für die Pädagogik der Naturwissenschaften und Mathematik (IPN), des Leibniz-Instituts für Bildungsforschung und Bildungsinformation (DIPF) und der Ruhr-Universität Bochum (RUB) hat das Ziel, individuelle Lernverläufe und Lernschwierigkeiten abzubilden. Daten aus digitalen Physikunterrichtseinheiten werden genutzt, um produktive und unproduktive Lernverläufe zu identifizieren. Automatisch erkannte Lernschwierigkeiten dienen als Grundlage für Handlungsvorschläge, mit denen Lehrkräfte Lernverläufe verbessern können. Das interdisziplinäre Team verwendet Teacher Dashboards, die Lehrkräften nahezu in Echtzeit Feedback zu Lernverläufen geben. Das IPN koordiniert das Projekt und bringt fachdidaktische Expertise ein, das DIPF fokussiert die Analyse mittels Learning Analytics, und die Ruhr-Universität Bochum erprobt die Dashboards unter realen Bedingungen. Non-probabilityNonprobabilityNicht-WahrscheinlichkeitsauswahlNonprobability Educational measurements and testsMeasurementsAndTests.EducationalMessungen und Tests: Leistungs- und KompetenztestsMeasurementsAndTests.EducationalSelf-administered questionnaire: Web-based (CAWI)SelfAdministeredQuestionnaire.CAWISelbstausgefüllter Fragebogen: Webbasiert (CAWI)SelfAdministeredQuestionnaire.CAWIContent codingContentCodingInhaltsanalyseContentCoding 0 - Data and documents are released for everybody.0 - Daten und Dokumente sind für jedermann freigegeben. http://dbkapps.gesis.org/dbkoai/oai.asp oai:dbk.gesis.org:DBK/ZA8874 2025-09-30 ddi:codebook:2_5