Summary | | ILIAS wird weltweit für vielfältige Lernszenarien eingesetzt, stößt jedoch bei der Abbildung echter Adaptivität
im Core oft an Grenzen. Bisherige Ansätze für personalisierte Lernwege basieren häufig auf komplexen Ketten von
Vorbedingungen oder externen Plugins, was die Erstellung und Wartung für Autoren erschwert. Mit der Weiterentwicklung
der Komponente Learning Sequence adressieren wir diese Lücke und integrieren native adaptive Mechanismen
direkt in den ILIAS-Core.
Das Projekt führt ein erweitertes Modell der Objektbedingungen ein, das über die bisherige binäre Logik hinausgeht.
Durch den Einsatz von „Input & Output Conditions“ in Kombination mit Logikgattern (AND, OR, NOT)
sowie score-basierten Bedingungen („Point Allocation“) und Teilmengen-Regeln („Passed Subset“)
können Lernsequenzen nun hochflexibel auf den individuellen Fortschritt reagieren. Jedes Objekt
entscheidet dabei selbst über den weiteren Pfadverlauf. So lassen sich automatisch Wiederholungsschleifen bei
schlechten Ergebnissen oder das Überspringen von Inhalten bei hohem Punktestand ohne manuelles Eingreifen umsetzen.
Außerdem präsentieren wir die aktuelle technische Umsetzung der Visualisierung der Lernpfade für Lehrende und Lernende.
Der Vortrag gibt einen Einblick in die Konzeption und technische und visuellen Umsetzung der Adaptivität in der Lernsequenz.
Außerdem wollen wir einen Ausblick auf die Weiterentwicklung geben |
