Lecture Butler: Ein Videolearning-Tool verknüpft Adaptives Lernen und Performance Support

Dass Videolearning funktioniert und eine Reihe von Vorteilen bietet – diese Erkenntnis ist längst schon in den Hochschulen wie auch in den Unternehmen angekommen. Da die Nachfrage nach hochwertigen Schulungsvideos immer mehr steigt, gibt es logischerweise auch immer mehr Inhalte von verschiedenen Anbietern und Quellen.

Was wiederum die User vor neue Probleme stellt:

  • Wie finde ich bei diesem großen, unübersichtlichen Videolearning-Angebot genau den Content, der mich interessiert?
  • In welcher Reihenfolge sollte ich verschiedene Inhalte zu einem bestimmten Thema sinnvollerweise abrufen?

Diese Fragen stellten sich auch drei Wissenschaftler des renommierten Hasso-Plattner-Instituts (HPI). Und entwickelten und testeten gleich auch einen konkreten Lösungsansatz. Ihre Ergebnisse veröffentlichten sie kürzlich im Paper Lecture Butler – Teaching Reasonable Lectures from a Lecture Video Archive.

Ihr Fokus waren zwar Hochschul-Studenten als User und mitgefilmte HPI-Vorlesungen als Content, aber die Erkenntnisse lassen sich auch gut auf die Weiterbildungs-Welt in Unternehmen übertragen. Denn gleich zwei Lern-Megatrends werden hier behandelt: Adaptives Lernen und Performance Support.

Als Tool entwickelten die Forscher also ihren Lecture Butler, der in einer Beta-Version abrufbar ist. Eine Gruppe von 43 Studenten testete ihn daraufhin auf Herz und Nieren, und ihre Einschätzungen wurden evaluiert und ebenfalls im Paper zusammengefasst.

 

Eine Orientierungshilfe im Videolearning-Dschungel – das leistet der „Lecture Butler“

Der Lecture Butler hilft Lernenden, für ihre indivuellen Lernziele geeigneten Videocontent zu finden – und zwar ausgehend von dem Suchbegriff, den sie eingeben. Aber es können auch mit diesem Suchwort verwandte Begriffe mit recherchiert und ausgegeben werden. Ferner gibt das Programm an, welchen Schwierigkeitsgrad die einzelnen Inhalte aufweisen und empfiehlt darauf basierend eine bestimmte Lern-Reihenfolge.

Dafür ist natürlich einige Vorarbeit notwendig: Der Lecture Butler muss vorab mit umfangreichen Daten über die Schwierigkeits-Niveaus sämtlicher gelisteter Inhalte gefüttert werden und es müssen thematisch verwandte Begriffe sowie Synonyme für mögliche Keywords definiert werden. Bei längeren Lectures müssen auch Abschnitte definiert und indiziert werden, die bestimmte Lerninhalte behandeln. Denn es ist ja denkbar, dass bei einem einstündigen Videotraining ein bestimmter thematischer Aspekt nur 10 Minuten lang behandelt wird – und auch diese „sections“ müssen natürlich für den User auffindbar sein.

Der Lohn der Mühe: Am Ende erhält der User eine individuelle „Lern-Playliste“ mit Inhalten, die er sukzessive bearbeiten kann.

 

Die Spezial-Suche für Videolearning-Content: So funktioniert der Lecture Butler

Das Kernstück des Programms ist eine ausgeklügelte Suchfunktion. Die User können selber auswählen, wie sehr sie in die Tiefe gehen wollen:

 

  • Nach Videoinhalten („lecture videos“) suchen

Das Programm führt eine Volltextsuche durch, findet die 10 relevantesten Ergebnisse und setzt sie entsprechend ihrer Schwierigkeit in eine Reihenfolge:

Ein Beispiel-Ergebnisfeinster des Videolearning-Suchtools "Lecture Butler"

Ein Beispiel-Ergebnisfeinster des Videolearning-Suchtools “Lecture Butler”

  • Ausschnitte von Videolectures suchen

Neben den zuvor beschriebenen Schritten listet das Programm zusätzlich auch noch thematisch passende Ausschnitte aus Videolectures auf.

 

  • Ins Thema eintauchen („Dive into the topic“)

Hier sucht das Programm zunächst nach Synonymen und thematisch direkt verwandten Begriffen des eingegebenen Suchwortes, und auch zu diesen werden Inhalte gesucht. User können aus dieser sehr viel umfangreicheren Ergebnisliste bestimmte Treffer löschen, um die Relevanz der Inhalte für sich zu maximieren.

Hier wird angezeigt, inwiefern der Videocontent für die verwandten Begriffe „TCP“ und „HTTP“ relevant ist, und außerdem die Laufzeit des gesamten Videos sowie sein Schwierigkeitsgrad

Hier wird angezeigt, inwiefern der Videocontent für die verwandten Begriffe „TCP“ und „HTTP“ relevant ist, und außerdem die Laufzeit des gesamten Videos sowie sein Schwierigkeitsgrad

 

  • Tief ins Thema eintauchen („Dive deep into the topic“)

Wie zuvor, nur werden zusätzlich auch mit dem Suchbegriff entfernter verwandte Wörter mit in die Suche aufgenommen.

 

Hier die vier verschiedenen Such-Workflows in der Übersicht:

Lecture Butler3

 

Die Forscher verwendeten als Content für den Lecture Butler wie erwähnt v.a. längere, mitgefilmte Vorlesungen.

Was aus unserer Sicht den Einsatz dieser Suchmethode natürlich wesentlich erleichtern würde, wären nach Microlearning-Prinzipien gestaltete, kürzere Video-Inhalte – sprich: Eine Aufbereitung des Wissens in kleine, max. 10-12 Minuten lange „Häppchen“, oft auch „Wissens-Nuggets“ genannt (so handhaben wir bei der Pink University das übrigens in unserer Praxis).

Anschließend daran gab es für die User die Möglichkeit, Lerntests zu den einzelnen Inhalten durchzuführen.

 

Das Videolearning-Suchtool im Praxistest 

Bei den befragten Studenten kam die Möglichkeit, relevanten Videocontent oder Ausschnitte daraus auf diese Art und Weise zu suchen, insgesamt sehr gut an.

Die beiden Möglichkeiten, tiefer ins Thema einzusteigen, fanden die Befragten dagegen weniger relevant bzw. wenig sinnvoll, was wohl auch mit den großen Mengen von Suchtreffern zusammenhängt, durch die man sich erstmal durcharbeiten muss.

 

Fazit: Wie wichtig wird ein Videolearning-Suchtool für die Weiterbildung in Unternehmen?

Ein Programm wie der Lecture Butler kann hier sehr sinnvoll eingesetzt werden: So könnten Mitarbeiter je nach ihrem persönlichen Bedarf relevante Inhalte finden und sich in Eigenregie aneignen. Bisher ist es so, dass die Personalentwickler oder Trainer Videolearning-„Lernpfade“ für die Mitarbeiter erstellen, was insbesondere für Pflichttrainings oder gezielten Entwicklungs-Maßnahmen sinnvoll ist. Jedoch stärkt es mit Sicherheit die eigene Lern-Motivation, sich für andere Lernziele auch ganz individuelle Lern-Playlists zusammenstellen zu können.

Was jedoch sicherlich so nicht 1:1 auf die Arbeitswelt übertragbar ist, ist die Definition eines „Schwierigkeitsgrads“ für Videocontent. Sinnvoller und flexibler einsetzbar ist es, wenn die einzelnen, nicht zu langen Videolearning-Einheiten in sich thematisch geschlossen sind – oder alternativ müsste genau definiert werden, welches Videotraining auf welchem Grundlagen-Videotraining aufbaut.

 

In jedem Fall halten wir den Lösungsweg der HPI-Forscher für sehr spannend und richtungsweisend – da es zukünftig immer mehr Videocontent (ob nun in der Weiterbildung oder an den Hochschulen) geben wird, werden wirksame und nutzerfreundliche Tools zur Suche von relevanten Videolearning-Inhalten zweifelsohne eine immer größere Relevanz haben!

 

 

Quellenangabe

Martin Malchow, Matthias Bauer, Christoph Meinel:

Lecture Butler – Teaching Reasonable Lectures from a Lecture Video Archive

In Proceedings of the 2015 ACM Annual Conference on SIGUCCS, pages 3-9, 11 2015 ACM.

DOI: 10.1145/2815546.2815557

 

Hier können Sie den Artikel teilen:
Facebooktwittergoogle_plusmailby feather


Folgen Sie uns gerne auf unseren Social-Media-Seiten:
Facebooktwittergoogle_plusyoutubeby feather

Schreibe einen Kommentar

This Blog will give regular Commentators DoFollow Status. Implemented from IT Blögg