Algorithmen helfen nicht nur bei der Suche nach dem richtigen Film oder dem passenden Partner. Auch in der Bildung haben sie das Potential, dem Lernenden das passende aus dem vielfältigen Angebot unzähliger Weiterbildungsanbieter zu empfehlen. Dass es möglich ist, beweisen wir mit dem Ergebnis des zuletzt abgeschlossenen Projekts, das den Namen ESSYST trägt.

In einer komplexen Matrix werden Merkmale, die das Profil des Lernenden beschreiben mit Merkmalen zur Charakterisierung von Weiterbildungsmaßnahmen paarweise verglichen und nach einer mathematischen Formel bewertet. Ziel der als Education Graph bezeichneten Kerninnovation ist es, eine Aussage über die Kompatibilität von Lernenden und verfügbaren Weiterbildungsmaßnahmen zu treffen. Sind vorausgesetzte Fördermöglichkeiten sichergestellt? Kann die Maßnahme berufsbegleitend absolviert werden? Passt der Lernstil zu den eingesetzten Lernmethoden? Aus maximal 29 Puzzleteilen setzen sich die Eingangsinformationen des Lernenden zusammen. Ebenso viele werden zur Charakterisierung einer Weiterbildungsmaßnahme herangezogen. Das ergibt 841 mögliche Merkmalsverknüpfungen, die wir untersucht haben. Als besonders relevant für eine möglichst individuelle Empfehlung stellte sich die Bestimmung des Lernstils heraus. Grundlage hierfür ist ein Test, in der Form eines Fragebogens, entwickelt vom amerikanischen Bildungstheoretiker David A. Kolb. Diesen Test kann der Lernende durchführen, um dem Education Graph ein möglichst umfassendes Bild über eigene Lernmuster zu geben. Dadurch wird eine individuelle Kompatibilitätsbestimmung möglich.

Der „Dschungel“ an verfügbaren Weiterbildungsangeboten wird mittels standardisierten Filterfunktionen nicht nur durchsuchbar, es wird auch der Grad der Empfehlung bei jedem der Suchergebnisse als Matching-Wert ausgegeben. Dieser Wert gibt an, wie gut das Weiterbildungsangebot unter Berücksichtigung der didaktischen Merkmale und der Voraussetzungen des Lernenden auf ebendiesen passt. Die Auswahl von Weiterbildungen auf Basis von Gefühlsentscheidungen und dem Gießkannenprinzip wird damit hinfällig.

Der Algorithmus stellt eine fundierte Grundlage für die effiziente Auswahl von Weiterbildungen dar. Die angestrebte Nachhaltigkeit und Optimierung des Algorithmus geht jedoch nur mit dem Sammeln und Auswerten von Daten über Empfehlungen und dessen Erfolgsgrad einher. Zur Unterstützung dieses kontinuierlichen Verbesserungsprozesses wurde ein adaptives Evaluationssystem entwickelt. Das System generiert Fragebögen für Teilnehmer von Weiterbildungen, die ebenso individuell sind, wie die gewählte Empfehlung. Der Lernende kann mit möglichst wenig Aufwand Aussagen über den Erfolg der Weiterbildung liefern. Bei weniger zufriedenstellenden Ergebnissen werden zudem die ursächlichen Parameter erfasst.

Der umfassende Abschlussbericht zum Projekt wird ab September 2017 über die Forschungsgemeinschaft Qualität e. V. oder auf der Projektwebseite www.essyst.tu-berlin.de verfügbar sein.

Können auch Sie sich zu Innovationen bei Weiterbildungsaktivitäten in Ihrem Unternehmen ermutigen? Das automatisierte Empfehlen von Lernumgebungen auf Basis einer breit angelegten, aber dennoch handhabbaren Datengrundlage stellt bisher noch weitgehend Neuland im Weiterbildungsmanagement dar. Seien Sie Vorreiter und lassen sich durch unsere Forschungsergebnisse dabei unterstützen!