Competitive Intelligence im Bildungskontext.

Wie wir zukünftig lernen und arbeiten:

Bild2

intelligent*vernetzt*hybrid**

Dank eines inspirierenden Artikels im BLOG von Frau Prof. Andrea Back der Universität St. Gallen bin ich auf das Thema “Competitive Intelligence” aufmerksam geworden. Im Artikel “Competitive Intelligence (CI) mit CID Topic Analyst – Newsmonitoring intelligent und mobil!” geht es darum, wie man durch intelligentes Monitoring eine Vielzahl an vorhandenen Informationen kanalisieren und bedarfsgerecht aufbereiten kann. Im folgenden Beitrag möchte ich aufzeigen, wie Konzepte des CI (Competitive Intelligence) im Bildungskontext angewendet werden könnten.

Die Datenmenge wächst, sie potenziert sich. Die Menge an Daten im Internet ist bereits im Zettabyte-Bereich angekommen. Die nächst höhere Einheit sind Yottabyte. Danach ist erst einmal Schluss, denn es gibt nämlich noch gar keinen Begriff für Datenmengen, die über Yottobyte hinaus gehen 😉 Von all diesen Daten, sind 80% in den letzten 2 (!) Jahren entstanden. Da kann man sich ausmalen, welche Datenflut noch bevorsteht. Zudem ist der größte Teil dieser Daten unstrukturiert. Mit ein Grund für dieses unglaubliche Datenwachstum sind intelligente Geräte, die durch das Internet der Dinge Daten aufnehmen, verarbeiten und weitergeben. Dies ist eine von vielen Herausforderungen, mit denen wir im Zuge der Transformation zur Wissensgesellschaft umgehen müssen, nämlich diese verteilten, unstrukturierten Daten zur Wissensgenerierung handhabbar zu machen.

Mittels intelligenter Technologien ist es zum Glück möglich, diese Informationsflut (Big Data) zu kanalisieren, um Informationsprozesse insgesamt effizienter zu gestalten. An dieser Stelle kommen semantische Technologien (Computerlinguistik) zum Einsatz, welche den Daten eine Bedeutung zuweisen sowie Strukturverbindungen untereinander identifizieren können. Das Deutsche Competitive Intelligence Forum (dcif) veranstaltete dazu am 07. Oktober 2014 seine 7.Jahreskonferenz, um Ansätze, Methoden und Lösungen zu diskutieren. Das Motto lautete “CI in der Knowledge Sharing Economy – Competitive Intelligence im Spannungsfeld von ex- und internen Wissensnetzwerken“.

In der überaus gelungenen Veranstaltung (nähere Einblicke gibt es hier) wurde mir klar, dass sich semantische Technologien in der “Businesswelt” schon längst etabliert haben. Egal ob man hier nun von Data Mining, Business Intelligence, Social Media Monitoring, Knowledge Management, Data-Driven Marketing, Competitive Intelligence oder gar Marktforschung sprechen möchte. Es geht immer darum, aus verschiedenen Datenbeständen wertvolles Wissen zu generieren und daraus tragfähige Strukturen/Strategien für die Zukunft abzuleiten. In Anlehnung an Konzepte des Wissensmanagements (Wissenstreppe nach North 2002) wird den vorhandenen Daten zunächst eine Bedeutung zugewiesen und anschließend durch Clusterbildung und Vernetzung (Taggingverfahren) in einen Kontext mit Beziehungsgeflechten untereinander gestellt.

Dieses Konzept lässt sich 1:1 auf Smart Learning Environments übertragen!

…mit dem Unterschied, dass verschiedene Zielsetzungen zugrunde liegen. Es geht nicht um wirtschaftliche Interessen, sondern um den Aufbau von Persönlichkeiten, die sich u.a. in Form von Wissen und letztlich Kompetenzen manifestieren. Ziel von Smart Learning Environments ist es, hierfür eine möglichst vielfältige, motivierende und adaptive Lernumgebung zur Verfügung zu stellen.

Ein weiterer Unterschied bezieht sich auf den Prozess der Informationsverarbeitung. Wenn man sich die Wissenstreppe nach North noch einmal genauer ansieht, so wird deutlich, dass CI-Konzepte i.d.R. nur bis zur 4. Stufe im 3. Reifungsgrad reichen, indem Informationen in einen Kontext gestellt werden und zu Wissen transformieren.

Ein Smart Learning Environment geht hier im Idealfall einen Schritt weiter Richtung Anwendung. Denn nur, wenn man mit den neuen Informationen umgehen kann, sie beispielsweise zur Lösung von Problemen etc. (richtig) nutzt, ist der komplette Prozess abgebildet. Durch strategisch eingebaute Feedbackschleifen (z.B. mit Vorgesetzten/ Dozent*inn*en) ist letztlich eine kontinuierliche Kompetenzentwicklung möglich.

Um die abstrakte Ebene eines SLE (Smart Learning Environments) zu verlassen, möchte ich hier ein konkretes Beispiel erläutern, welches Funktionsweisen intelligenter Lernprozesse veranschaulichen soll. Ein mögliches Lernszenario im Hochschulkontext könnte folgendermaßen aussehen:

Stellen Sie sich vor, Sie müssten eine Hausarbeit sowie eine Präsentation zum Thema “Servicerobotik” im Seminar “Mobile Servicerobotik und Automatisierung” an der Universität xy erstellen. Das Seminar findet 1x wöchentlich in einem intelligenten Lernraum (SLE) statt. Während des Präsenzseminars wird in kleinen Teams jeweils ein Teilbereich der Servicerobotik näher bearbeitet (z.B. 1. Usability, 2. Ambient Assisted Living, 3. Juristische Fragestellungen). Das SLE unterstützt Ihren Lernprozess automatisch auf 4 Ebenen:

1. Relevante Informationen finden:

Relevante Informationen zum Thema Servicerobotik (1., 2., 3.) werden wie oben beschrieben durch semantische Technologien vorstrukturiert und in einen Kontext mit Such- und Filterfunktionen gestellt. Hierbei werden im Vorfeld Kategorien/ Cluster definiert, zu welchen die Informationen zu beziehen sind. Die Kategorien/ Cluster sind nicht starr, sondern modifizierbar. Das System ist darüber hinaus lernfähig und schlägt automatisch neue Cluster vor, um “unknown Unknowns” zu erschließen. Wichtig ist an dieser Stelle, dass die Informationen aus externen (Internet) sowie internen Datenbeständen (LMS/CMS, Wikis, Intranet etc.) bezogen werden. Die Informationen könnten am Beispiel “Servicerobotik” folgendermaßen kategorisiert werden:

*Expert/inn/en (Newsgroups, Communities-of-Practice, Foren, Blogs etc.)

*Akteure (Unternehmen, Verbände, Vereine, Institute, Forschungseinrichtungen etc.)

*Produkte/ Hersteller

*(Model-)Projekte/ BestPractices/ UseCases

*Konferenzen & sonstige (Online-)Veranstaltungen (z.B. MOOC´s etc.)

*Literatur (Artikel, Fachzeitschriften, Studien, Lehrbücher, Hausarbeiten, Diplomarbeiten, Dissertationen, Habilitationen etc.)

*Präsentationen (z.B. auf slideshare)

*Bilder/ Fotos (Gruppiert nach (CC-)Lizenzen)

*Videos (Vimeo, YouTube, fachspezifische Videoportale etc.)

*Social Media (Facebook, Google+, Twitter etc.)

Die Informationen werden auf dafür vorgesehenen Screens (z.B. Smartboards) visualisiert, teilstrukturiert und von den Lernenden weiter bearbeitet. Eine sich daran anschließende, mobile & ortsunabhängige Bearbeitung ist selbstverständlich möglich. Dementsprechend können die Student*inn*en von Ihren Laptops, Smartphones oder Tablets auf die Inhalte zugreifen und diese weiter bearbeiten.

2. Informationen speichern

Die Speicherung von relevanten Daten erfolgt automatisch per Backup in cloudbasierten Systemen, so dass auf die Ergebnisse von überall aus zugegriffen werden kann. Am Ende einer Session im Lernraum können die bisher bearbeiteten Ergebnisse (der jeweiligen Teams) gespeichert und automatisch zu Beginn der nächsten Veranstaltung eingespielt werden. Somit wird ein nahtloses Weiterarbeiten ermöglicht. Falls zwischenzeitlich weitere Änderungen vorgenommen wurden, werden diese angezeigt sowie die dafür verantwortlichen Personen hinterlegt. Die (Such-)Ergebnisse werden nun sukzessive weiter strukturiert und bewertet, beispielsweise kann eine Zuordnung zu “wichtig” oder “unwichtig” erfolgen. Eine automatisch generierte Verschlagwortung kann modifiziert und verfeinert werden, z.B. indem die Ergebnisse nicht nur zu Inhalten, sondern zu bestimmten Personen zugeordnet werden, welche diese dann später weiter ausarbeiten sollen. Bei Bedarf werden geeignete Verschlüsselungsverfahren angewendet, so dass nur dafür vorgesehene Personen sensible Daten abrufen können.

3. Informationen bearbeiten

Für die Verarbeitung von Informationen werden automatisch geeignete Werkzeuge angeboten. Die Werkzeuge sind auch hier unterschiedlichen Kategorien zugeordnet (z.B. Hausarbeit, Präsentation, Brainstorming, Podcast, Vodcast, Animation, Interaktiver Part, Video, Blogpost etc.). Für die Hausarbeit ist z.B. eine einheitliche Vorlage in Word/OpenOffice etc. hinterlegt, zudem ein Literaturverwaltungsprogramm, welches von allen Student*inn*en genutzt wird. Für die Präsentation stehen z.B. PowerPoint oder Prezi etc. zur Auswahl sowie eine CC-Bildersuche. Im oben beschriebenen Beispiel soll nun ein kleines Team bestehend aus 4 Personen eine Präsentation und eine Hausarbeit bearbeiten. Eine Aufgabenverwaltung “erinnert” die Student*inn*en an die zuvor besprochene Aufgabenteilung und an die zu bearbeitenden Inhalte. Je 2 Personen arbeiten an der Hausarbeit und an der Präsentation. Alle 4 können jederzeit die bisherigen Ergebnisse einsehen und sich online austauschen, auch um Feedback von dem/ der Dozenten/ Dozentin einzuholen.

4. Informationen präsentieren

Das SLE schaltet am Tag der Abschlusspräsentation automatisch in den “Vortragsmodus”, so dass die Studen*inn*en nur noch ihr eigenes Projekt anklicken müssen. Ggf. gehen die Jalousien automatisch runter, die Leinwand geht in Position und die Soundanlage wird aktiviert. Zusätzliche Features wie z.B. “Aufnahmemodus” können aktiviert werden. Dann wird die Präsentation aufgezeichnet, ggf. von den Student*inn*en nochmals bearbeitet (vgl. Abschnitt 3 Informationen bearbeiten) und als finales Ergebnis im System abgespeichert für diejenigen, die z.B. nicht anwesend sein konnten. Feedback wird besprochen und ggf. notwendige Nacharbeiten/ Korrekturen vermerkt. Auch für diesen Abschnitt wäre es denkbar, vordefinierte “Prüf-Variablen” zu hinterlegen und ggf. automatisiert einblenden zu lassen, falls gewünscht.

Wie könnte ein eben skizziertes Smart Learning Environment nun konkret aussehen? Welche gestalterischen Möglichkeiten gibt es? Die technische Grundausstattung ist im Vergleich zu “normalen Seminarräumen” wahrscheinlich am offensichtlichsten ausgebildet. Ein äußerst modernes Medienzentrum hat beispielsweise die Universität Passau im Einsatz, welches im Rahmen der #GMW14 (vgl. Beitrag vom 12.08.2014) vorgestellt wurde. Dank virtueller Führung konnte ich mir ein konkretes Bild über die Räumlichkeiten machen. Vielen Dank an dieser Stelle an Herrn Dr. Christian Müller! Hier “nur” eine Grafik:

Bild1

Das InteLeC-Zentrum bietet den Student*inn*en eine umfassende Palette zum Lernen mit digitalen Medien an. Die technische Ausstattung ist hierbei vorbildlich und auf höchstem Niveau. Es gibt separate Räume für die nachträgliche Bearbeitung von Videomaterial (Professionelle Bearbeitung von Ton und Schnitt). Durch die flexible Gestaltung von Tischen und Stühlen können unterschiedliche Lernformen realisiert werden. Eine ausführliche Beschreibung gibt es im Tagungsband der #GMW14 (hier klicken).

Wenn man nun das InteLeC-Zentrum mit der (visionären) Beschreibung eines Smart Learning Environments vergleicht, so stellt man fest, dass das InteLeC-Zentrum eine gute technische Basis bildet, auf welche ein intelligentes System aufgesetzt werden könnte, das dann “vernetztes Lernen” ermöglichen würde. Dies hätte zum Beispiel auch in Bezug auf die Usability des InteLeC-Zentrums Auswirkungen. Wenn z.B. bereits bei der Entstehung von Videomaterial automatisiert Tutorials und Werkzeuge zur nachträglichen Bearbeitung zur Verfügung gestellt würden, könnte man zukünftig eventuell auf zusätzliches Personal verzichten.

Was mir persönlich bei der Gestaltung von Smart Learning Environments sehr wichtig wäre, ist, dass die technische Ausstattung nicht dominiert, sondern bestenfalls unsichtbar in den Raum und das Mobiliar integriert ist. Das Lernen mit “Papier und Stift” sowie anderen Materialien sollte gleichrangig zum digitalen Lernen Berücksichtigung finden.

Inspirationsquelle gefällig? Besonders innovative Räume und Gebäude wurden im Rahmen des World Architecture Festival ausgezeichnet, wobei mir das BUILDING OF THE YEAR als Lernraum besonders gut gefallen würde. Es handelt sich hierbei um The Chapel by a21studio, in Ho Chi Minh City, Vietnam:

Bild2

Die komplette Bildergalerie zu “The Best New Buildings on the Planet” ist hier zu finden: http://www.entrepreneur.com/slideshow/238205.

Dieser Blogpost war nun ein wenig länger und komplexer als sonst. Ich hoffe, er war trotzdem verständlich und inspirierend? Ich freue mich über Feedback, weitere Ideen und Anregungen jeder Art.