Im Blogbeitrag zur „Umsetzung eines tutoriellen Assistenzsystems (TAS) in VerDatAs“ wurde ein Dashboard mit grafischer Wissensstruktur als wichtige Komponente motiviert, da diese nicht nur als zentrale Steuerkomponente des TAS dient, indem sowohl eine freie Navigation ermöglicht wird und ein Lernfortschritt für Studierende einsehbar ist, sondern Lehrende auch dazu motiviert werden, die Strukturierung ihrer Lerninhalte zu überdenken und interaktive Elemente zu integrieren. In diesem Blogbeitrag wird die Umsetzung der Wissensstruktur detaillierter beschrieben.
Die Wissensstruktur gibt einen Überblick über das Lernthema, indem die Lerninhalte sowie die Verbindungen und Abhängigkeiten zwischen diesen Inhalten grafisch visualisiert werden. Dabei wird das Lernthema, welches durch den ILIAS-Kurs beschrieben wird, als Wurzelelement dargestellt. Auf der zweiten Ebene werden die Lernmodule eingebunden, welche wiederum in Teilkapitel strukturiert sind (dritte Ebene). Um die Übersichtlichkeit der Wissensstruktur zu gewährleisten, wird auf die Darstellung der Inhaltsseiten von Teilkapiteln verzichtet und diese lediglich als Parameter gehalten. Stattdessen werden in der grafischen Wissensstruktur die interaktiven Aufgaben, die zur Festigung der Inhalte dienen, auf der letzten Ebene als Blattknoten dargestellt, wie schematisch im dritten Schritt des Bildes dargestellt.
Um den Prozess der Erstellung der Wissensstruktur möglichst einfach zu gestalten, werden die notwendigen Elemente wie in der Grafik dargestellt automatisch aus ILIAS extrahiert und die Struktur erstellt. Hierzu gehören neben den Elementen auch vorhandene Parameter wie der Name eines Elements oder dessen GoTo-Link, der für die spätere Navigation notwendig ist. Weitere Parameter, wie die geschätzte Bearbeitungszeit eines Lernmoduls, können anschließend manuell durch den Lehrenden ergänzt werden – diese werden durch das TAS später zur Generierung geeigneter Vorschläge verwendet. Eine Methode zur automatischen Extraktion von einzelnen Metadaten (z.B. die Schätzung der Bearbeitungsdauer auf Grundlage von Textverarbeitungsalgorithmen) wurde bereits untersucht und wird in einem späteren Prototyp integriert, um den Erstellungsprozess noch weiter zu vereinfachen.
Grundidee der technischen Realisierung ist die Integration des Dashboards (samt Wissensstruktur) mittels ILIAS „PageComponent“-Plugin, wodurch diese über den „Seite gestalten“ Dialog auf der Kursseite eingebunden werden kann. Um die Lösung so unabhängig von ILIAS wie möglich zu gestalten, wurde das Dashboard mit Hilfe des Frontend Frameworks Vue.js als JavaScript-Anwendung realisiert, die über ein Template in ILIAS eingebunden wird. Dadurch war es möglich, die Navigation sowie die Umsetzung unterschiedlicher Ansichten (Lehrenden vs. Studierenden-Ansicht) einfach zu realisieren. Auf dem Screenshot unten sichtbar ist die initiale Ansicht eines Lehrenden mit den Optionen des Aufrufs der Wissensstruktur, der Auswahl von Modulen, die Definition von Lernpfaden sowie das Festlegen weiterer Einstellungen. Die Verwendung vorhandener CSS-Klassen von ILIAS sorgt dafür, dass sich die Anwendung optisch gut in das vorhandene System integriert.
Die Wissensstruktur wurde mittels diagram-js umgesetzt, welches sich selbst als „Toolbox für die Anzeige und Änderung von Diagrammen im Web“ beschreibt und sehr individuell anpassbar ist. Zur Definition vorhandener Elemente, Parameter und Beziehungen zwischen Elementen dient ein Metamodell, welches mittels moddle beschrieben wurde und darauf basierende Diagramme mittels moddle-xml gelesen und geschrieben werden können. Alle erwähnten Bibliotheken stammen vom bpmn.io Projekt und sind bei Einbindung des „bpmn.io“-Watermarks unentgeltlich benutzbar.
Ein Beispiel einer Wissensstruktur ist im Screenshot unten am Kurs „Ausbildung für die Elektrofachkraft für festgelegte Tätigkeiten“ dargestellt, welcher aktuell aus drei Lernmodulen besteht. Mittels des rechts dargestellten „PropertiesPanel“ können die im Metamodell definierten Metadaten für das ausgewählte Element definiert werden. Die manuelle sowie automatische Definition dieser Parameter sowie die Erstellung von Lernpfaden sind aktuell Forschungsgegenstand und werden kontinuierlich weiterentwickelt.
