AEyeCoL: Erweitertes Verständnis des Blickverhaltens bei kollaborativem Lernen

• Antragstellerinnen / Antragsteller: Dr. Babette Bühler; Dr. TIm Fütterer; Professorin Dr. Enkelejda Kasneci; Professor Dr. Ulrich Trautwein
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Allgemeines und fachbezogenes Lehren und Lernen
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 563097140

Kollaboratives Lernen (CL) ist ein zentraler 21st Century Skill, der für die Förderung von kritischem Denken, Problemlösung und lebenslangem Lernen bekannt ist. Während die Auswirkungen von CL auf die Lernergebnisse umfassend erforscht wurden, ist über die nonverbalen Mechanismen, die einer erfolgreichen Zusammenarbeit zugrunde liegen, wesentlich weniger bekannt. Dieses Projekt zielt darauf ab, unser Verständnis der Blickdynamik in Gruppenarbeit mit Hilfe mobilen Eye-Trackings und maschinellen Lernens (ML) zu verbessern. Durch die Analyse von Blickinteraktionen, wie z.B. gemeinsame visuelle Aufmerksamkeit (JVA), JVA-Initialisierung und Blickkontakt, wollen wir die sozialen und kognitiven Prozesse aufdecken, die eine effektive Zusammenarbeit fördern. Das vorgeschlagene Projekt hat fünf Hauptziele: (O1) Erstellung eines umfassenden Sets von Blickindikatoren auf Gruppenebene, die für CL relevant sind. (O2) Entwicklung einer automatisierten Blickanalyse-Pipeline unter Verwendung von Computer-Vision-Methoden, die die manuelle Annotation von Bereichen von Interesse ersetzt, um Blickindikatoren zu extrahieren, und deren Veröffentlichung als Open-Source-Ressource. (O3) Veröffentlichung eines anonymisierten, großen Eye-Tracking-Datensatzes für die zukünftige Forschung. (O4) Vorhersage der Teamdynamik, wie z.B. das Aufkommen von Führungsrolle und Turn-Taking, mit ML-Modellen auf der Grundlage von Blickindikatoren. (O5) Übertragung und Anpassung der Methoden auf reale Bildungssituationen mit Kindern im Schulalter, um die Wechselwirkung zwischen Blickdynamik, Gruppenprozessen und Lernergebnissen zu beleuchten. Durch zwei aufeinander aufbauende CL-Studien, von denen die erste mit Studierenden und die zweite mit Grundschulkindern durchgeführt wird, werden wir kritische Forschungslücken schließen, darunter das Fehlen umfassender Blickindikatoren, die über JVA hinausgehen, der Mangel an Instrumenten für skalierbare Analysen und der begrenzte Fokus auf naturalistische und Multi-User-Settings in der Forschung. Durch die Untersuchung der Frage, wie das Blickverhalten die Teamdynamik widerspiegelt und wie es mit der Instruktionsqualität und den Lernerfolg zusammenhängt, wird dieses Projekt neue Einblicke in die Prozesse bieten, die effektivem CL zugrunde liegen. Die Ergebnisse werden zur Veröffentlichung eines Eye-Tracking Datensatzes, eines Open-Source-Frameworks für die Blickanalyse und Richtlinien für die Verbesserung von CL sowohl im Hochschul- als auch im Schulkontext führen. Unser interdisziplinärer Ansatz, steht im Einklang mit UGaze, indem er das Verständnis der Blickdynamik in CL fördert, durch die Entwicklung skalierbarer Werkzeuge und eines Datensatzes eine Brücke zwischen Gaze-Sharing und Gaze-Based Interaction schlägt, die gemeinschaftlich betriebene Forschung fördert und Anwendungen in verschiedenen Bildungs- und Multi-User-Kontexten ermöglicht.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 2481: Blicke verstehen
• Mitverantwortlich: Professor Dr. Peter Gerjets