Leibniz-Institut für Wissensmedien, Fachbereich Informatik, Hector-Institut für Empirische Bildungsforschung, Leibniz-Institut für die Pädagogik der Naturwissenschaften und Mathematik 

Der transdisziplinäre Ansatz von Video-SRS vereint Expertise aus verschiedenen wissenschaftlichen Disziplinen, um innovative Lösungen zur Unterstützung des Fernlernens per Video zu entwickeln. Dieser Ansatz basiert auf der Zusammenarbeit von Experten aus den Bereichen kognitive und pädagogische Psychologie, Mathematikdidaktik und Informatik. Hier sind die Hauptkonzepte und Ziele von Video-SRS im Detail beschrieben:

1. Analyse der Selbstregulation (SR) beim Fernlernen von Videos: Ein zentraler Schwerpunkt von Video-SRS liegt auf der Untersuchung der Selbstregulationsfähigkeiten von Lernenden, wenn sie Lerninhalte in Form von Videos konsumieren. Dies umfasst die Erforschung, wie Lernende ihre eigenen Lernprozesse steuern, Selbstkontrolle ausüben und ihr Lernen optimieren können.
    
2. Verwendung psychologischer Modelle: Die Forschung in der kognitiven und pädagogischen Psychologie liefert wertvolle Erkenntnisse über die menschliche Lernpsychologie. Video-SRS nutzt diese Erkenntnisse, um die Selbstregulation der Lernenden besser zu verstehen und zu unterstützen.
    
3. Einsatz maschineller Lerntechologien (ML): Die Integration von maschinellen Lerntechnologien ermöglicht es, große Mengen von Lerndaten zu analysieren und Muster in Bezug auf die Selbstregulation der Lernenden zu erkennen. Dies kann ddazu beitragen, potenzielle Schwierigkeiten oder Herausforderungen beim Fernlernen zu identifizieren.
    
4. Triangulation verschiedener Datensätze: Video-SRS verwendet eine Triangulation von verschiedenen Datenquellen, um ein umfassendes Bild des Fernlernprozesses zu erhalten. Dies können beispielsweise Lernanalysen, Umfragen oder Interviews sein.
    
5. Verbesserung des Video-Fernlernens: Basierend auf den Erkenntnissen aus der Analyse der Selbstregulation zielt Video-SRS darauf ab, das Video Fernlernen zu verbessern. Dies geschieht durch die Entwicklung von innovativen Instruktions- und Unterstützungsmaßnahmen, die den Lernenden helfen, effektiver zu lernen.
    
6. Automatische Erkennung von SR-Problemen: Ein wichtiger Aspekt ist die automatische Erkennung von Problemen bei der Selbstregulation der Lernenden. Wenn diese Probleme identifiziert werden, können gezielte Maßnahmen ergriffen werden, um die Lernenden zu unterstützen.
    
7. Verbesserung von Lehrvideos: Video-SRS strebt auch die Identifzierung von suboptimalen Merkmalen und Lehrvideos an, die das Lernen beeinträchtigen können. Dies kann sowohl Lernenden als auch Videoproduzenten helfen, die Qualität von Lehrvideos zu steigern.

Insgesamt zielt Video-SRS darauf ab, die Effektivität des Fernlernens per Video zu steigern, indem es sowohl auf die Selbstregulation der Lernenden als auch auf die Gestaltung von Lehrvideos selbst fokussiert. Dieser transdisziplinäre Ansatz ermöglicht es, verschiedene Perspektiven und Fachkenntnisse zu nutzen, um innovative Lösungen für das Fernlernen per Video zu entwickeln.