10.06.2021
Durch die Bereitstellung von Daten für wissenschaftliche Einrichtungen wird die Forschung insgesamt schneller und effektiver. Wissenschaftler*innen können überprüfen, welche Daten bereits verfügbar sind und welche Informationen sie noch benötigen. Das Wissen, welches die Wissenschaftler*innen im Rahmen ihrer Forschungstätigkeiten generieren, soll über eine zentrale, online-basierte Plattform an verschiedene Zielgruppen vermittelt werden. Dazu gehören Patient*innen und Betroffene, Vertreter*innen der Gesundheitsberufe, Medizininformatiker*innen und artverwandte Berufe sowie Bürger*innen und die interessierte Öffentlichkeit. Diese Zielgruppen analysierten die Wissenschaftler*innen anhand verschiedener Kriterien (z. B. Lerntyp, Bezug zur Medizin, Umgang mit digitalen Technologien), um die jeweiligen Ansprüche besser verstehen zu können. Die Zielgruppenanalyse ist Ausgangspunkt der Identifikation relevanter Themen für die Zielgruppen: Für Patient*innen und Betroffene sind vor allem Informationen zu Krankheiten und Therapien interessant. Vertreter*innen der Gesundheitsberufe sowie Medizininformatiker*innen und artverwandte Berufe erhalten Informationen über die medizinische Datenanalyse und maschinellen Lernverfahren. Für Bürger*innen und die interessierte Öffentlichkeit sind insbesondere Fragen zur Privatsphäre und Sicherheit ihrer Daten relevant. Die onlinebasierte Lehre kann in unterschiedlichen Formaten durchgeführt werden. Dies geht von Vorlesungs-Aufzeichnungen mit ergänzenden digitalen Unterlagen bis hin zu Online-Veranstaltungen unter Einbezug digitaler Wirklichkeiten wie Virtual und Augmented Reality. Damit die Wissenschaftler*innen geeignete Formate für die Zielgruppen ermitteln können, analysierten sie grundlegende Einflussfaktoren wie Gruppengröße, Betreuungsumfang und Vorwissen der Zielgruppe. Als theoretische Grundlage für die Konzeption der Online-Kurse wählte das Zukunftslabor das Fünf-Phasenmodell nach Gilly Salmon. Dabei geht es um eine Form der Aktivierung der Lernenden in einem fünfstufigen Modell, das eine schrittweise Heranführung an ein selbstständiges Lernen zum Ziel hat. Die fünf Phasen sind in Zugang und Motivation, Online-Sozialisation, Informationsaustausch, Wissenskonstruktion und Entwicklung unterteilt. Auf dieser Grundlage konzipierten die Wissenschaftler*innen ein spezifisches didaktisches Konzept für die Online-Lehre im Zukunftslabor Gesundheit. Zur digitalen Umsetzung des didaktischen Konzepts bedarf es einer geeigneten Wissensvermittlungsplattform in Form eines Lernmanagementsystems. Diese Plattform muss über bestimmte Funktionalitäten verfügen (z. B. Foren, Videopräsentationen, Durchführung von Tests), um die einzelnen Phasen des Lernens zu ermöglichen bzw. zu unterstützen. Mit dem Hintergrundwissen über die Zielgruppe, die Formate für Online-Lehre, das Lernphasenmodell und die erforderlichen Funktionen verglichen die Wissenschaftler*innen verschiedene Lernmanagementsysteme der beteiligten Partner, um eine für alle Zielgruppen passende Plattform zu identifizieren. Im Folgenden werden die Wissenschaftler*innen auf der Basis des didaktischen Konzepts erste Online-Kurse entwerfen.
Um die ausgewählten Lernmanagementsysteme zu evaluieren, haben wir einen exemplarischen Online-Kurs angelegt und die Funktionalitäten der jeweiligen Plattformen überprüft. Im Verlauf des Forschungsprojekts soll zudem das Feedback der Teilnehmenden zur Weiterentwicklung unserer Angebote beitragen. Hierfür haben wir ein Evaluationskonzept entwickelt, mit dem wir die stetige Qualitätskontrolle der Online-Kurse und der Plattform gewährleisten können. Dadurch wird es möglich, das Lernangebot laufend zu überprüfen und zu verbessern
Curriculum legt Kursinhalte fest
Aufbauend auf dem didaktischen Konzept, das die Zielgruppen und die Methoden der online-basierten Weiterbildung beschreibt, erstellten die Wissenschaftler*innen ein Curriculum für einen Online-Kurs zur Datenanalytik. Dieser ist für die Zielgruppe „Vertreter*innen der Gesundheitsberufe“ vorgesehen. Das Curriculum beinhaltet die Themen des Kurses, zeigt also, was die Teilnehmenden inhaltlich lernen sollen. Die Weiterbildung ist darauf auslegt, Personal aus Gesundheitsberufen (Pflegekräfte, Physiotherapeut*innen, Logopäd*innen, Ergotherapeut*innen und Hebammen) dazu zu befähigen, selbstständig individuelle Patientendaten und epidemiologische Daten zu analysieren und auszuwerten. Um geeignete Themengebiete für das Curriculum zu identifizieren, werteten die Wissenschaftler*innen Modulbeschreibungen unterschiedlicher Studiengänge im Bereich der Gesundheitsberufe aus. Daraufhin legten sie drei relevante Inhalte für das Curriculum fest: das Paradigma des lernenden Gesundheitssystems, inferenzstatistische Konzepte und Datenmodellierung mithilfe statistischer Methoden. Kern eines lernenden Gesundheitssystems ist die Aufbereitung von Gesundheitsdaten, die routinemäßig erhoben werden. Das lernende Gesundheitswesen spezifiziert dazu ein Modell eines kontinuierlichen Lernzyklus, der das Lernen auf Basis analytischer und statistischer Methoden aus den routinemäßig erhobenen Gesundheitsdaten spezifiziert. Das Curriculum des Zukunftslabors sieht vor, das Paradigma des lernenden Gesundheitswesens anhand einschlägiger Literatur und Beispielen zu besprechen und in diesem Zusammenhang auch die Entscheidungsunterstützung durch datengetriebene Informationssysteme zu thematisieren. Der zweite Bereich des Curriculums, die Inferenzstatistik, beschäftigt sich mit Methoden der Statistik, die stichprobenartige Befunde auf die Gesamtheit der erhobenen Daten überträgt. Dies soll im Rahmen der Online-Kurse vermittelt werden, da die Inferenzstatistik standardgemäß nicht im Lehrplan gesundheitsbezogener Studiengänge vorgesehen ist, aber wichtige Informationen zur Datenanalyse liefert. Beim dritten Aspekt – der Datenmodellierung – geht es darum, den Teilnehmenden des Online-Kurses Methoden zur Modellierung medizinischer Daten zu vermitteln. Solche Modelle sind hilfreich, um den Verlauf von Krankheiten vorauszusagen zu können. Außerdem sollen die Teilnehmenden dazu befähigt werden, sich kritisch mit dem Einsatz statistischer Modelle zur Datenanalyse auseinanderzusetzen.
