Zusammenfassung Basierend auf Ideen aus dem Bereich der Gescha¨ftsprozessmodellierung werden zwei Ansa¨tze zur Modellierung kollaborativer learnflows entwickelt und es wird gezeigt wie sich entsprechende Lernprozessmodelle automatisch aus Protokolldateien von Lernsystemen erzeugen lassen. Wa¨hrend sich die Repra¨sentation, Verarbeitung und Computerunterstu¨tzung von Gescha¨ftsprozessen etabliert hat und methodisch gereift ist, werden hingegen auf dem verwandten Gebiet fu¨r Lehr- / Lernprozesse erst in den letzen Jahren versta¨rkte Anstrengungen unternommen. Aus diesem Anlass diskutierten wir in [1] die Gemeinsamkeiten, Unterscheidungsmerkmale und einen potentiellen Methodentransfer zwischen Gescha¨ftsprozessen und Lernprozessen. An dieser Stelle entwickelten wir auch erste Ansa¨tze zur Modellierung von Gruppenlernprozessen mit Hilfe von Petri-Netzen und der Generierung von Netzmodellen aus Protokollinformationen (logfiles) durch miningAlgorithmen. Von besonderem Interesse ist dabei, wie kollaborative Arbeit bzw. Lernen geeignet repra¨sentiert werden ko¨nnen und welche Rollen bzw. Gruppenzusammensetzungen fu¨r einzelne Aktivita¨ten notwendig bzw. erwu¨nscht sind. Dabei sind insbesondere die Spezifika von kollaborativen Lehr- / Lernprozessen gegenu¨ber Gescha¨fts- prozessen zu beru¨cksichtigen, was eine direkte Nutzung existierender Ansa¨tze aus dem Bereich der Gescha¨ftsprozessmodellierung (z.B. [2]) einschra¨nkt bzw. Erweiterungen notwendig macht: - Fu¨r den Gescha¨ftsprozess ist die Durchfu¨hrung des Prozesses und der damit verbundenen Aktivita¨ten ein Mittel zur Erreichung eines bestimmten Endprodukts, wobei die Qualita¨t aber weniger die Beteiligung der einzelnen eingebundenen Akteure im Vordergrund steht. Bei Lernprozessen ist hingegen wesentlich, dass die Lernenden einen Lernprozess durchlaufen, bei dem einzelne Aktivita¨ten Lerngelegenheiten bieten; das Ergebnis des Prozesses ist - abgesehen von formalen Pru¨fungen - weniger wichtig als das (vollsta¨ndige) Durchlaufen des Prozesses fu¨r die Teilnehmer. Daher sollten die einzelnen Akteure bei der Modellierung von Lernprozessen gro¨ßere Beru¨cksichtigung finden. - Das Rollenkonzept im workflow engineering beruht i.A. auf der Verantwortlichkeit bzw. Kompetenz fu¨r eine bestimmte Menge von Aktivita¨ten, die nach anfa¨nglicher Zuweisung von Rollen fu¨r konkrete Akteure festbleibt. Dynamische Einschra¨nkungen der Aktivita¨tsbearbeitung (in etwa: derselbe Akteur, der das Angebot formuliert
soll auch den Vertrag abschließen) und spezielle Regeln zur Allokation von Akteuren zu Aktivita¨ten (in etwa: der Akteur mit einer geforderten Rolle, der den wenigsten weiteren Rollen zugeordnet ist, soll zugewiesen werden) sind in verschiedenen Ansa¨tzen, z.B. RBAC (Role-Based Access Control), mit Zusatzkonstrukten explizit formulierbar. Im Gegensatz zu diesem starren Rollenkonzept werden in Lernprozessen Rollen ha¨ufig eingesetzt, um bestimmte Fertigkeiten einzuu¨ben und im Laufe eines Lernprozesses werden Rollen dynamisch gewechselt bzw. erworben. Eine Erweiterung eines statischen Rollenmodells hin zu einem dynamischen, das in der Lage ist die Lernhistorie fu¨r Rollenfestlegungen heranzuziehen, ist folglich fu¨r Lernprozesse vorzunehmen. – Einzelne Aktivita¨ten, gelegentlich auch der gesamte Lernprozess, ko¨nnen durch Gruppenarbeit, -diskussion usw. realisiert werden, wobei ha¨ufig in kollaborativen Ansa¨tzen diese Gruppenphasen von hoher Bedeutung fu¨r die Lernerfahrung sind. Die Mo¨glichkeit der Repra¨sentation von Gruppen, in der Gruppe notwendigen Rollen und gegebenenfalls dynamische Bildung / Umformung von Gruppen ist somit eine weitere Anforderung an Lehr- / Lernprozesse.
Im Folgenden werden wir aufbauend auf den Konzepten der
Gescha¨ftsprozessmodellierung aus [
Einen ersten entsprechenden Modellierungsansatz haben wir schon in [
Da die Akteure und insbesondere deren Rollenwechsel bei der Lernprozessmodellierung eine zentrale Rolle spielen, schlagen wir hier vor diesen Ansatz zu verfeinern, indem wir die dynamische Rollenbelegung der Akteure explizit durch ein Zustandsdiagramm modellieren (natu¨rlich lassen sich hier auch hierarchische Rollenbeziehungen darstellen). Ein Akteur kann seine Rolle, i.e. seinen Zustand, a¨ndern, wenn er eine Aktivita¨t durchfu¨hrt. Rollenwechsel finden also durch Synchronisation der U¨ berga¨nge der Zustandsdiagramme mit Aktivita¨ten des Prozessmodells statt.
In einem zweiten Modellierungsvorschlag gehen wir noch einen Schritt weiter,
indem wir den globalen Akteurspool auflo¨sen und die Zustandsdiagramme, welche die
Akteure repra¨sentieren, als Marken in den Kontrollfluss des Prozessmodells einbetten.
Dadurch la¨sst sich insbesondere der Fortschritt der Akteure innerhalb des
Lernprozesses durch ihre ”Aufenthaltsorte“modellieren. Bei diesem Ansatz haben wir uns von
den existierenden Ideen zur Modellierung mit ”Netzen in Netzen“inspirieren lassen.
Insbesondere gibt es Arbeiten (z.B. [
Die zwei Modellierungsansa¨tze fokussieren auf die Repra¨sentation dynamischer Rollen und beru¨cksichtigen (Lern-) Gruppen nur implizit durch kollaborative Aktivita¨ten. Wir geben daher anschließend einen Ausblick auf Erweiterungen der zwei Ansa¨tze zur expliziten Modellierung von Gruppen.
Zusa¨tzlich zu den Modellierungsansa¨tzen diskutieren wir die Mo¨glichkeiten und das
Vorgehen fu¨r eine automatisierte Synthese von solchen Modellen aus realen
Protokollinstanzen als Ansatz zum collaboration flow mining. Hierbei erweitern wir die in [
In Kapitel 2 stellen wir die neuen Modellierungsansa¨tze an einem Beispiel, welches
schon in [
Als Beispiel betrachten wir im Folgenden Gruppen von je drei Schu¨lern, die unterstu¨tzt
durch das Tool FreeStyler (www.collide.info) lernen, wie sich verschiedene Faktoren
(z.B. Lichtverha¨ltnisse, CO2-Gehalt, ...) auf das Wachstum von Pflanzen auswirken (fu¨r
Details vgl. [
Erstes Modell: Das Lernprozessmodell in Abbildung 1 stellt den Prozessaspekt des Beispiels dar, der durch einen Zustandsautomaten, der ein Rollendiagramm repra¨sentiert, in Abbildung 2 erga¨nzt wird. Eine Aktivita¨t im Prozessmodell kann nur dann durchgefu¨hrt werden, falls die an der Transition angeschriebene Anzahl von Rollen im globalen Akteurspool vorhanden ist: beispielsweise erfordert die kollaborative Aktivita¨t Planung (Pl) 2 Akteure in der Rolle Schu¨ler. Beim Schalten der Transition werden fu¨r die betreffenden Akteure Rollenvera¨nderungen vorgenommen, die im Automatenmodell einem Zustandswechsel mit dem Transitionsnamen als Eingabezeichen entsprechen; in unserem Beispiel gehen also durch die Planungsaktivita¨t beide Schu¨ler in die Rolle Modellierer u¨ber. Als Konvention zur Vereinfachung des Zustandsautomaten setzen wir voraus, dass bei Aktionen, die im Diagramm nicht explizit einen Rollenwechsel verursachen, die bisherige Rolle erhalten bleibt: Die Aktivita¨t Modellierung (Mo) fu¨hrt fu¨r einen Akteur, der sich in der Rolle Modellierer befindet, keinen Rollenwechsel herbei und kann deshalb im Diagramm entfallen.
3 Schüler
Ei 2 Schüler
Pl
Fr Schüler
Akteure werden bei diesem Modellierungsansatz in das
Rollendiagramm einkodiert: Beispielsweise wird durch Pl Model ierer E1,E2,Da Modl iererEx Ausfu¨hren von Experiment1 (E1) ein Lernfortschritt durch einen Rollenwechsel erreicht, der ein Ausfu¨hren Schüler von Experiment2 (E2) und Daten (Da) verhindert. DieFr Protokol ant E1,E2,Da Protokol antEx se Repra¨sentation fortschrittsabha¨ngiger Aspekte wird im folgenden alternativen Modellierungsansatz eleganAbbildung 2. Erstes Modell: ter adressiert.
Rollendiagramm repra¨sen- Zweites Modell: Die Abbildungen 3 und 4 stellen tiert als Zustandsautomat in a¨hnlicher Form den Prozessaspekt und den Rollenaspekt im alternativen Modellierungsansatz dar. Hierbei wird fu¨r die Prozessrepra¨sentation ein hierarchisches Petrinetz verwendet, bei dem die Marken selbst Rollenautomaten sind, die jeweils einen Akteur repra¨sentieren, dessen Rolle durch seinen aktuellen Zustand dargestellt wird und dessen Fortschritt im Lernprozess durch die Platzierung im Netz erkennbar ist. In a¨hnlicher Weise wie im ersten Modellierungsansatz wird eine Aktivita¨t durchgefu¨hrt, sofern mindestens soviele Akteure in Rollen, wie an der Transition angeschrieben, vorhanden sind, allerdings mu¨ssen diese Akteure nun lokal im Vorbereich der Transition vorhanden sein. Die Kantengewichte geben hierbei an wieviele Akteure aus welcher Stelle beno¨tigt werden und in welche Stellen wieviele Akteure fortschreiten (dabei muss die Anzahl der Akteure fu¨r jede Transition erhalten bleiben: ”Ma¨nnchenerhaltungssatz “). Fu¨r den Kontrollfluss darf das Modell zusa¨tzlich auch Stellen mit schwarzen Marken enthalten (wie zwischen den Transitionen Planung und Modellierung).
Durch die Lokalisation jedes Akteurs als Marke im Prozessnetz sind fortschrittsabha¨ngige Aspekte bereits explizit im Petrinetz repra¨sentiert. Deshalb ist nun beispielsweise ein Rollenwechsel beim Ausfu¨hren von Experiment1 (E1) nicht mehr no¨tig, was 3
2 2 2 Modellierer+Protokollant sich im Rollenautomaten von Abbildung 4 gegenu¨ber demjenigen in Abbildung 2 widerspiegelt. U¨ berga¨nge im Rollenautomaten werden wie bereits im ersten Ansatz durch feuernde Transitionen als Eingabezeichen ausgelo¨st.
schlagenen Modellierungsansa¨tze dynamische Rollen, kollaborative Aktivita¨ten und den Fortschritt im Lernprozess geeig
Modellierer net repra¨sentieren ko¨nnen. Allerdings unterscheiden sich die Pl beiden Ansa¨tze bezu¨glich der Eindeutigkeit und semantischen Schüler Klarheit der Modellierung, wobei kein Ansatz dem anderen Fr eindeutig u¨berlegen ist: Der erste Ansatz trennt die ModellieProtokollant rung von Prozess und Rollen weitgehend voneinander und verwendet einfache anonyme Marken im Petrinetz, wohingegen Abbildung 4. Zwei- der zweite Ansatz komplexe Marken verwendet, die jeweils tes Modell: Rollen- einen Rollenautomaten mit einem aktuellen (Rollen-)Zustand diagramm repra¨sen- repra¨sentieren, was zudem gegebenfalls die optische Lesbartiert als Zustandsau- keit des graphischen Modells erschwert (vergleiche Abbilduntomat gen 1 und 3). Andererseits repra¨sentiert im zweiten Ansatz der
Rollenautomat ausschließlich semantisch klar definierte Rollen und U¨berga¨nge, was im ersten Ansatz eventuell durch fortschrittsabha¨ngige PseudoRollen modelliert werden muss, falls die Lernhistorie beru¨cksichtigt werden soll. Dies zeigt sich klar im Vergleich der Abbildungen 4 und 2, in dem der zweite Ansatz wesentlich klarer die notwendigen Rollen darstellt.
Explizite Gruppenmodellierung: Gruppen sind in den zwei Modellen implizit u¨ber kollaborative Aktivita¨ten beru¨cksichtigt. Zur expliziten Gruppenmodellierung bieten die zwei Modellierungsansa¨tze zwei Mo¨glichkeiten. Zum einen lassen sich Gruppen durch verschiedene Prozessinstanzen repra¨sentieren. Hier fehlen allerdings noch Konzepte zur Modellierung von Abha¨ngigkeiten zwischen Prozessinstanzen um dynamische Gruppenumformierungen darstellen zu ko¨nnen. Andererseits lassen sich Gruppen auch analog zu Rollen explizit in den Zustandsdiagrammen der Akteure modellieren. Bei Gruppen ist es aber im Gegensatz zu Rollen wichtig die Gesamtgruppendynamik darzustellen, welche sich dann nur implizit u¨ber die Gruppenzugeho¨rigkeiten der einzelnen Akteure ergibt. Daher wa¨ren hier Erweiterungen der Modellierungsansa¨tze interessant, welche zu jedem Zeitpunkt explizit die Lerngruppen darstellen, z.B. geeignete Gruppierungen der Zustandsdiagramme im Akteurspool.
In diesem Kapitel zeigen wir einen Ansatz zum Auffinden eines Lernprozessmodells der ersten Form aus Protokollinformationen, d.h. es soll ein Lernprozessmodell erzeugt werden, welches entweder das aufgezeichnete (dem Dozenten evtl. unbekannte) Lernverhalten der Sch u¨ler oder durch entsprechendes Filtern auch das erw u¨nschte Lernverhalten der Sch u¨ler wiedergibt. Wenn ein Akteur unterst u¨tzt von einem Informationssystem eine Aktivita¨t ausf u¨hrt, entstehen Ereignisse und durch Aufzeichnung der Ereignisse Protokollinstanzen. Jede Aufzeichnung eines Ereignisses soll Informationen u¨ber den zugeh o¨rigen Prozess, die zugeho¨ rige Prozessinstanz, den Name der Aktivita¨t, den Zeitpunkt ihrer Ausf u¨hrung und die ausfu¨ hrenden Akteure (mehrere bei kollaborativen Aktivita¨ten – u.U. m u¨ssen diese noch aus mehreren Ereignissen mit dem selben Zeitstempel zusammengesetzt werden) enthalten. Die Ereignisse werden erst nach Prozess und Prozessinstanz und innerhalb einer Prozessinstanz in der Reihenfolge ihres Ausfu¨ hrungszeitpunktes geordnet. Damit ergibt sich f u¨r jede Prozessinstanz eine Folge von Aktivita¨ten mit zugeordneten Akteuren. Diese Abla¨ufe lassen sich als Ausgangspunkt fu¨ r verschiedene Mining Algorithmen verwenden, um Prozessmodelle zu erzeugen. Derart erzeugte Prozessmodelle k o¨nnen zur Verifikation, Analyse oder zur Steuerung des operationalen Prozesses durch ein Informationssystem benutzt werden.
Das Tool Freestyler zeichnet die Aktivita¨ten der Sch u¨ler als Ereignisse auf. Abbildung 5 zeigt einen Auszug aus einem Beispielprotokoll von Freestyler f u¨r den betrachteten Lernprozess. Darunter zeigt Abbildung 5 einen sich aus dem Beispielprotokoll ergebenden Ablauf von Aktivita¨ten mit zugeordneten Akteuren. Der Dozent hat die M o¨glichkeit die Menge der Lernabla¨ufe zu filtern, indem er nach gewissen Kriterien (z.B. nachtra¨glich gemessener Lernerfolg) unerw u¨nschte Lernabla¨ufe entfernt und speziell erw u¨nschte Lernabla¨ufe zusa¨tzlich vorgibt. In diesem Fall wird dann durch mining ein Modell f u¨r einen erw u¨nschten Lernprozess erzeugt, wa¨hrend ohne Filterung durch den Dozenten ein Modell f u¨r den tatsa¨chlich von den Sch u¨lern durchgefu¨ hrten Lernprozess generiert wird.
Protokoll-Datei
Prozess Prozessinstanz Aktion Schu¨ler Zeit Photosynthese Gruppe A Einfu¨hrung Andi, Basti, Robin 10:03:12 Photosynthese Gruppe A Fragestellung Robin 10:06:43 Photosynthese Gruppe B Einfu¨hrung Bert, Caro, Hans 10:07:33
... ... ... ... ...
Lernabla¨ufe Gruppe A (Einfu¨hrung; Andi,Basti,Robin), (Fragestellung; Robin), (Planung; Andi,Basti), (Modellierung; Andi,Basti), (Hypothese; Andi,Basti,Robin), (Experiment1; Andi), (Experiment2; Robin), (Daten; Basti), (Analyse; Andi,Basti,Robin), (Pra¨sentation; Andi,Robin) ...
Wir nehmen im Folgenden ein vollsta¨ndiges Protokoll fu¨r den im letzten Kapitel
modellierten Lernprozess an, d.h. wir betrachten die Menge aller bzgl. dieses
Lernprozesses mo¨glichen Lernabla¨ufe. Vernachla¨ssigt man in dieser Menge von
Lernabla¨ufen die Akteure, so la¨sst sich aus der resultierenden Menge von Aktivita¨tsfolgen
mit bekannten mining-Verfahren [
Zuerst betrachten wir fu¨r jeden Lernablauf und jeden an dem Ablauf beteiligten Schu¨ler die Folge von Aktivita¨ten, die der Schu¨ler in dem Ablauf durchfu¨hrt. Abbildung 5 illustriert diese Projektionen der Lernabla¨ufe auf die Lernenden fu¨r den betrachteten Ablauf. All diese Folgen von Aktivita¨ten werden nun in einem deterministischen Zustandsdiagramm in Baumform zusammengefasst. Die Zusta¨nde sind dann durch die in der Vergangenheit durchgefu¨hrten Aktivita¨ten eindeutig bestimmt und werden entsprechend benannt. Fu¨r unser vollsta¨ndiges Protokoll ergibt sich das Diagramm in Abbildung 6, welches schon ein erstes Rollenmodell darstellt. Jede Rolle ergibt sich also durch die in einer bestimmten Reihenfolge bisher durchgefu¨hrten Aktivita¨ten. Um diese Rollen konsistent als Beschriftungen im Petrinetz zu verwenden, muss in jedem Lernablauf jeder Akteursname durch die Rolle, die den Aktivita¨ten entspricht, welche der Akteur in der Vergangenheit der betrachteten Aktivita¨t in dem Ablauf durchgefu¨hrt hat, ersetzt werden (siehe Abbildung 5 unten). Die Rollenbeschriftung einer Aktivita¨t im Petrinetz ergibt sich nun aus allen Rollen bzw. bei kollaborativen Aktivita¨ten Rollenkombinationen, die in irgendeinem Lernablauf zusammen mit der Aktivita¨t vorkommen.
- Ei Ei
Pl EiPl Fr
Mo EiFr
Hy Hy
EiPlHyE1 An EiPlHyE1An Pr EiPlHyE1AnPr
E1 EiPlHy E2 EiPlHyE2 An EiPlHyE2An Pr EiPlHyE2AnPr
Da
EiPlHyDa An EiPlHyDaAn Pr EiPlHyDaAnPr
E1 EiPlMoHyE1 An EiPlMoHyE1An Pr EiPlMoHyE1AnPr EiPlMo Hy EiPlMoHy E2
EiPlMoHyE2 An EiPlMoHyE2An Pr EiPlMoHyE2AnPr Da
EiPlMoHyDa An EiPlMoHyDaAn Pr EiPlMoHyDaAnPr
EiFrHyE1 An EiFrHyE1An Pr EiFrHyE1AnPr
E1 EiFrHy E2 EiFrHyE2 An EiFrHyE2An Pr EiFrHyE2AnPr
Da
EiFrHyDa An EiFrHyDaAn Pr EiFrHyDaAnPr
Fu¨r den betrachteten Modellierungsansatz la¨sst sich zeigen, dass aus einer vollsta¨ndigen Ablaufmenge eines Modells mit diesem mining-Verfahren immer ein verhaltensa¨quivalentes Modell erzeugt wird. Insbesondere ist das aus dem Beispiel generierte Modell a¨quivalent zu dem Lernprozessmodell aus Abbildung 1. Allerdings entsteht hier eine sehr feine Rollenaufteilung, die auf der vollsta¨ndigen Aktivita¨tshistorie eines Akteurs basiert.
Im Weiteren ist nun das Ziel das Rollenmodell zu vereinfachen, indem bestimmte Rollen zusammengefasst werden. Hierzu haben wir die folgenden Vereinfachungsregeln fu¨r Rollendiagramme entwickelt. Die Petrinetzbeschriftungen mu¨ssen jeweils konsistent abgea¨ndert werden.
– Rollenu¨berga¨nge, durch Aktionen an denen alle in einer Prozessinstanz vorkommenden Akteure beteiligt sind, ko¨nnen weggelassen werden. – Rollen, die dieselben Folgerollen (bzw. keine Folgerollen) mit denselben U¨ bergangsaktivita¨ten haben (ersichtlich aus Abbildung 6), ko¨nnen zusammengefasst werden, falls sie fu¨r jede ausgehende Aktivita¨t in der Gesamtheit der Lernabla¨ufe genau mit denselben Rollen zusammen vorkommen (ersichtlich aus Abbildung 5 unten). Dabei du¨rfen U¨ berga¨nge zwischen den zu verschmelzenden Rollen vernachla¨ssigt werden. – Als letzte Reduktion ko¨nnen einmalig Rollen ohne Ausga¨nge entfernt werden.
Aus Platzgru¨nden ko¨nnen wir diese Regeln hier nicht na¨her erla¨utern und illustrieren. Es la¨sst sich zeigen, dass diese Regeln unter der Vollsta¨ndigkeitsannahme des Protokolls wieder zu einem a¨quivalenten Modell fu¨hren. In unserem Beispiel ergibt sich ein Rollendiagramm, welches isomorph zu dem in Abbildung 2 ist. Damit la¨sst sich bis auf die Rollennamen, welche in einem Protokoll aber auch nicht auftauchen, das urspru¨ngliche Lernprozessmodell aus einem vollsta¨ndigen Protokoll reproduzieren. Die Rollennamen mu¨ssten daher nachtra¨glich vom Dozenten vergeben werden.
Typischerweise muss davon ausgegangen werden, dass nicht alle mo¨glichen Abla¨ufe eines Prozesses aufgezeichnet werden und damit Protokolle unvollsta¨ndig sind. Fu¨r solche Protokolle sind Anpassungen der mining-Verfahren no¨tig. Hier sind Heuristiken interessant um auf im Protokoll ”fehlende “Abla¨ufe zu schließen und diese in das Prozessmodell zu integrieren. Fu¨r die Kontrollflussperspektive wurden hierzu im Bereich des process mining etliche Verfahren vorgeschlagen. Die Rollendiagramme betreffend sehen wir Mo¨glichkeiten zur Anwendung von Verfahren der strukturellen A¨ quivalenz und der verallgemeinerten Blockmodellierung.
Literatur