Leon Binder, M. Sc.

  • Wirtschaftsinformatik
  • Datenanalyse

Wissenschaftlicher Mitarbeiter

Grafenau

08552/975620-31


Contribution
  • Monica I. Ciolacu
  • Leon Binder
  • Heribert Popp
Enabling IoT in Education 4.0 with Biosensors from Wearables and Artificial Intelligence
  • 2020

DOI: 10.1109/SIITME47687.2019.8990763

A major challenge for Education 4.0 is to make use of wearable devices for helping students in monitoring their learning behavior and their activities (steps, heart rate variability, and heart rate) in real-time. The first aim of this paper is to present our implementation of adaptivity and Artificial Intelligence (AI) methods within the Education 4.0 process. In this work, we investigate embedded biosensors (noninvasive, low-cost, and distraction-free) used in smartphones and smartwatches. The next objective is to enable IoT for Higher Education, i.e. a novel system assisted by AI that takes embedded biosensor data and environmental data into account in order to estimate students’ wellbeing and health. In this regard, we propose a framework that uses wearable devices to collect data with biofeedback methods to support students’ academic success.
Contribution
  • Monica I. Ciolacu
  • Leon Binder
  • P. M. Svasta
  • D. Stoichescu
  • I. Tache
Education 4.0 - Jump to Innovation IoT in Higher Education
  • 2020

DOI: 10.1109/SIITME47687.2019.8990825

Artificial Intelligence (AI) will play a key role in Higher Education. Our contribution leads the road to innovation within IoT for Education 4.0, using a system comprising smartwatch data, health data, learning analytics and Artificial Intelligence. By using embedded sensors from wearable devices, we can add value to Education 4.0. Smartwatches are IoT devices, equipped with a multitude of embedded sensors collecting distraction-free huge amounts of real-time data during students’ learning. In our paper we highlight advantages of wrist-based wearables like smartwatches for Education 4.0. We develop a User Experience Questionnaire for the measurement of acceptance of advanced electronic technology in Higher Education. We identify as experiment’s results the most important sensors and protocols for Education 4.0.
Contribution
  • Monica I. Ciolacu
  • Leon Binder
  • P. M. Svasta
  • D. Stoichescu
  • I. Tache
Education 4.0 - Jump to Innovation IoT in Higher Education
  • 2020

DOI: 10.1109/SIITME47687.2019.8990825

Artificial Intelligence (AI) will play a key role in Higher Education. Our contribution leads the road to innovation within IoT for Education 4.0, using a system comprising smartwatch data, health data, learning analytics and Artificial Intelligence. By using embedded sensors from wearable devices, we can add value to Education 4.0. Smartwatches are IoT devices, equipped with a multitude of embedded sensors collecting distraction-free huge amounts of real-time data during students’ learning. In our paper we highlight advantages of wrist-based wearables like smartwatches for Education 4.0. We develop a User Experience Questionnaire for the measurement of acceptance of advanced electronic technology in Higher Education. We identify as experiment’s results the most important sensors and protocols for Education 4.0.
Contribution
  • Heribert Popp
  • Monica I. Ciolacu
  • Leon Binder
Education 4.0: IoT- und CoP-unterstützte Smarte E-Learning Prozesse
  • 2020
Studierende erleben im Lernmanagementsystem (LMS) „Moodle“ smarte E-Learning Prozesse in Mathematik- und Wissensmanagement-Kursen. „Smartes E-Learning“ besteht in Anlehnung an „smarte Produkte“ aus einer physischen, einer intelligenten und einer Vernetzungs-Komponente. Vernetzt sind die StudentInnen mit dem LMS einerseits in „Communities of Practice“ (CoP) zur Reflexion und andererseits über die Sensoren ihrer Smartphones oder Smartwatches (physische Komponente). Damit lässt sich dieses Lernumfeld der Kategorie “Internet of Things” (IoT) zuordnen. Im Lernprozess können die eingebetteten Sensoren mit den Biosignalen „Puls“ (HR) und „Herzfrequenzvariabilität“ (HRV) zur Selbstreflexion der Lernenden, zur Steuerung des Lernsystems und zur Personalisierung des Nutzungserlebnisses dienen. Erste Tests fanden u.a. Korrelationen zwischen erreichten Punkten in den Kontrollfragen und den Werten der Biosignale. Als intelligente Komponenten sind BenutzerInnenmodellierung, Chatbot, maschinelles Lernen usw. bei „Education 4.0“ im Einsatz.
Contribution
  • Heribert Popp
  • Monica I. Ciolacu
  • Leon Binder
Education 4.0: IoT- und CoP-unterstützte Smarte E-Learning Prozesse
  • 2020
Studierende erleben im Lernmanagementsystem (LMS) „Moodle“ smarte E-Learning Prozesse in Mathematik- und Wissensmanagement-Kursen. „Smartes E-Learning“ besteht in Anlehnung an „smarte Produkte“ aus einer physischen, einer intelligenten und einer Vernetzungs-Komponente. Vernetzt sind die StudentInnen mit dem LMS einerseits in „Communities of Practice“ (CoP) zur Reflexion und andererseits über die Sensoren ihrer Smartphones oder Smartwatches (physische Komponente). Damit lässt sich dieses Lernumfeld der Kategorie “Internet of Things” (IoT) zuordnen. Im Lernprozess können die eingebetteten Sensoren mit den Biosignalen „Puls“ (HR) und „Herzfrequenzvariabilität“ (HRV) zur Selbstreflexion der Lernenden, zur Steuerung des Lernsystems und zur Personalisierung des Nutzungserlebnisses dienen. Erste Tests fanden u.a. Korrelationen zwischen erreichten Punkten in den Kontrollfragen und den Werten der Biosignale. Als intelligente Komponenten sind BenutzerInnenmodellierung, Chatbot, maschinelles Lernen usw. bei „Education 4.0“ im Einsatz.
Contribution
  • Monica I. Ciolacu
  • Leon Binder
  • Heribert Popp
Enabling IoT in Education 4.0 with Biosensors from Wearables and Artificial Intelligence
  • 2020

DOI: 10.1109/SIITME47687.2019.8990763

A major challenge for Education 4.0 is to make use of wearable devices for helping students in monitoring their learning behavior and their activities (steps, heart rate variability, and heart rate) in real-time. The first aim of this paper is to present our implementation of adaptivity and Artificial Intelligence (AI) methods within the Education 4.0 process. In this work, we investigate embedded biosensors (noninvasive, low-cost, and distraction-free) used in smartphones and smartwatches. The next objective is to enable IoT for Higher Education, i.e. a novel system assisted by AI that takes embedded biosensor data and environmental data into account in order to estimate students’ wellbeing and health. In this regard, we propose a framework that uses wearable devices to collect data with biofeedback methods to support students’ academic success.
Contribution
  • Monica I. Ciolacu
  • Heribert Popp
  • R. Beer
  • Leon Binder
Education 4.0 für Akademiker 4.0 Kompetenzen – Blended Learning 4.0 Prozess mit Learning Analytics Cockpit
  • 2018
Wir präsentieren unsere Ergebnisse von Education 4.0, didaktisch umgesetzt mit einem effizienten Blended-Learning-4.0-Prozess. In der Reflexionsphase des Blended-LearningProzesses bauen wir ein Learning Analytics Cockpit auf. Dafür lassen wir das Neuronale Netz (NN) aus den Klickdaten und den erreichten Punkten in den Kontrollfragen der Kurse (der ersten zwei Monate) sowie das Bestehen/Nichtbestehen (Klassifikation) bzw. die erreichten Punkte (Regression) in der Klausur lernen. Dann testen wir die gelernten NN bei der nächsten Durchführung des Kurses (erreichte Prognosegenauigkeit 76%-100% bei der Klassifikation) und setzen sie bei der nächsten Kursdurchführung ein. Das Lernen der NN und das Testen sind dem Cockpiteinsatz vorgelagert. Das LA Cockpit, das in PHP als Plugin zum Lernmanagementsystem Moodle implementiert ist, dient nur in der Arbeitsphase zur Anwendung des gelernten NN. Bisher lernten wir NN für drei Kurse und konnten in zwei Simulationen die Auswirkungen des CockpitEinsatzes testen indem wir im Fach Mathematik und im Fach Informations- und Wissensmanagement (IWM) des Studiengangs Betriebswirtschaftslehre im WS 17/18 bzw. SS 18 erste erfolgreiche Anwendungen durchführten. Basierend auf den Prognosen wurden Warn-EMails an als gefährdet eingestufte Studierende verschickt. Dadurch konnten die Durchfallquote in Mathematik und die Nichtantrittszahl in IWM nahezu halbiert werden.
Contribution
  • Heribert Popp
  • Monica I. Ciolacu
  • Leon Binder
Blended Learning 4.0-Prozess: Effizient und KI unterstützt
  • 2018
Mögliche Methoden der Künstlichen Intelligenz zur Effizienzsteigerung des digitalen Lernprozesses sind Personalisierung, Adaptation, Communities of Practice, Chatbots und Neuronale Netze. Der Artikel liefert eine prototypische Demonstration erster Ergebnisse des Einsatzes dieser Methoden, z. B. die Halbierung der Durchfallquote durch Neuronale Netze zur frühzeitigen Gefährdetenerkennung
Contribution
  • Monica I. Ciolacu
  • Ali Fallah-Tehrani
  • Leon Binder
  • P. M. Svasta
Education 4.0 - Artificial Intelligence Assisted Higher Education: Early Recognition System with Machine Learning to Support Students' Success
  • 2018

DOI: 10.1109/SIITME.2018.8599203

Education 4.0 is being empowered more and more by artificial intelligence (AI) methods. We observe a continuously growing demand for adaptive and personalized Education. In this paper we present an innovative approach to promoting AI in Education 4.0. Our first contribution is AI assisted Higher Education Process with smart sensors and wearable devices for self-regulated learning. Secondly we describe our first results of Education 4.0 didactic methods implemented with learning analytics and machine learning algorithms. The aim of this case study is to predict the final score of students before participating in final examination. We propose an Early Recognition System equipped with real data captured in a blended learning course with a personalized test at the beginning of the semester, an adaptive learning environment based on Auto Tutor by N. A. Crowder theory with adaptive self-assessment feedback. It is obvious that focusing on students' success and their experiences is a win-win scenario for students and professors as well as for the administration.
Lecture
  • Monica I. Ciolacu
  • Leon Binder
  • R. Beer
  • Heribert Popp
Education 4.0 für Akademiker 4.0 Kompetenzen -Blended Learning 4.0 Prozesss mit Learning Analytics Cockpit Workshop
  • 2018
Lecture
  • Monica I. Ciolacu
  • Leon Binder
  • R. Beer
  • Heribert Popp
Education 4.0 für Akademiker 4.0 Kompetenzen -Blended Learning 4.0 Prozesss mit Learning Analytics Cockpit Workshop
  • 2018
Lecture
  • Heribert Popp
  • Monica I. Ciolacu
  • Leon Binder
Smarter Blended Learning 4.0 Prozess (Vortrag im Rahmen der "Künstliche Intelligenz-APP-Bot Session")
  • 2018
Contribution
  • Monica I. Ciolacu
  • Ali Fallah-Tehrani
  • Leon Binder
  • P. M. Svasta
Education 4.0 - Artificial Intelligence Assisted Higher Education: Early Recognition System with Machine Learning to Support Students' Success
  • 2018

DOI: 10.1109/SIITME.2018.8599203

Education 4.0 is being empowered more and more by artificial intelligence (AI) methods. We observe a continuously growing demand for adaptive and personalized Education. In this paper we present an innovative approach to promoting AI in Education 4.0. Our first contribution is AI assisted Higher Education Process with smart sensors and wearable devices for self-regulated learning. Secondly we describe our first results of Education 4.0 didactic methods implemented with learning analytics and machine learning algorithms. The aim of this case study is to predict the final score of students before participating in final examination. We propose an Early Recognition System equipped with real data captured in a blended learning course with a personalized test at the beginning of the semester, an adaptive learning environment based on Auto Tutor by N. A. Crowder theory with adaptive self-assessment feedback. It is obvious that focusing on students' success and their experiences is a win-win scenario for students and professors as well as for the administration.
Contribution
  • Heribert Popp
  • Monica I. Ciolacu
  • Leon Binder
Blended Learning 4.0-Prozess: Effizient und KI unterstützt
  • 2018
Mögliche Methoden der Künstlichen Intelligenz zur Effizienzsteigerung des digitalen Lernprozesses sind Personalisierung, Adaptation, Communities of Practice, Chatbots und Neuronale Netze. Der Artikel liefert eine prototypische Demonstration erster Ergebnisse des Einsatzes dieser Methoden, z. B. die Halbierung der Durchfallquote durch Neuronale Netze zur frühzeitigen Gefährdetenerkennung
Lecture
  • Heribert Popp
  • Monica I. Ciolacu
  • Leon Binder
Smarter Blended Learning 4.0 Prozess (Vortrag im Rahmen der "Künstliche Intelligenz-APP-Bot Session")
  • 2018
Lecture
  • Monica I. Ciolacu
  • Ali Fallah-Tehrani
  • Leon Binder
  • P. Mugur Svasta
Education 4.0 - Artificial Intelligence Assisted Higher Education: Early Recognition System with Machine Learning to support Students' Success
  • 2018
Contribution
  • Monica I. Ciolacu
  • Heribert Popp
  • R. Beer
  • Leon Binder
Education 4.0 für Akademiker 4.0 Kompetenzen – Blended Learning 4.0 Prozess mit Learning Analytics Cockpit
  • 2018
Wir präsentieren unsere Ergebnisse von Education 4.0, didaktisch umgesetzt mit einem effizienten Blended-Learning-4.0-Prozess. In der Reflexionsphase des Blended-LearningProzesses bauen wir ein Learning Analytics Cockpit auf. Dafür lassen wir das Neuronale Netz (NN) aus den Klickdaten und den erreichten Punkten in den Kontrollfragen der Kurse (der ersten zwei Monate) sowie das Bestehen/Nichtbestehen (Klassifikation) bzw. die erreichten Punkte (Regression) in der Klausur lernen. Dann testen wir die gelernten NN bei der nächsten Durchführung des Kurses (erreichte Prognosegenauigkeit 76%-100% bei der Klassifikation) und setzen sie bei der nächsten Kursdurchführung ein. Das Lernen der NN und das Testen sind dem Cockpiteinsatz vorgelagert. Das LA Cockpit, das in PHP als Plugin zum Lernmanagementsystem Moodle implementiert ist, dient nur in der Arbeitsphase zur Anwendung des gelernten NN. Bisher lernten wir NN für drei Kurse und konnten in zwei Simulationen die Auswirkungen des CockpitEinsatzes testen indem wir im Fach Mathematik und im Fach Informations- und Wissensmanagement (IWM) des Studiengangs Betriebswirtschaftslehre im WS 17/18 bzw. SS 18 erste erfolgreiche Anwendungen durchführten. Basierend auf den Prognosen wurden Warn-EMails an als gefährdet eingestufte Studierende verschickt. Dadurch konnten die Durchfallquote in Mathematik und die Nichtantrittszahl in IWM nahezu halbiert werden.
Lecture
  • Monica I. Ciolacu
  • Ali Fallah-Tehrani
  • Leon Binder
  • P. Mugur Svasta
Education 4.0 - Artificial Intelligence Assisted Higher Education: Early Recognition System with Machine Learning to support Students' Success
  • 2018