Abgeleitet aus der Phase der Konzeption und Ideenfindung, ist das Ziel des Minimum Viable Products (MVP), die Remote-Studenten möglichst physisch in die Präsenzvorlesung zu integrieren. Hierzu soll den Remote-Studenten ein intelligenter physischer Platz, welcher sich im Blickfeld des Dozenten befindet, zugewiesen werden. Dadurch soll dem Remote-Studenten die Möglichkeit gegeben werden, schneller und einfacher mit dem Dozenten im Rahmen einer Hybridvorlesung zu interagieren.
Der Vorteil, welcher sich hierbei für den Dozenten ergibt, ist, dass dieser nicht zwischen realer (Vorlesungsraum) und digitaler Welt (Laptop) wechseln muss, da die Signale der Remote-Studenten aus dem Plenum heraus in Erscheinung treten. Als Leitgedanke für die Interaktion zwischen Student und Dozent soll eine Plattform zur Bündelung der einzelnen Funktionen, in einem möglichst einfachen Format entwickelt werden.
Im folgenden Teil werden sowohl die eingesetzten Hard- und Software Technologien, als auch die Funktionalität des Systems näher erläutert.
Für die Realisierung des MVPs wurde folgende Hardware eingesetzt:
- Laptop
- Phillips Hue Lampe
- Phillips Hue Bridge
Zur Implementierung wurden folgende Software-Technologien eingesetzt:
- IFTTT (Webhooks, hue)
- HTML5
- Node.js
- Alexa Skill Kit
- Voiceflow
- Google Sheets
- bearer (Push to GSheet)
IFTTT
Um die Signale vom heimischen Laptop eines Remote-Studenten in den Präsenzraum der Vorlesung zu übertragen, wurde auf die Funktionalitäten von IFTTT zurückgegriffen. Hierbei wurden Webhooks eingesetzt, die eine einfache Möglichkeit zur Remote-Steuerung einer Phillips Hue Lampe ermöglichen. Für jeden Status der Lampe wurde eine URL erstellt, welche eine Zustandsveränderung in Form einer Farbveränderung auslöst.
Die verschiedenen Zustände werden nachfolgend aufgelistet:
- Gelb = Frage eine Remote-Studenten
- Blinken = Netzwerkprobleme mit der Übertragung der Vorlesung
- Rot und Grün = Dienen zur Abfrage für Dozenten über das Verständnis des Vorlesungsinhaltes
Hybrid-Vorlesung-Plattform
Die Plattform wird in Form einer einfachen Website, zur Bündelung der zuvor vorgestellten Funktion, implementiert (siehe folgende Abbildung). Hierzu wurde Node.js als JavaScript Laufzeitumgebung verwendet.
Abbildung 1: Screenshot der entwickelten Plattform
Es steht ein Textfeld für die offenen Fragen der Student bereit, welche durch einen Button abgeschickt werden. Dadurch wird einerseits die Lampe über den zuvor erstellte IFTTT Service angesteuert und andererseits die Frage in ein öffentlich zugängliches Google-Sheet übertragen. Die Übertragung der Frage wird durch den bearer Service - Push to GSheet, realisiert. Bearer bietet dafür vorgefertigten Node.js-Code zur einfachen Integration des Google-Sheets in das Programmierprojekt. Des Weiteren ist es möglich Feedback (Grün/Rot) zu den Vorlesungsinhalten abzugeben sowie bei technischen Problemen (blinken) den Dozenten darauf aufmerksam zu machen.
Die eingegangenen Fragen können vom Dozenten gesteuert über einen Alexa Skill vorgelesen werden. Der Alexa Skill wurde mithilfe von Voiceflow kreiert. Voiceflow ermöglicht die Programmierung eines Skills durch eine graphische Modellierungsumgebung. Im Anschluss kann der Skill in die Alexa Developer Console transferiert und eingesetzt werden.
Ausblick
Der implementierte MVP zeigt die Grundfunktionalitäten einer Plattform zur Einbindung von Remote-Studenten in Präsenzveranstaltung. Es ist durchaus vorstellbar eine Art dieser Plattform in bereits existierende Systeme, wie zum Beispiel Relax (Moodle-Plattform der Hochschule Reutlingen), zu integrieren. Dadurch soll die Vielfalt der verwendeten Systeme für Studenten reduziert werden. Zusätzlich würde der administrative Aufwand, wie beispielsweise die Erstellung von Accounts, durch eine solche Integration entfallen.
Durchaus ist eine Erweiterung der Funktionalitäten ebenfalls denkbar. Ein Beispiel hierfür wäre die Verfeinerung der Abfragen, bezüglich der verstandene Inhalte, in Form einer Skala. In Abhängigkeit der eingegebenen Punktzahl zur Maximalpunktzahl ist es möglich ein Gesamtfeedback zu ermitteln und entsprechend die Philipps Hue Leuchte in den Farben rot (Inhalt nicht verstanden), orange (Inhalt teilweise verstanden), grün (Inhalt gut verstanden) aufleuchten zu lassen. Bezüglich der Architektur des Systems empfiehlt sich hierbei die Nutzung eines Raspberry Pi's statt einer Amazon Alexa, da dessen Leistung für eine Text-To-Speech Engine und die damit verbundene Funktionalität, ausreicht. Für die prototypische Umsetzung wurde, aufgrund des Vorwissens und der zeitlichen Beschränkung für die Realisierung des MVPs, auf Amazon Alexa zurückgegriffen.