guest ::
Reducing integration complexity of learning analytics in eXtended reality through a modular and standards-based pipeline : design and evaluation of the OmiLAXR framework
2026
Dissertation, RWTH Aachen University, 2026
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak09
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2026-06-17
Online
DOI: 10.18154/RWTH-2026-06580
URL: https://publications.rwth-aachen.de/record/1038559/files/1038559.pdf
Einrichtungen
Thematische Einordnung (Klassifikation)
DDC: 004
Kurzfassung
Trotz der zunehmenden Verbreitung von XR im Bildungsbereich bleibt es aufgrund heterogener Technologie-Stacks und des hohen Integrationsaufwands schwierig, XR-Lerndaten zuverlässig und vergleichbar zu erfassen und wiederzuverwenden. Diese Dissertation untersucht, wie die Integrationskomplexität von Learning Analytics (LA) in XR reduziert werden kann, ohne dabei Zuverlässigkeit, Interoperabilität, Reproduzierbarkeit oder Vergleichbarkeit zu beeinträchtigen. Sie stellt OmiLAXR vor, eine modulare Pipeline, die die Erfassung von XR-Signalen und -Ereignissen(DEL) von der Datenstandardisierung, -verarbeitung und -speicherung (DSL) in sechs Phasen trennt. Die Phasen bieten Plug-and-Play-Integration und schnittstellen-basierte Erweiterbarkeit wobei eine streng typisierte xAPI-Anweisungskonstruktion dient als Beispiel für eine DSL.OmiLAXR wurde in drei Designiterationen nach dem DBR-Prozess entwickelt und durch den Einsatz in Forschungs- und Lehrkontexten sowie durch Feedback von Interessengruppen verfeinert. Die daraus resultierenden RS-Artefakte wurden mit FAIR4RS und CDUR bewertet. Eine ergänzende technische Bewertung kombinierte einen kontrollierten Benchmark zur Quantifizierung des Laufzeitverhaltens und des Durchsatzes von xAPI-Anweisungen, während ein OSE konkrete Lücken in der Dokumentation und der operativen Reife aufzeigte. Die Ergebnisse zeigen, dass OmiLAXR mit geringem Aufwand integriert werden kann.Unter realistischen Bedingungen arbeitet OmiLAXR stabil und hält dabei den xAPI-Statement-Durchsatz bis zu einer konservativen Auslastung aufrecht. Die verbleiben den Defiziten betreffen in erster Linie die Reife auf Ökosystemebene. OmiLAXR wurde bereits erfolgreich zur Datenerhebung in Dissertationen, studentischen Lehrveranstaltungen und Forschungsprojekten eingesetzt. Diese Anwendungen belegen eine gewisse Reife und Wiederverwendbarkeit dieses RS über seine ursprüngliche Entwicklungsumgebung hinaus. Insgesamt soll diese Arbeit zu einer wiederverwendbaren, standardbasierten Integrationsinfrastruktur für XR-LA beitragen. Die wichtigste Neuerung besteht darin, XR-LA nicht als einmalige projektspezifische Implementierung zu konzipieren, sondern als modulare Pipeline mit klaren Schnittstellen. Dies unterstützt Plug-and-Play-Integration, Erweiterbarkeit und Interoperabilität und erleichtert die empirische Forschung durch wiederholbare Datenerfassung und bessere Vergleichbarkeit zwischen Projekten.Despite the increasing prevalence of eXtended Reality (XR) in education, heterogeneous technology stacks and high integration costs make it difficult to collect and reuse XR learning data in a reliable and comparable manner. This dissertation investigates how the integration complexity of Learning Analytics (LA) in XR can be reduced without compromising reliability, interoperability, reproducibility, or comparability. It introduces Open and modular integration of Learning Analytics in eXtended Reality (OmiLAXR), a modular pipeline that separates the acquisition of XR signals and events (Data Event Layer (What, When) (DEL)) from their data-standardization, processing, and storage (Data Standard Layer (How, Where) (DSL)) across six phases. The phases provide plug-and-play integration and interface-based extensibility, with a strictly typed eXperience API (xAPI) statement construction serving as an example DSL.OmiLAXR was developed across three design iterations, following the Design-based Research (DBR) process, and refined through deployments in research and teaching contexts, as well as through stakeholder feedback. The resulting Research Software (RS) artifacts were assessed against the FAIR Principles for Research Software (FAIR4RS) and the CDUR procedure. The resulting RS artifacts were assessed using FAIR Principles for Research Software (FAIR4RS) and Citation, Dissemination, Use and Research (CDUR). A supplementary technical evaluation combined a controlled benchmark to quantify runtime behavior and xAPI statement throughput, while an Online Sustainability Evaluation (OSE)highlighted concrete gaps in documentation and operational maturity. The results show that OmiLAXR can be integrated with little effort. Under realistic conditions, OmiLAXR operates stably while maintaining xAPI statement throughput up to a conservative load level. Remaining deficits primarily concern ecosystem-level maturity. OmiLAXR has already been successfully used to collect data in dissertations, student classes and research projects. These applications demonstrate a certain maturity and reusability of this RS beyond its original development environment. Overall, this work aims to contribute to a reusable, standards-based integration infrastructure for XR-LA. The key innovation is to design XR-LA not as a one-off project-specific implementation, but as a modular pipeline with clear interfaces. This supports plug-and-play integration, extensibility, and interoperability, and facilitates empirical research through repeatable data collection and better comparability across projects.
OpenAccess: 
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT031547592
Interne Identnummern
RWTH-2026-06580
Datensatz-ID: 1038559
Beteiligte Länder
Germany
|
The record appears in these collections: |