Seite - 147 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

iit-Themenband – Künstliche Intelligenz 147 quoten vermeidbar werden (Mah et al. 2016). Deutschland strebt die Erhöhung von Studienerfolg an, um beispielsweise dem Fachkräftemangel zu begegnen (BMBF 2012). Den Studienerfolg vorherzusagen und Risikostudierende zu identifizieren ist auf Basis von leistungs-, personenbezogenen und curricularen Variablen möglich (Arnold und Pistilli 2012). Studierende erhalten personalisiertes Feedback zu ihrem Lernprozess auf Kursebene sowie Empfehlungen für Unterstützungsangebote (Pistilli und Arnold 2010). Diese Informationen werden den Nutzern nahezu in Echtzeit im Dashboard zur Verfügung gestellt, beispielsweise visualisiert als Ampel oder Kompass (Verbert, Duval, Klerkx, Govaerts und Santos 2013). Tools und Techniken Immer dann, wenn Studierendendaten einem kontinuierlichen Tracking bzw. einem systematischen Assessment unterzogen werden sollen, kommen zumeist Content- oder Learning-Management-Systeme (CMS/LMS) zum Einsatz. Diese sind nach Hijon und Carlos (2016) von einer umfassenden und zufriedenstellenden Funktionalität Abbildung 7.3: Ansicht eines Kursberichts über die Aktivitäten der Studierenden (Quelle: Florida State University 2018).