Page - 153 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

iit-Themenband – Künstliche Intelligenz 153 ven zum Einsatz von Learning Analytics mit KI-Bezug skizziert werden: (1) Personali- siertes Lernen, (2) automatisiertes Feedback und Beratung sowie (3) humanoide Roboter als Assistenten in der Hochschullehre. 1. Personalisiertes Lernen. Schon jetzt liegen zahlreiche elektronische Lernendenda- ten vor, die durch das verstärkte online Lernen und online Lehren sowie durch die Digitalisierung von Lehr- und Lernumgebungen (z.  B. MOOCs, LMS) noch zunehmen werden. Mit Learning Analytics werden diese Daten verarbeitet, analysiert und visu- alisiert, um Lehrende eine datengestützte Grundlage zur Einschätzung von Lernen- den und Ableitung von Unterstützungsmaßnahmen zu bieten. Zudem ermöglicht Learning Analytics Einblicke in Lernverhalten und Lernfortschritte, wodurch Lern- und Lehrumgebungen optimiert und Lernen personalisiert werden könnte. Die Personalisierung von Lerninhalten ist Ziel des Projekts „HyperMind – Das antizi- pierende Physikschulbuch“48 der Technischen Universität Kaiserslautern in Zusam- menarbeit mit dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), gefördert vom Bundesministerium für Bildung und Forschung. Entwickelt werden soll ein intelligentes Physikschulbuch, das adaptiv-dynamisch Inhalte und Aktivitäten ent- sprechend der individuellen Kompetenzen und Bedürfnisse der Lernenden zur Verfü- gung stellt. Grundlage für die Aktivitätserkennung ist ein Eye-Tracker, der unter dem Display des Schulbuchs (Tablet oder Computerbildschirm) angebracht ist und die Blickposition der Lernenden erfasst. Somit wird die Verweildauer des Blicks auf den unterschiedlichen Abschnitten – z.  B. Einleitung, Definitionen, Anwendungsbeispiele – während der verschiedenen Testphasen – z.  B. Textlesen, Aufgabenlösen – gemes- sen. Diese Daten werden mit KI-Algorithmen analysiert, um Unter- und Überforde- rung, Lernverhalten und -fortschritte sowie Präferenzen und Lernniveaus vom Anfänger über Fortgeschrittene bis zu Expertinnen und Experten zu untersuchen. Zukünftig vorstellbar wäre eine verstärkte Verknüpfung von Learning Analytics mit diversen Sensordaten wie Eye-Tracking für Blickposition oder Smartwatches für Puls- messung, um vertiefte Einblicke in Lernendenverhalten zu erhalten, automatisiert adaptiv-dynamische Lerninhalte zu generieren und somit personalisiertes Lernen zu ermöglichen. Perspektivisch wäre dieses Szenario zur automatisierten Unterstützung personalisierten Lernens in verschiedenen Bildungskontexten – z.  B. Schule, Hoch- schule und Weiterbildung – denkbar. 2. Automatisiertes Feedback und Beratung. Persönliches Feedback zum Lernprozess ist für Lernende sehr wichtig – im Hochschulkontext insbesondere im ersten Studien- jahr, der sogenannten Studieneingangsphase, in dem die meisten Studienabbrüche 48 https://www.physik.uni-kl.de/en/kuhn/forschungsprojekte/aktuelle-projekte/uedu/ hypermind/, zuletzt geprüft am 22.06.2018