AI.EDU Research Lab 2.0

AI.EDU Research Lab 2.0 ist ein interdisziplinäres CATALPA Projekt

Bei der Suche nach einem Hausarbeitsthema im Bachelorstudium benötigen viele Studierende Hilfestellungen. Dabei fällt auf, dass in jedem Semester wiederkehrende Fragen und Unterstützungsbedarfe auftreten; das Feedback der Lehrenden wiederholt sich dadurch ebenfalls. Im AI.EDU Research Lab 2.0 untersuchen die Forschenden, wie sich die Kompetenzen der Studierenden durch KI so stärken lassen, dass sie ein geeignetes fachbezogenes, interessengeleitetes Thema finden. Für die Lehrenden soll dadurch mehr Raum für eine forschungsfördernde, anregende Interaktion in der 1:1-Betreuung bleiben.


Projektziele und Forschungsfragen

Das AI.EDU Research Lab erforscht den Einsatz von KI in der Hochschullehre. In der Version 2.0 steht die Unterstützung von Kompetenzen Studierender, insbesondere bei der Herleitung eines Hausarbeitsthemas und einer damit verbundenen leitenden Fragestellung mit Recommendersystemen (RecSys) sowie mit generativen KI-Tools im Mittelpunkt der Forschung. Dafür stützt sich das Projekt auf die Ergebnisse und Erfahrungen der ersten Forschungsförderung.

RecSys, basierend auf unterschiedlichen Recommenderverfahren, werden als eine kontextgebundene Kombination von KI-Technologien und didaktischem Design zum Zweck der Übermittlung von Empfehlungen an Bildungsakteure eingesetzt. Sie dienen im Projekt der Erforschung und Evaluation geeigneter KI-Verfahren zur studentischen Unterstützung bei deren Themenfindung und Generierung einer leitenden Fragestellung für ihre Hausarbeit. Ein zentrales Forschungsthema ist dabei u.a. die Transparenz und Vertrauenswürdigkeit von selbst entwickelten und bereits im Einsatz befindlichen KI-Systemen. Vergleichend werden aktuelle Tools und Aufgabenstellungen für innovative Einsatzmöglichkeiten mit generativer KI erforscht.

  • FeU: Prof. Dr. Claudia de Witt (Lehrgebiet Bildungstheorie und Medienpädagogik) und
    DFKI: Prof. Dr. Niels Pinkwart (DFKI, HU und Visiting Professor bei CATALPA) - s. auch Kooperationen.

  • Oktober 2022 bis September 2025

  • 2024

    Buchbeiträge

    • de Witt, C. (in press). Hochschuldidaktik mit hybrider Intelligenz: Unterstützung personalisierten Lernens. In U. Dittler & C. Kreidl (Hrsg.), Künstliche Intelligenz in der Hochschullehre: Einsatzmöglichkeiten und Entwicklungen digitaler Technologien im Hochschulalltag. Schäffer-Poeschel Verlag.

    2023

    Konferenzbeiträge

    Bücher


    Buchbeiträge

    • Wrede, S. E., Gloerfeld, C., & de Witt, C. (2023). KI und Didaktik – Zur Qualität von Feedback durch Recommendersysteme. In C. de Witt, C. Gloerfeld, & S. E. Wrede (Hrsg.), Künstliche Intelligenz in der Bildung (S. 133–154). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-40079-8{\textunderscore }7
    • Wrede, S. E., Gloerfeld, C., de Witt, C., & Wang, X. (2023). Künstliche Intelligenz und forschendes Lernen - ein ideales Paar im Hochschulstudium!? In T. Schmohl & A. Watanabe (Hrsg.), Künstliche Intelligenz in der Hochschulbildung. transcript.

    2022

    Konferenzbeiträge

    • Wang, X., Li, H., Zimmermann, A., Pinkwart, Niels., Wrede, S., van Rijn, L., de Witt, C., & Baudach, B. (2022). IFSE - Personalized Quiz Generator and Intelligent Knowledge Recommendation. 2022 IEEE 16th International Conference on Semantic Computing (ICSC), 201–208. https://doi.org/10.1109/ICSC52841.2022.00041

    Vorträge und Posterpräsentationen

    • Karolyi, H., & Wrede, S. (2022). Gestaltung formativer Feedbacks an Hochschulen mit Künstlicher Intelligenz und Trusted Learning Analytics [Presentation].

    2020

    Zeitschriftenartikel

    • Gloerfeld, C., Wrede, S., de Witt, C., & Wang, X. (2020). Recommender – Potentials and Limitations for Self-Study in Higher Education from an Educational Science Perspective. International Journal of Learning Analytics and Artificial Intelligence for Education (iJAI), 2(2), 34. https://doi.org/10.3991/ijai.v2i2.14763

    Konferenzbeiträge

    • Wang, X., Gülenman, T., Pinkwart, N., de Witt, C., Gloerfeld, C., & Wrede, S. (2020). Automatic Assessment of Student Homework and Personalized Recommendation. In M. Chang (Hrsg.), IEEE 20th International Conference on Advanced Learning Technologies (S. 150–154). IEEE. https://doi.org/10.1109/ICALT49669.2020.00051

    Sonstige Publikationen

AI.EDU Research Lab 10/2018 – 09/2022

mehr Infos

AI.EDU war ein CATALPA-Projekt.

Künstliche Intelligenz, die Lernende und Lehrende bei der Bearbeitung und Strukturierung von Studieninhalten unterstützt – AI.EDU hat erforscht, wie genau das gelingen kann. Damit Lernende überhaupt erst durch KI unterstützt werden können, ihre Fähigkeiten zu verbessern, mussten Lehr- und Lernprozesse erst einmal entschlüsselt und beschrieben werden. Das Projekt verlief in drei Phasen von der Forschung bis hin zur Implementierung und Skalierung.


Projektziele und Forschungsfragen

Künstliche Intelligenz in der Hochschulbildung ist zwar ein bisher noch relativ wenig erforschtes Gebiet, weckt gleichzeitig aber große Erwartungen an eine verbesserte Qualität des Lehrens und Lernens. In dem Kooperationsprojekt erforscht das Lehrgebiet Bildungstheorie und Medienpädagogik von Prof. Dr. Claudia de Witt gemeinsam mit dem Educational Technology Lab unter Leitung von Prof. Dr. Niels Pinkwart des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI, Nachfolge von Prof. Dr. Christoph Igel) Methoden und Anwendungen der Künstlichen Intelligenz in Studium, Lehre und Weiterbildung der FeU. Es werden sowohl Szenarien, welche bei der Bearbeitung und Strukturierung von Studieninhalten unterstützen, als auch Anwendungen zur Begleitung des gesamten Studienverlaufs entwickelt und zunächst in Testbeds erprobt. Im Fokus der Umsetzung liegen wissensbasierte Expertensysteme, Education Data Mining und Verfahren des Maschinellen Lernens. Eines der wesentlichen Ziele in dem dreijährigen Vorhaben ist es, dass diese Methoden Lernende sowohl bei der Ausbildung ihrer metakognitiven Fähigkeiten als auch bei der inhaltlichen Bearbeitung über Empfehlungssysteme unterstützen. Dafür werden Lehr- und Lernprozesse entsprechend entschlüsselt und nachvollziehbar beschrieben.

Der Projektverlauf gliedert sich in drei Phasen. In der ersten Projektphase, der Forschung, geht es um die Erarbeitung der Konzepte und die Entwicklung von Demonstratoren. In der Implementierung, welche die zweite Phase bildet, finden die Testungen und die Validierung der Konzepte sowie deren Umsetzungen statt. Schließlich werden in der dritten Phase, der Skalierung, erfolgreiche Lösungsansätze in die Breite getragen und auf weitere Anwendungsszenarien übertragen. Letztlich wird es aber auch darum gehen, Implikationen für Bildung, für die Urteilsfähigkeit und Verantwortung zukünftiger Generationen bei der Gestaltung algorithmisierter Lehr- und Lernprozesse mitzudenken.

Projektleitung

FeU: Prof. Dr. Claudia de Witt (Lehrgebiet Bildungstheorie und Medienpädagogik) und
DFKI: Prof. Dr. Niels Pinkwart (DFKI, HU und Visiting Professor bei CATALPA) - s. auch Kooperationen.

Team

Projektlaufzeit

Oktober 2018 bis September 2022