Easy Tutor - KI-gestütztes intelligentes Tutorensystem zur einfachen Erstellung und automatischen Korrektur komplexer E-Learning-Aufgaben
Sogenannte intelligente Tutorensystem (ITS) erlauben, komplexere Aufgaben automatisiert zu korrigieren und zu bewerten. Diese vergleichen die Abgaben der Studierenden häufig mit einem Pool an Musterlösungen der Dozierenden oder basieren auf sehr vielen Regeln. Somit ist das Feedback an die Studierenden entweder eingeschränkt oder die Erstellung ist für die Dozierenden zu zeitaufwändig. Ziel des Projektes Easy Tutor KI-gestütztes intelligentes Tutorensystem zur einfachen Erstellung und automatischen Korrektur komplexer E-Learning-Aufgaben ist es, dass Studierende hilfreiches Feedback erhalten, ohne dass Dozierende einen erhöhten Aufwand haben. Erstellt wird ein selbstlernendes System, das mit der Zeit von allein immer besser darin wird, Studierenden intelligentes Feedback zu deren Lösungen zu geben an-statt lediglich auf vorgefertigtes Feedback zurückzugreifen. Darüber hinaus wird die Aufgabenerstellung für die Dozierenden vereinfacht. Mithilfe von neuen Data-Mining-Methoden und künstlicher Intelligenz werden vorliegende Studierenden-Lösungen analysiert. So soll zukünftig möglich sein, dass das System automatisch Hilfestellungen an Studierende geben kann. Zum Beispiel können richtige Studierendenabgaben, welche nicht der Musterlösung der Dozierenden entsprechen, genutzt werden, um das System selbstständig und ohne Eingriffe der Dozierenden dazulernen zu lassen.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
THISuccessAI - Studienerfolg durch KI-gestützte Lernpfade
Das Projekt THISuccessAI zielt darauf ab, den Studienerfolg in MINT-Studiengängen durch individualisierte Lernpfade für Studierende signifikant zu erhöhen. Dabei wird die KI-Kompetenz der Hochschule genutzt, um über Learning Analytics Studierenden-, Lern- und Lehrinformationen zu sammeln, über Mustererkennung auszuwerten und daraus individualisierte Lernpfade abzuleiten. Diese werden u.a. mit (digitalen) Lehr- und Lerneinheiten ausgestaltet. Ein Dashboard visualisiert für Studierende und Dozenten den Lernstatus. Das Projekt schließt die Erstellung von KI-gesteuerten Tools, die sich durch weitere Datenanreicherung kontinuierlich weiterentwickeln, ebenso ein, wie die Erstellung digitaler Learning Nuggets für die Gestaltung der individualisierten Lernpfade. Nach der dreijährigen Entwicklungs- und Implementierungsphase mit Fokus auf bestehenskritische Fächer wird das Projekt über alle Fächer und Studiengänge der THI ausgerollt.
Projekt anzeigen
Nutzer:innenzentrierte Perspektive einnehmen
Um hochkomplexe Inhalte besser zugänglich zu machen, haben wir gezielt eine nutzer:innenzentrierte Perspektive eingenommen. Dafür haben wir typische Verständnishürden und potentielle Fehlerquellen von Nutzer:innen ohne Vorerfahrung in diesem Bereich identifiziert und in die Überarbeitung der Materialien einbezogen. Diese Maßnahme wurde im Rahmen der Überarbeitung eines frei-zugänglichen Online-Tutorials zur Erstellung von Open Educational Resources (OER) für die Hochschullehre umgesetzt.
Maßnahme anzeigen
TPACK learning paths of pre-service teachers
Pre-service teachers (PST) need subject-specific, didactic and pedagogical knowledge for their future teaching practice, commonly described within the TPACK framework. The ‘Digital Competence Framework for Educators’ (DigCompEdu) emphasizes the importance of technical and digital skills for teachers in general. One way to address relevant knowledge facets for PST is through game development-based learning, which includes designing digital escape games. Yet, questions remain about which knowledge facets PST activate when designing a digital mathematical escape game (DIMEG) and how this develops throughout the design process. In this study, one group of primary school PST designs a DIMEG within a seminar. Each seminar session was videotaped, transcribed and coded towards TPACK knowledge facets. Findings from this study show that all knowledge facets were activated, except TCK, suggesting that DIMEG is a promising approach for teacher education.
Publikation anzeigen