Maßnahme Bühne
Zum Projekt

KI-basiertes Feedback in simulierten Lernsettings

Aktuelle Machine-Learning-Ansätze sollen entwickelt werden, um menschliches Verhalten in ausgewählten Kommunikationssituationen anhand definierter Kriterien objektiv und reliabel zu erfassen. Aufbauend auf umfangreichen Vorarbeiten wurde ein Machine-Learning-Algorithmus weiterentwickelt, der Mimik im Hinblick auf definierte Kriterien auswertet. Studierende erhalten darauf basierend automatisiertes, KI-gestütztes Feedback zu ihrem kommunikativen Verhalten in digital angereicherten Präsenzsettings (z. B. Arzt-Patienten- oder Beratungsgespräche). Der Mehrwert liegt insbesondere in höherer Objektivität und Skalierbarkeit gegenüber rein menschlichem Feedback. Der Ansatz wurde pilotiert und auf die Grundschulpädagogik ausgeweitet. Für Eltern-LehrerInnen-Gespräche wurde ein strukturierender Leitfaden entwickelt, der als Grundlage für KI-gestützte Avatare als Gesprächspartner dient.

Kategorien

Bitte nennen Sie bis zu fünf Stichwörter, die den Inhalt Ihrer Maßnahme aussagekräftig beschreiben.
Machine Learning zur Verhalten
KI-basiertes, automatisiertes
Digitale Gesprächssimulationen
Kompetenzorientierte Lehre in
Objektivität und Skalierbarkei
Zielgruppe(n)
Studierende
Lehrbeauftragte
Wissenschaftliche Mitarbeiter:innen/LfBA
Professor:innen
Handlungsfeld & Aktivität(en)
Technisch-räumliche Infrastruktur
Lehr-/Lernumgebungen entwickeln
Lehr-/Studienangebote
Prüfungsformen/(Self-)Assessments entwickeln
Lehr-/Lernmaterialien entwickeln
Lehrkonzepte/-formate entwickeln
Curricula/Studienprogramme entwickeln
Supportangebote
Angebote für Lernbegleitung und Studienberatung entwickeln

Beschreibung

Herausforderung

Mit der Maßnahme wurde die Herausforderung adressiert, kommunikatives und professionelles Verhalten von Studierenden in praxisnahen Lehr-Lern-Situationen objektiv, reliabel und skalierbar zu erfassen und zu bewerten. Bisher ist qualifiziertes Feedback stark von individuellen Beobachtungen Lehrender abhängig, zeitintensiv und nur begrenzt standardisierbar. Die Maßnahme reagiert somit auf die begrenzte Objektivität menschlichen Feedbacks, den hohen personellen Aufwand sowie wiederholbarem Training

Herangehensweise

Im technisch-methodischen Strang werden effiziente Multi-Task-Architekturen zur Analyse affektiver Stimme und emotionaler Mimikry entwickelt. Für nicht-verbale „vocal bursts“ zeigt ein mehrzieliges Netzwerk auf Basis moderner Sprachrepräsentationen (z. B. data2vec, wav2vec2), dass sich Emotion, Herkunft und weitere Merkmale simultan vorhersagen lassen – mit deutlicher Überlegenheit gegenüber Baselines. Anwendungsbezogen wurde untersucht, wie Mimik (z. B. Lächeln, Blickkontakt) Ad-hoc-Anvertrauen in klinischen Entscheidungssituationen beeinflusst. Die Er-gebnisse zeigten eine positive Korrelation zwischen wahrgenommener Vertrauenswürdigkeit und Anvertrauen, jedoch keinen isolierten Effekt eines (digitalen) Lächelns – ein Hinweis auf die Bedeutung kontextueller und komplexer nonverbaler Muster für Ent-rustable Professional Activities.

Zusammenhang

Die Maßnahme wurde primär als Lehrinnovationsprojekt als auch als Forschungstool erprobt. Der Einsatz erfolgte in curricular verankerten Lehrveranstaltungen, in denen kommunikative Kompetenzen systematisch trainiert werden. Konkret wurde das Verfahren im Seminar Grundschulpädagogik eingesetzt, das auf das Training kommunikativer Fertigkeiten – insbesondere im Kontext von Eltern-LehrerInnen-Gesprächen – ausgerichtet ist.

Voraussetzung

Zentrale Voraussetzung war eine enge interdisziplinäre und interprofessionelle Zusammenarbeit zwischen Informatik, Medizindidaktik, Medizinischer Psychologie und Grundschulpädagogik. Durch die Bündelung technischer Expertise (Machine Learning, Algorithmik), fachdidaktischer Perspektiven sowie kommunikations- und professionsbezogener Kompetenzmodelle konnte ein praxisnahes System entwickelt werden. Die unterschiedlichen fachlichen Perspektiven ermöglichten die Operationalisierung von Verhaltenskriterien und eine didaktisch sinnvolle Einbettung in Lehrveranstaltungen.

Eignung

Die Eignung der Maßnahme zeigt sich in den Ergebnissen der Begleitforschung (Medizin) sowie begleitenden Evaluation in den Pilotseminaren der Grundschulpädagogik. Dabei wurde sowohl die technische Funktionalität als auch die didaktische Wirksamkeit (Nützlichkeit, Verständlichkeit und Anschlussfähigkeit des Feedbacks für die Kompetenzentwicklung) untersucht. Die Rückmeldungen der Studierenden weisen in der Medizin als auch in der Grundschulpädagogik auf eine hohe Akzeptanz sowie einen wahrgenommenen Mehrwert des KI basierten Feedback im Vergleich zu rein mündlichem Feedback hin. Besonders hervorgehoben wurden die strukturierte Rückmeldung, die Möglichkeit wiederholter Übungsszenarien sowie die Transparenz der zugrunde liegenden Kriterien. Zudem zeigt die erfolgreiche Implementierung in unterschiedlichen Kontexten (Medizin und Grundschulpädagogik), dass der Ansatz übertragbar und skalier-bar ist. Die Kombination aus empirischer Evaluation, curricularer Verankerung und interdisziplinä

Vorgehen/Schritte

Bildung eines interdisziplinären Teams (Informatik, Sprachwissenschaft, Fachdidaktik)

Entwicklung und intensive Testung von Prototypen innerhalb von Lehrveranstaltungen

Evaluation der dabei entstandenen Lehr-Lernszenarien

Hinweise

Effekte

Eine zentrale – zugleich erwartete wie herausfordernde – Voraussetzung war die sehr präzise Operationalisierung kommunikativer Kompetenz in ihren verbalen, nonverbalen und paraverbalen Dimensionen. Die Notwendigkeit, diese Aspekte für die algorithmische Analyse eindeutig zu definieren, stellte eine wesentliche inhaltliche Herausforderung dar und führte zu einer deutlich geschärften curricularen Klärung von Bewertungskriterien. Der Einsatz von Avataren ermöglichte darüber hinaus skalierbare, wiederholbare Trainingssituationen. Unerwartet deutlich war die hohe Akzeptanz KI-gestützter Feedbackformate bei den Studierenden.

Learnings

Die Operationalisierung kommunikativer Kompetenz (verbal, nonverbal, paraverbal) ist die zentrale fachliche Schlüsselaufgabe – und zugleich der größte Qualitätshebel für KI-gestütztes Feedback. Interdisziplinäre und interprofessionelle Zusammenarbeit ist unverzichtbar, um technische Machbarkeit, fachliche Validität und didaktische Sinnhaftigkeit zu verbinden.

KI-gestütztes Feedback wird von Studierenden gut akzeptiert, wenn Kriterien transparent gemacht und nachvollziehbar erläutert werden.

Empfehlung

nein

Tipps

Vor der technischen Umsetzung sollten verbale, nonverbale und paraverbale Kriterien präzise definiert und fachlich abgestimmt werden. Die Qualität der Operationalisierung entscheidet über die Qualität des Feedbacks. Mit kleineren Lehrsettings starten, Evaluationsergebnisse systematisch nutzen und das System schrittweise weiterentwickeln.

Methoden

Empfohlen

Methoden
Regelmäßige Online-Meetings des interdisziplinären Teams zur Entwicklung und zum Re-view. Die unterschiedlichen Fachsprachen der beteiligten Disziplinen machen die Kommuni-kation durchaus herausfordernd.
Formate
Zoom-Meetings, Präsenztreffen, asynchrones Arbeiten an Teilaufgaben in Subgruppen
Technische Tools
NOVA, LLMs

Nicht empfohlen

Methoden
keine
Formate
keine
Technische Tools
keine

Kontakt

Bearbeiter:innen und Beteiligte
Keine Kontaktdaten vorhanden

Das könnte Sie auch interessieren

Projekt 101467
Projekt

Co³Learn - Innovative digitale Kooperation für das Lehren und Lernen

Das Projekt Co³Learn (Communication, Cooperation, Collaboration) der TU Braunschweig, Universität Hannover und Universität Göttingen entwickelt Lösungen zur Förderung der Kooperation der Studierenden in digitalen Lehr-Lernsettings. Im Mittelpunkt steht die Unterstützung von Lernerfahrungen, die die Potentiale heterogener Studierendengruppen nutzbar machen, indem sie die Bildung kooperativer Lerngruppen, die Qualität der Zusammenarbeit und das soziale Erleben im digitalen Raum fördern. Kooperation wird auf drei Ebenen mit steigendem Anspruch an soziale Interaktion und Technologie definiert: (1) Den gegenseitigen Austausch, (2) die arbeitsteilige Kooperation und (3) die kollaborative Konstruktion von Inhalt. Ziel des Projekts ist die digitale Förderung kooperativer Prozesse auf diesen Ebenen und entsprechender digitaler Kompetenzen von Studierenden und Lehrenden. Dafür sollen zusammen mit Stakeholder*innen Bedarfe für formelle und informelle Lehr-Lern-Settings gesucht und Lösungen in Form von digitalen Tools und Konzepten für die Zusammenarbeit erprobt, evaluiert und in Fächern verankert werden. Ergebnis des Projekts ist der breite Einsatz einer Toolbox für kooperatives, digitales Lehren und Lernen, die zum Transfer angeboten wird.

Projekt anzeigen
Maßnahme 100262
Maßnahme

Beteiligungsformate für studentische Partizipation

Um studentische Partizipation sowohl im Projekt umzusetzen als auch hochschulweit zu fördern, wurden verschiedene Beteiligungsformate entwickelt und erprobt. Die Formate reichten von niedrigschwelligen Beteiligungsmöglichkeiten im Vorbeigehen bis hin zu ganztägigen Veranstaltungen mit vorheriger Anmeldung. Mit den Beteiligungsformaten wurden Studierende nicht nur als Zielgruppe, sondern insbesondere als Mitgestaltende von Hochschullehre und -leben einbezogen. Durch die Beteiligungsformate konnte studentische Partizipation aktiv gefördert und sichtbar gemacht werden. Die Ergebnisse und Learnings, die im Rahmen der Förderung studentischer Partizipation im Projektzeitraum entstanden sind, wurden auf einer Website zur studentischen Partizipation dokumentiert, um den Transfer zu ermöglichen.

Maßnahme anzeigen
Publikation 100037

Neue digitale Lehr- und Lernmethoden für Technische Mechanik und Dynamik

[Kurzbeschreibung folgt (Anm. StIL)]

Publikation anzeigen