
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
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
Nicht empfohlen
Kontakt
Das könnte Sie auch interessieren

Wissenschaftliches Schreiben für Germanistikstudierende: Schreiben lehren und lernen mit Schreibtrainings im digitalen Raum
Das Projekt WisGe verfolgt das Ziel, einen Grundlagenkurs zum wissenschaftlichen Schreiben für Germanistik-Studierende der Universität Freiburg als hybride Veranstaltung mit einer wöchentlichen, einstündigen Präsenzveranstaltung und digitalen Anteilen zu konzipieren und ein nachhaltiges, modernes und didaktisch ausgereiftes Unterrichtskonzept inkl. passender Materialien zu entwickeln. Den Studierenden soll nicht nur die Möglichkeit geboten werden, Grundlagenwissen zum wissenschaftlichen Arbeitsprozess und Schreiben zu erlangen, sondern ihre Schreibkompetenz durch eigene, angeleitete Textproduktion nachhaltig zu verbessern, um davon für ihre gesamte universitäre Ausbildung und darüber hinaus zu profitieren. Hier bedarf es digitaler Anwendungen, deren Entwicklung und Nutzbarmachung in diesem Projekt eine zentrale Rolle spielen. Dazu gehören Selbstlern- und Vertiefungsangebote ebenso wie eine interaktive Schreibplattform.
Projekt anzeigen
Lehre-Virtuell: Wissen für digitale Hochschullehre
Lehre-Virtuell ist eine Webseite. Dies bietet Lehrenden und Studierenden eine zentra-le, ständig aktualisierte Wissensdatenbank mit Tutorials, Handreichungen und prakti-schen Beispielen zur digitalen Lehre. Das Angebot ermöglicht gezieltes Suchen, Fin-den und Teilen bewährter Materialien. Themenschwerpunkte sind digitale Didaktik, Technik-Tools und Best-Practice-Beispiele. Im Rahmen von DigiTeLL entstand auf der Lehre-Virtuell Seite die Kategorie Learning Designs.
Maßnahme anzeigen
Die Materialität analog-digitaler Schnittstellen. Usability-Testung Stift-basierter Eingabegeräte für E-Assessment-Szenarien
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen