KI-basiertes Feedback für Freitexte und Diagramme
In diesem Projekt, welches auf dem Easy-Tutor Projekt von Freiraum 2022 aufbaut, soll unter Benutzung von Prompting-Technologien auf bekannten Sprachmodellen wie ChatGPT oder Mistral sowie eigenen KI-Modellen ein bestehendes intelligentes Tutorensystem (ITS) für SQL-, Excel- und Mathe-Aufgaben um die Feedback-Generierung für weitere Aufgabenarten erweitert werden: Textaufgaben mit wenigen Lösungsvarianten (z.B. Modellierungsaufgaben) und Freitextaufgaben sowie die Überprüfung von Seminar- und Abschlussarbeiten.Im ersten Fall erfolgt zuerst eine Harmonisierung und dann eine (semi)-automatische Klassifikation der Lösungsstrategien durch das ITS. D.h., wenn das ITS eine neue Lösungsstrategie entdeckt, reicht es diese zur Korrektur an Dozierende weiter. So lernt das ITS, neue Strategien zu bewerten. Mit der Zeit kann es dann immer selbstständiger den Studierenden Feedback geben, auch wenn sich die konkreten Formulierungen jedes Mal unterscheiden. Dieser Ansatz ist eine Verallgemeinerung des Ansatzes zur selbstlernenden Feedback-Generierung für SQL-Aufgaben [arXiv:2311.10730].Bei Seminar- und Abschlussarbeiten überprüft das ITS neben Formalkriterien (wie Zitierweise) die Struktur und den Aufbau der Arbeit (Ist eine Forschungsfrage erkennbar? Bauen die vom Sprachmodell erkannten Aussagen auf vorherigen Teilen der Arbeit auf? Gibt es ein Fazit, welches zur Forschungsfrage passt?). Dozierende können Feedback geben, nachdem viele strukturelle und formale Fehler schon beseitigt wurden.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Sokratisch-personzentrierte Dialoge in Mathematik
Die Lehrinnovation will sokratisch-personzentrierte Gespräche als neues Gesprächsformat in den Übungsbetrieb der mathematischen Anfängervorlesungen an der Uni Lübeck (ca. 400 HörerInnen unterschiedlichster Studiengänge im MINT-Bereich, davon ca. 30 im Mathe-Studiengang) integrieren.Im Rahmen dieser Gespräche sollen Studierende durch freie Diskussion und gemeinsames Überlegen an der Lösung mathematischer Probleme im unmittelbaren Kontext der Vorlesung arbeiten. Die Gesprächsleitung, und darin besteht die didaktische Pointe dieses Ansatzes, agiert sokratisch (Nelson, Heckmann, Wagenschein), indem sie konsequent bei gleichzeitiger fachinhaltlicher Zurückhaltung das gegenseitige, umfassende (fachsprachliche) Verstehen aller Teilnehmenden fokussiert, personzentriert, indem Methoden und Haltungen der personzentrierten Beratungspsychologie nach Rogers und Gendlin den kommunikativen Rahmen und die Haltung der Gesprächsleitung bilden. Erste Erfahrungen und das studentische Feedback aus Gruppen unterschiedlicher Größe und Zusammensetzung der Studiengänge zeigen, dass dieses Gesprächsformat ein tieferes Verstehen unterstützt und wichtige psychologische und logische Aspekte mathematischer Denkprozesse erfahrbar macht.Die große Herausforderung des Projekts besteht darin, dieses für Kleingruppen (6 8 TN) selbstverständlich gut funktionierende Gesprächsformat, auf die Gesamtveranstaltung mit den notwendigerweise viel größeren Gruppen (ca. 25 TN) zu übertragen.
Projekt anzeigen
Materialienreihe „Russisch: Text & Kontext“
Im Rahmen der Maßnahmen haben wir neue digitale Lehr- und Lernmaterialien für das Fach Russisch entwickelt und erprobt, die auf die aktuellen Herausforderungen im universitären Russischunterricht reagieren. Neben der Heterogenität der Studierenden gehört zu den Herausforderungen Mangel an geeigneten authentischen und didaktisch aufbereiteten Quellen, die über aktuelle Ereignisse im russischsprachigen Raum Aufschluss bieten sowie die Notwendigkeit einer didaktischen Fokusverschiebung von Russisch als Staatssprache Russlands hin zu Russisch als Lingua franca.
Maßnahme anzeigen
Open-Source Intelligent Tutoring System for Programming Exercises in Engineering Education
Implementing control and machine learning algorithms in MATLAB and Simulink is a critical competency in advanced control engineering. While immediate feedback is essential for fostering intuitive understanding, it is traditionally constrained to scheduled exercise sessions or consultation hours. To bridge this gap, this project introduces an open-source intelligent tutoring platform that provides continuous, on-demand feedback. To accommodate diverse solution strategies, the platform employs a hybrid evaluation strategy combining result-based and code-based metrics. This ensures that valid alternative solutions that differ from predefined sample solutions are not misclassified. In case of incorrect solutions, a Large Language Model, contextualized with sample solutions and task classification results, offers auxiliary support for students struggling to initiate or complete tasks. Instructional scaffolding is adaptively adjusted to guide students toward independent problem-solving. We position this platform as a supplementary tool designed to enhance, rather than replace, valuable interactions between students and human tutors. Built on open-source tools, the system is architected for reusability, enabling lecturers across engineering subjects to adapt the framework to their teaching needs easily.
Publikation anzeigen