KI-unterstütze Programmierübung
In technischen Lehrveranstaltungen werden Übungen häufig in Form von Programmieraufgaben durchgeführt. Zum einen, weil die Softwareentwicklung das größte Innovationspotenzial von technischen Systemen aufweist und zum anderen die Lehre möglichst anwendungsorientiert sein soll. Die selbstständige Bearbeitung der Aufgaben wird durch Tutoren unterstützt, sodass die Unterstützung mit der Anzahl der Tutoren skaliert. In der universitären Lehre zeigt sich, dass die finanziellen Lehremittel begrenzt sind, sodass nur eine geringe Anzahl an Tutoren zur Verfügung steht. Deshalb verfolgt die vorliegende Projektidee die Entwicklung eines KI-Systems, dass die Programmierergebnisse der Studierenden analysiert und entsprechend der identifizierten Fehler Hinweise gibt. Grundlegende Probleme und häufige Fragen der Studierenden sollen so mithilfe von Maschinellen Lernen geklärt werden, ohne den Einsatz eines Tutors. Die Tutoren können sich dann vor allem auf individuelle Fragestellungen bzw. auf Studierende mit größerem Unterstützungsbedarf konzentrieren. Darüber hinaus bietet eine KI-unterstützte Programmierübung das Potenzial, dass Studierende auch außerhalb der Präsenzzeit Unterstützung erhalten.
Auf einen Blick
Kontakt
AI Tutor for Programming Exercises : Combining Results- and Code-Based Feedback
Poster
Publikation anzeigenKI-unterstützte Programmierung mittels ergebniszentrierter Fehlerklassifikation. Potenziale zur Schaffung neuer Lernräume
Programmierkenntnisse gewinnen in technischen Studiengängen zunehmend an Bedeutung. Jedoch stehen in Programmierübungen häufig zu wenige Tutor:innen zur Verfügung, die die Studierenden beim Lösen der Programmieraufgaben unterstützen. Deshalb wird ein KI-System entwickelt, das die Studierenden jederzeit und individuell beim Lösen der Programmierübungen unterstützt. Im Gegensatz zu klassischen Ansätzen analysiert das KI-System nicht den programmierten Code, sondern fokussiert sich auf die Zwischen- und Endergebnisse (z. B. erzeugte Daten, Plots). Anhand dieser gibt das KI-System Hinweise und Erklärungen, um das selbstständige Arbeiten und kritische Denken ohne Musterlösung zu fördern. Ein erster Prototyp wurde im Rahmen einer Programmierübung eingesetzt und mit positiver Resonanz evaluiert.
Publikation anzeigenOpen-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
AI Tutor for Programming Exercises : Combining Results- and Code-Based Feedback
Poster
Publikation anzeigenKI-unterstützte Programmierung mittels ergebniszentrierter Fehlerklassifikation. Potenziale zur Schaffung neuer Lernräume
Programmierkenntnisse gewinnen in technischen Studiengängen zunehmend an Bedeutung. Jedoch stehen in Programmierübungen häufig zu wenige Tutor:innen zur Verfügung, die die Studierenden beim Lösen der Programmieraufgaben unterstützen. Deshalb wird ein KI-System entwickelt, das die Studierenden jederzeit und individuell beim Lösen der Programmierübungen unterstützt. Im Gegensatz zu klassischen Ansätzen analysiert das KI-System nicht den programmierten Code, sondern fokussiert sich auf die Zwischen- und Endergebnisse (z. B. erzeugte Daten, Plots). Anhand dieser gibt das KI-System Hinweise und Erklärungen, um das selbstständige Arbeiten und kritische Denken ohne Musterlösung zu fördern. Ein erster Prototyp wurde im Rahmen einer Programmierübung eingesetzt und mit positiver Resonanz evaluiert.
Publikation anzeigenOpen-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 anzeigenDas könnte Sie auch interessieren
Kuratierte Methodenlehre für den "flipped classroom" im 21. Jahrhundert
Seit einigen Jahren stehen die Universitäten im Wettbewerb mit Online-Angeboten, z.B. in Form von Lernvideos, interaktiven Tools und kompletten Kursen (MOOCs). Gerade in der Statistik gibt es zahlreiche exzellente Lernressourcen online, da die Lerninhalte weltweit standardisiert sind. Vor diesem Hintergrund stellt sich die Frage nach dem Mehrwert der Präsenzuni, besonders in Zeiten von Corona, in denen viele Unis ihre Lehre zumindest zeitweise auf Online- oder Hybridformate umstellen mussten. In diesem Projekt soll es darum gehen, mittels einer umfänglichen Kuratierung digitaler Lernressourcen komplette Lernmodule in der sozialwissenschaftlichen Statistik zu erstellen, vorzugsweise mit frei lizensierten Inhalten. Dadurch werden die Lehrenden davon befreit, eigene digitale Lernressourcen bzw. Vorlesungen zu erstellen. Die dadurch entstehenden Ressourcen sollen dazu genutzt werden, im Rahmen intensiver Betreuung von Präsenzveranstaltungen, die durch digitale Lernressourcen zunächst theoretisch vermittelten Inhalte anhand praktischer Beispiele und Projekte einzuüben und zu vertiefen. Diese Kombination der besten verfügbaren digitalen Inhalte mit intensivem projekt- und forschungsbasiertem Lernen in Präsenz soll das beste beider Welten zusammenbringen und damit das Profil der Präsenzuni schärfen. Gleichzeitig ermöglicht das so geplanten Vorgehen eine bessere Differenzierung von Lehrplänen nach den Vorkenntnissen und Lernbedarfen verschiedener Studierendengruppen.
Projekt anzeigen
Studierende als Impulsgeber für Lehre in XReality
XRreality bezeichnet einen Sammelbegriff für immersive Technologien, die die physische Realität ergänzen oder ersetzen. Dabei wird zwischen Virtual Reality (VR), Augmented Reality (AR) und Mixed Reality (MR) unterschieden. XR-Anwendungen werden verstärkt in der Hochschullehre eingesetzt. Im Projekt MINT-VR-Labs wurden zum Beispiel gemeinsam mit Lehrkräften immersive Lernumgebungen entwickelt und durch die Einbeziehung von Studierenden praxisnah gestaltet. Als Zielgruppe bringen Studierende technisches Know-how und Nutzerperspektive ein und fördern so die bedarfsgerechte Weiterentwicklung der Lehre. Sie unterstützen zudem Wissenstransfer und nachhaltige Digitalisierung in der Hochschule.
Maßnahme anzeigenPerzeptrons programmieren und explorieren im Rahmen der Open Roberta Lernumgebung
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen