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
Digitaler Campus Rostock
Das Projekt gliedert sich in drei Bereiche: 1. Koordination und Evaluation sowie rechtliche und organisatorische Grundlagen Es werden Rahmenbedingungen für die Umsetzung digitaler Lehre gestaltet, indem datenschutz-, urheber- und prüfungsrechtliche Voraussetzungen geschaffen und die Umsetzung von Lehrverpflichtungs- und Kapazitätsverordnungen für digitale Lehre angepasst werden. Um organisatorische Rahmenbedingungen abzusichern, werden Strukturen und Prozesse implementiert und alle Maßnahmen im Projekt dauerhaft wissenschaftlich begleitet und evaluiert. 2. Innovative Digitale Bildung Im Rahmen von übertragbaren Modellprojekten werden Initiativen zur Förderung digitaler Mündigkeit, zur Entwicklung neuer digitaler Formate sowie zur nachhaltigen Verankerung technologischer Innovationen erprobt und nachhaltig implementiert. 3. Internationalisierung durch Digitalisierung Der Studienerfolg ausländischer Studierender wird mit Hilfe spezieller Blended-Learning-Angebote, die ortsunabhängig vor Studienbeginn oder begleitend genutzt werden können, gesteigert. Für deutsche Studierende sollen die Curricula durch die digitale Einbindung internationaler Wissenschaftler:innen bereichert und Hürden für Auslandsaufenthalte abgebaut werden.
Projekt anzeigen
Laterale Führung in der Projektkoordination
Projektkoordinator:innen in Hochschulentwicklungsprojekten tragen Mitverantwortung für den Projekterfolg, haben aber meist keine formale Weisungsbefugnis gegenüber den Teilprojekten und Projektmitarbeitenden. Diese Maßnahme dokumentiert Strategien für eine wirksame Koordination ohne Hierarchie. Der Ansatz basiert auf drei Säulen: aktive Legitimation durch die Projektleitung, Aufbau tragfähiger Arbeitsbeziehungen zu allen Beteiligten und das Schaffen von erkennbarem Mehrwert für das Gesamtprojekt. Ziel ist es, dass die Koordination als hilfreiche Instanz wahrge-nommen wird, nicht als zusätzliche Kontrollschicht.
Maßnahme anzeigenEmbracing my superpowers: Mithilfe der Superheld:innen-Metapher Sprachlernstrategien reflektieren, erweitern und nachhaltig festigen
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen