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
Kleinsatellit als Chance für Fach-, Semesterübergreifenden und interdisziplinären Lehre
Wachsende gesellschaftliche Relevanz, aktive Partizipation und nicht zuletzt die Faszination von und an Raumfahrttechnologien werden in diesem Projektvorhaben als Methode genutzt, die intrinsische Motivation von Studierenden zu stärken und gleichzeitig innovative, zukunftsweisende Lehrinhalte in den Bereichen Elektrotechnik und Informatik zu vermitteln. Semester-, sowie Studiengangsübergreifend arbeiten Studierende in diesem Lehrinnovationsprojekt an der Realisierung eines Kleinsatellit (CubeSat) und sind durch die Integration in bestehende Lehrveranstaltung bei den Phasen der Konzeption, Entwicklung, Implementierung und Test aktiv beteiligt. Dabei wird wie in einer realen Raumfahrtanwendung das Vorhaben in Primär- und Sekundärmission aufgeteilt, wobei im Rahmen des Projektes die Primärmission (On-Board Avionik) im Fokus steht und sich zunächst an Studierende aus den Studiengängen Elektrotechnik, Informatik und Mathematik (EIM) richtet. Die Strahlkraft des Gesamtvorhabens wird im Verlauf durch die Sekundärmission erweitert. Der besondere Charme darin besteht dabei darin, dass hier Studierende aller (auch nicht technischer) Fachbereiche der TUHH gleichermaßen partizipieren können. Als Konkretum und um die Wertigkeit des Vorhabens zu unterstreichen, wird für das Projekt eine Basisstruktur eines CubeSat beschafft, sodass sich die Lehrinhalte auf die Primärmission (und damit der Avionik) richten und direkt in bestehende Module aus den EIM Studiengängen integriert werden können.
Projekt anzeigen
Entwicklung des Stud.IP-Plugins „coLearn!“
Das Lernen in Kleingruppen bietet hervorragende Möglichkeiten zur Förderung studentischen Lernens. coLearn!, ein Stud.IP-Plugin, das an der Universität Augsburg entwickelt wurde, unterstützt Lehrpersonen darin, Kleingruppenarbeit strukturiert zu planen und in ihren Vorlesungen, Seminaren oder Übungen umzusetzen. coLearn! bietet Lehrenden – basierend auf Erkenntnissen der empirischen Lehr-Lernforschung - die folgenden Möglichkeiten: (a) Erstellen von Aufgaben, die von Studierenden gelöst werden sollen, (b) Bildung von Kleingruppen zur Bearbeitung von Aufgaben, (c) didaktische Strukturierung der Kleingruppenkooperation durch Vergabe von Rollen, Phasen und je spezifischen Anweisungen, (d) vielfältige Möglichkeiten zur Überwachung des Kooperationsprozesses für die Lehrperson.
Maßnahme anzeigenE-Assessment-Aufgaben mit PyRope und Onyx erstellen – ein Use-Case
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen