Lernfeedback durch Kontrafaktische Erklärungen
Die Maßnahme adressiert die Herausforderung, dass Lernende in digitalen Lernumgebungen stark hetero-gen in ihren selbstregulierten Lernfähigkeiten (SRL) sind und herkömmliches Feedback diese Unterschiede nicht berücksichtigt. Auf Basis der SRL-Theorie wurden Anforderungen an personalisiertes Feedback abge-leitet und mit Verfahren des Maschinellen Lernens sowie Erklärbare KI (XAI) umgesetzt. Dadurch konnten Lernverhalten und individuelle Charakteristika von Studierenden erfasst und mittels kontrafaktischer Er-klärungen in handlungsleitendes Feedback übersetzt werden. Eine universitäre Lehrveranstaltung diente als Testfeld, in dem signifikante Verbesserungen bei Plattformnutzung und Prüfungsergebnissen nachge-wiesen wurden.
Kategorien
Beschreibung
Herausforderung
Lernende unterscheiden sich stark in Motivation, Metakognition und Selbststeuerung. Standardisierte Feedbacksysteme verfehlen daher oft ihren Zweck und benachteiligen insbesondere Studierende mit Schwierigkeiten im selbstregulierten Lernen.
Herangehensweise
Wir leiteten aus der SRL-Theorie Anforderungen an Feedbacksysteme ab und nutzten maschinelles Lernen, um Beziehungen zwischen Lernverhalten, individuellen Merkmalen und Studienerfolg zu modellieren. Mit-hilfe von Erklärbarer KI (XAI), insb. kontrafaktischer Erklärungen wurden personalisierte Handlungsemp-fehlungen generiert, die Lernende gezielt beim Planen, Überwachen und Anpassen ihres Lernverhaltens unterstützen. Die Lösung wurde prototypisch implementiert und in einer Lehrveranstaltung empirisch eva-luiert.
Zusammenhang
Die Maßnahme wurde im Rahmen einer universitären Lehrveranstaltung als randomisierte kontrollierte Studie erprobt. Studierende erhielten systematisch KI-gestütztes Feedback zu ihrem Lernverhalten inner-halb einer Lernplattform.
Voraussetzung
Wesentlich waren: eine digitale Lernumgebung mit hinreichend großen Datenmengen zu Lernaktivitäten (Log-Events), Bereitschaft zur Teilnahme seitens der Studierenden sowie die enge Verknüpfung von Theorie (SRL) und Technik (ML/XAI). Zudem war ein didaktisches Setting erforderlich, in dem Feedback kontinuier-lich integriert und von Lehrenden begleitet wurde.
Schritte
Theoriegeleitet entwickeln: Nutzen Sie SRL-Theorie, um Anforderungen an Feedback abzuleiten.
Technische Basis schaffen: Stellen Sie sicher, dass genügend Lerndaten (Log-Events, Nutzungsdaten) vor-liegen und qualitativ aufbereitet werden können.
Erklärbarkeit sicherstellen: Lernende müssen das Feedback nachvollziehen und annehmen können.
Pilotieren und evaluieren: Starten Sie mit einer Pilotveranstaltung, führen Sie formative Evaluationen durch und passen Sie das System iterativ an.
Didaktische Einbettung: Ergänzen Sie Feedbacksysteme durch begleitende Reflexionsaufgaben oder Tuto-rien, damit Studierende das Feedback aktiv verarbeiten.
Skalierbarkeit berücksichtigen: Planen Sie frühzeitig, wie die Lösung auf weitere Kurse/Studiengänge über-tragbar ist.
Hinweise
Effekte
Neben den erwarteten Verbesserungen von Plattformnutzung und Studienleistungen zeigte sich, dass auch Studierende mit geringen metakognitiven Fähigkeiten und hoher Prokrastinationsneigung vom adaptiven Feedback profitierten. Unerwartet war zudem die hohe Akzeptanz der erklärbaren Feedbackmechanismen.
Learnings
Theoriegeleitete Entwicklung erhöht Akzeptanz und Wirksamkeit.
Erklärbare Feedbackmethoden stärken das Vertrauen in KI-Systeme.
Adaptive Rückmeldungen wirken über verschiedene Kompetenzniveaus hinweg.
Das könnte Sie auch interessieren
Green Guide für Nursing
Planetare Gesundheit ist angesichts des Klimawandels als größte globale Gesundheitsbedrohung höchst relevant für die Profession der Pflege. Gemäß Pflegeberufegesetz von 2020 müssen Absolvent*innen von Pflegestudiengängen befähigt werden, aufmerksam für die Ökologie in den Gesundheitseinrichtungen zu sein, über grundlegendes Wissen zu Konzepten und Leitlinien für eine ökologische Gestaltung der Einrichtung zu verfügen und mit materiellen und personellen Ressourcen nachhaltig umzugehen. Bislang ist die Integration des Themas in Curricula defizitär und geht einher mit einem hohen Bedarf an Lehr-/Lernmaterial für alle Pflegestudiengänge. Studien belegen einen Mangel an Wissen und Handlungskompetenz zu planetarer Gesundheit bei Pflegestudierenden und Pflegefachpersonen in der Praxis. Das Projekt Green Guide for Nursing baut auf dem Freiraum 2022-Projekt Planetary Health and Nursing (PHN) auf und stellt den nächsten Schritt zur Integration des Themas in Lehre und Praxis dar. Pflegestudierende werden befähigt, mittels der innovativen, digitalen Methode des Educational-Escape-Rooms, Themen aus der Pflegepraxis in Form eines Aktionshandbuchs (Do-it-Guide für nachhaltiges Pflegen) mit konkreten Ideen zur Vergrößerung des ökologischen Handabdrucks zu entwickeln. Der Do-it-Guide wird Hintergrundinformationen, positive Visionen und konkrete Empfehlungen für klimasensibles Pflegen enthalten, die frei zugänglich bundesweit in Lehre und Praxis Anwendung finden können.
Projekt anzeigen
Qualifizierungsbedarfe erkennen und unterstützen
Um die Kompetenzen von Teilprojektbeteiligten gezielt weiterzuentwickeln, werden Qualifizierungsangebote konzipiert. Diese fokussieren auf mediendidaktische sowie medientechnologische Inhalte zur Stärkung der digitalen Expertise. Ziel ist die systematische Erweiterung des Know-hows der Teilprojektbeteiligten für eine erfolgreiche Zusammenarbeit.
Maßnahme anzeigen
Wissenschaftsgeleitete Wirkungsreflexion – Ansätze der Qualitätsentwicklung für eine Hochschulbildung der Zukunft
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen