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.
Vorgehen/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.
Kontakt
Das könnte Sie auch interessieren
Was bedeutet Sicherheit im Kontext von Flucht?
Das Projekt zielt darauf ab, einen Ansatz für partizipative und co-produktive Lehre in der humanitären Hilfe (HH) zum Thema Sicherheit und Schutz im Kontext von Flucht zu erarbeiten. Das didaktische Konzept baut dabei auf dem Challenge-based Learning (CBL) auf, nach dem Studierende mit fachwissenschaftlicher Begleitung einer Fragestellung anhand von identifizierten Challenges nachgehen, die ein reales, komplexes, lokal verortetes Problem darstellen. Gemeinsam mit den Zielgruppen und Praxispartner*innen sollen Konfliktpotentiale identifiziert, priorisiert und Projektideen zur Sichtbarmachung der Stimmen und Bedarfe der Geflüchteten z.B. zur Prävention, zum (Gewalt-) Schutz und zur Mediation entwickelt werden. Partizipation der Zielgruppen und Einbezug nicht-akademischen Wissens in den Lehrkanon entspricht Prinzipien der Lokalisierung und Dekolonialisierung in der Humanitären Hilfe, die auch in der universitären Lehre umgesetzt werden müssen. Für Menschen auf der Flucht ist die Unterbringung in Unterkünften und Camps eine wiederkehrende und ambivalente Erfahrung, die zugleich Schutz- und Konfliktpotentiale bietet. Im Projekt wird eine Pilotlehreinheiten im NOHA-Studiengang konzipiert, durchgeführt und angelehnt an das Konzept des Scholarship of Teaching and Learning auch wissenschaftlich evaluiert. Kooperationen mit Partneruniversitäten des NOHA-Netzwerkes und im Rahmen des internationalen Universitätskonsortiums UNIC geplant.
Projekt anzeigen
Förderung fachspezifischen Problemlösens (Physik)
Fast die Hälfte der Studierenden bricht das Physikstudium im Laufe der ersten vier Semester ab. Einer der Gründe ist die hohe Komplexität und Abstraktheit der Inhalte. Mit den Maßnahmen können die Studierenden das benötigte Fachwissen abhängig vom Vorwissen erlernen und so erfolgreicher Studieren. Die Materialien führen sie strukturiert durch den Erwerb fachspezifischer Problemlösefähigkeiten.
Maßnahme anzeigen
Putting ICAP to the test: how technology-enhanced learning activities are related to cognitive and affective-motivational learning outcomes in higher education
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen