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
Future Skills Applied
In dem Verbundprojekt Future Skills.Applied arbeiten die sechs großen niedersächsi¬schen Fachhochschulen in staatlicher Verantwortung zusammen. Der Markenkern der Anwendungsorientierung verlangt, dass Lehr- und Lernkonzepte laufend so weiterentwickelt werden, dass die Studierenden bestmöglich auf die Zukunft in einer zunehmend digitalisierten Arbeits- und Lebenswelt vorbereitet sind. Die dazu benötigten neuen Kompetenzen, hier future skills applied genannt, werden noch nicht ausreichend berücksichtigt. Gegenstand des Projekts ist die gemeinsame Konzeption, Entwicklung, Erprobung, Umsetzung, Übertragung und Evaluierung von Lehr- und Lernkonzepten zur Stärkung studentischer future skills applied. Im Innovationsverbund können sie effizienter, (breiten-)wirksamer und nachhaltiger gefördert werden als bei isoliertem Vorgehen. Die Hochschulen arbeiten an Maßnahmen in Teilprojekten, die einen zentralen Beitrag zum zukünftigen Studienerfolg leisten: die Stärkung studentischer überfachlicher Kompetenzen (TP 1), die Weiterentwicklung der Hochschuldidaktik (TP 2) sowie die Vernetzung von Lehr- und Lernorten (TP 3). Durch das Querschnittsprojekt entsteht der Innovationsverbund, in dem sich alle Partner vernetzen.
Projekt anzeigen
Talkshow „Damit wir uns richtig verstehen“
Die Talkshow „Damit wir uns richtig verstehen“ galt als Auftaktveranstaltung des Projekts „Lost in Translation?“. Mithilfe eines Wissenschaftskommunikators sowie Expert:innen der Fremdsprachendidaktik, eines fachfremden YouTubers und einer Lehrkraft sollten unter Einbezug der Öffentlichkeit Fragen rund um die Fremdsprachendidaktik/-forschung diskutiert werden. [Anm. StIL: Diese Maßnahme wurde in einer Vorgängerversion der Abfrage dokumentiert. Bei der Übertragung auf das aktuelle Format kann es vorkommen, dass die Antworten nicht hundertprozentig zur Frage passen.]
Maßnahme anzeigen
Promoting Pre-Service Teachers’ Evidence-Informed Reasoning Through Peer-Feedback: Effects of a Feedback Provision Scaffold and a Feedback Integration Scaffold
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen