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
Deutsches Zentrum für digitale Aufgaben
Revolutionär. So werden häufig die durch Digitalisierung getriebenen Entwicklungen bezeichnet, die sich in allen Bereichen der akademischen Bildung niederschlagen. In allen Bereichen? Nein! Im Bereich der digitalen Aufgaben klafft eine riesige Lücke zwischen vorhandenem und genutztem Potenzial im Hinblick auf den Einsatz und die Verbreitung der besten verfügbaren Technologie. Dies bindet personelle Ressourcen, bremst eine stärkere Individualisierung des Lernens, auch und gerade unter Berücksichtigung von Diversität und Bildungsgerechtigkeit, und wirkt sich erschwerend auf den Lernerfolg aus. Die Lücke führt dazu, dass Möglichkeiten zur Senkung der Studienabbruchquoten in erheblichem Maße ungenutzt bleiben. Ziel des Projekts ist es daher, ein Deutsches Zentrum für digitale Aufgaben in der Hochschullehre (DZdA) zu etablieren. Dieses soll erstmals allen Hochschulen den Zugang zu qualitätsgeprüften, mehrsprachigen digitalen Aufgaben der besten verfügbaren Technologie ermöglichen und damit die Entwicklung und den Einsatz digitaler Aufgaben in den WiMINT-Fächern bei allen Lehrenden fördern, beides über die Projektlaufzeit hinaus verstetigen und so seine Wirkung auf die Lehrarchitektur aller Hochschulen nachhaltig entfalten. Die Strahlkraft dieses Innovations- und Erneuerungsprozesses entwickelt sich dabei bottom-up aus der Community über die Verbundhochschulen und die landes- und bundesweit agierenden Partner des Projektvorhabens mit bereits über 170 AkteurInnen in Deutschland.
Projekt anzeigen
Das Paderborner Elektrotechnik AR Labor (PEARL)
Um unterschiedlichen Vorkenntnissen im Umgang mit Laborgeräten in der Elektrotechnik zu begegnen, wurde ein freiwilliges, orts- und zeitunabhängiges Vorpraktikum entwickelt. Die Maßnahme ermöglicht Studierenden mithilfe der Anwendung PEARL ein frühzeitiges, gezieltes Kennenlernen zentraler Geräte vor oder parallel zum Laborpraktikum. Auf diese Weise wird ein flexibler, individueller Kompetenzaufbau unabhängig von Präsenzzeiten im Labor unterstützt.
Maßnahme anzeigen
Schmitz, Sigrid (2025): Feministische Science & Technology Studies im Dialog mit Natur- und Technikwissenschaften: Inklusionen – Grenzlinien – Strategien.
Dieser Beitrag erörtert die Möglichkeiten und Herausforderungen zur Berücksichtigung von gesellschaftlich kontextualisierten Geschlechterperspektiven in den Naturwissenschaften. Ansatzpunkte zur Inklusion bieten Bereiche der Lebenswissenschaften und der Medizin, die bereits verschränkte Sex/Gender-Konzepte in ihrer Forschung berücksichtigen, Geschlechtervielfalt auch auf biologischer Ebene analysieren und die gesellschaftliche Kontextualisierung der Forschung thematisieren, wie beispielsweise der SFB „Sexdiversity“. Epistemologische Perspektiven der feministischen Science & Technology Studies (STS) zur Situiertheit der Forschenden und zur Reflexion ihrer eigenen gesellschaftlich-kulturellen Positioniertheit in Forschungsprozessen stoßen im Dialog aber immer noch auf Grenzen, wenn auf die Objektivität und Neutralität der MINT-Forschung gepocht wird. Strategien für einen transdisziplinären Austausch zur Positioniertheit der eigenen Forschungsmethodologien und Forschungspraxen sowie zur Kompetenzbildung für Sex/Gender- und feministische STS-Perspektiven in der Lehre und Nachwuchsförderung in MINT werden vorgestellt. In: Gender 3/2025, Schwerpunkt Perspektiven der Geschlechterforschung in Natur- und Technikwissenschaften
Publikation anzeigen