Lernunterstützung durch KI
Das Projekt Lernunterstützung durch KI" (LuKI) entwickelt eine innovative, generative KI-gestützte Lernplattform, die Studierenden besonders beim herausfordernden Übergang von Schule zum Studium unterstützt. Im Zentrum steht ein KI-Lernassistent, der auf Basis von geprüften Lernmaterialien angelernt wird und sich an individuelle Lernstile adaptiert, Vorkenntnisse evaluiert und strukturiert durch die bereitgestellten Inhalte führt. Ergänzend entstehen generative KI-gestützte Tools wie interaktive Lernkarten, Quizze und selbst-generierende Übungsaufgaben. Während bestehende digitale Angebote nur standardisierte Inhalte bieten und KI-Tools wie ChatGPT nicht fachspezifisch sind, schafft LuKI eine verlässliche, theoretisch-fundierte Alternative.LuKI zeichnet sich durch von Lehrenden geprüfte Inhalte, didaktische Fundierung, datenschutzkonforme Gestaltung und die einzigartige Kombination von Lehr- und Lernperspektive in einer Plattform basierend auf generativer KI als Alleinstellungsmerkmale aus. Studierende gestalten die Plattform in der Entwicklung aktiv mit: von der Anforderungsanalyse bis zur Evaluation. So entsteht ein Projekt im forschenden Lernen "von Studierenden für Studierende". Neben fachlichem Wissen fördert LuKI gezielt das KI-Verständnis und durch eine Microservice-Architektur und einem Open-Source-Ansatz entsteht hohes Transferpotenzial über den Fachbereich und die Universität hinaus für eine zukunftsfähige, digitale und personalisierte Hochschullehre.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Digital.Pulse-Studierende für Hausarztmedizin 4.0
Digital.Pulse qualifiziert Studierende im PJ-Tertial Allgemeinmedizin (letztes Studienjahr) zu Digital Care (Digital-gestützte Versorgung). Das neue Curriculum integriert Ansätze des Nationalen Lernzielkatalogs Medizin, des Mustercurriculums Medizinische Informatik der Bundesärztekammer, des Problem-based Learning, der Adult Learning-Theorie und der themenbezogenen Lehrforschung. Ein Scoping-Review zeigt internationale Best Practices für ein Digital Health Curriculum. Digital.Pulse konzipiert, implementiert und evaluiert ein 4-monatiges Blended learning-Programm für PJ-Studierende: 1) Die Lerninhalte adressieren Digital Health theoretisch und praktisch. 2) Durch 10 problembasierte Lernszenarien entsteht eine Lernspirale, die u.a. Inhalte der Medizininformatik, Klinischen Entscheidungsfindung und Patientenzentrierung integriert. 3) Der Lernraum Hausarztpraxis ermöglicht die patientenzentrierte Anwendung. 4) Der Lernerfolg im Hinblick auf Wissen, Fähigkeiten, Einstellung und Verhalten wird wissenschaftlich nach einem mixed-methods-Ansatz (Fragebögen, Interviews) evaluiert. 5) Eine digitale Lernplattform unterstützt Gruppenarbeiten, asynchrones und individualisiertes Lernen sowie die Dissemination. 6) Alle Lehrmaterialien werden partizipativ mit Studierenden entwickelt. 7) Das Curriculum wird mit 15 PJ-Studierenden implementiert. 8) Ein internationales Advisory Board unterstützt die Konzeptentwicklung und Dissemination im deutsch- und englischsprachigen Raum.
Projekt anzeigen
Vibrometer-basierte Justierung digitaler Zwillinge
In der Projektfortsetzung wurde die Anforderung aufgenommen, das Schwingungsverhalten physischer Versuche zu erfassen, um die digitalen Zwillinge justieren zu können. Für eine schnelle und unkomplizierte Messung von Schwingungen in verschiedenen experimentellen Setups wurde ein Laservibrometer beschafft.
Maßnahme anzeigen
Too Positive to Be True? Sentiment Analysis of AI-Guided vs. Human-Led Debriefings in Virtual Reality Counseling Training
Debriefings are a crucial component of simulation-based learning, as they allow participants to critically reflect on their performance and translate experiences into knowledge. With the rise of artificial intelligence (AI), large language models (LLMs) are increasingly being explored as conversational agents in debriefings. However, concerns have been raised that AI debriefers may display sycophantic tendencies, characterized by overly positive sentiment and a lack of critical feedback. Such tendencies could affect learners' self-evaluations. In this study, 45 university students participated in a virtual reality (VR) counseling simulation, followed by either an AI-guided or a human-led debriefing. Sentiment analysis of 958 debriefing statements (350 AI, 608 human) was conducted using a German sentiment classification model. Results show that AI debriefers expressed significantly more positive sentiment and substantially fewer negative statements compared to human debriefers, corroborating the assumption of a sycophancy effect. However, sentiment was not found to predict self-rated counseling competence or self-efficacy. While AI debriefers provide consistent encouragement, their lack of critical feedback raises questions about their long-term effectiveness for professional skill development. Future research should explore hybrid approaches that combine AI scalability with human expertise in constructive reflection.
Publikation anzeigen