
OTH-Brain: Ein adaptives KI-Tutorsystem
In Einführungsveranstaltungen zur Programmierung ist die selbständige Bearbeitung von Übungsaufgaben durch Lernende essenziell. Insbesondere in hybriden Lernsettings wird während der Bearbeitung häufig jedoch nicht ausreichend individuelles Feedback gegeben, sodass zeitintensive wiederholte Anwendung falscher Strategien Frustration hervorruft. Um dem entgegenzuwirken, erproben wir in einer hybriden Programmierveranstaltung für internationale Studierende ein Konzept, das interaktive Programmieraufgaben mit einem tutoriellen KI-Assistenten verbindet. Die Kernideen des Konzepts sind:Interaktive Programmieraufgaben mit automatischem FeedbackDie Aufgaben werden mit dem System CodeRunner entwickelt, das eine automatische (formative/summative) Bewertung und sofortiges Feedback zur aktuellen Lösung ermöglicht.Fortlaufend trainierter, modulspezifischer KI-AssistentEin für die Lehrveranstaltung konfigurierter KI-Assistent wird durch ein Plugin im Lernmanagementsystem integriert und unterstützt Studierende bei der Aufgabenbearbeitung. Das dahinterliegende Modell wird mit stetiger Nutzung feinjustiert.Analyse der Konversationsdaten zur kontinuierlichen Verbesserung der AufgabenDie anonymisierten Anfragen an den Assistenten werden aufgabenspezifisch analysiert. Dadurch können Aufgaben gezielt verbessert werden.Begleitendes Projektseminar "BrainLab AI4Peers"Studierende des Studiengangs "KI" gestalten und entwickeln den KI-Tutor im Rahmen eines Projektseminars aktiv mit.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren

Konzertierte Weiterbildungen zu künstlicher Intelligenz in der Hochschullehre 2024 - Sachsen-Anhalt
[Kurzbeschreibung folgt (Anm. StIL)]
Projekt anzeigen
Automatisiertes Feedback zu Diagrammen mit FeeDi
Die Fähigkeit, komplexe Inhalte in Diagrammen darzustellen, ist besonders in MINT-Fächern essenziell – etwa in UML-, Prozess-, Schalt- oder XY-Diagrammen. Doch in großen Lehrveranstaltungen mit bis zu 500 Studierenden ist eine individuelle Korrektur eingereichter Modellierungen kaum möglich. Selbst in kleineren Gruppen entsteht so ein hoher Bewertungsaufwand. In der Lehrveranstaltung Datenbanksysteme der HTWK Leipzig kam das E-Assessment-Tool FeeDi zum Einsatz: Lehrende hinterlegten eine Musterlösung, auf deren Basis Studierende automatisiert grafisches, numerisches und textuelles Feedback zu ihren ER-Diagrammen erhielten. Zudem wurden Bewertungsschemata und Feedbacktexte für typische Fehlerklassen vorbereitet. Ziel war es, Studierenden zeitnahes, prozessbezogenes Feedback zu geben und Lehrende zu entlasten. Die Studierenden erhielten direkt nach der Abgabe farblich markierte Rückmeldungen zu korrekten und fehlerhaften Elementen, numerische Bewertungen (absolut/prozentual) sowie text
Maßnahme anzeigen
Diversität und Digitalität in der Hochschullehre. Innovative Formate in digitalen Bildungskulturen
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen