Suchergebnisse
Universität Duisburg-EssenLernunterstützung 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.
Projekt anzeigen
Das könnte Sie auch interessieren
Digitalisierung entlang Lehren, Lernen und Forschen integrieren
Bislang wurde das Thema digitale Lehre an der Universität Hohenheim auf der Ebene der einzelnen Lehrveranstaltung betrachtet. Mit dem vorliegenden Vorhaben werden erstmals auch die Ebene der Studiengänge sowie die Ebene der Lehrkultur und Lehrorganisation systematisch bearbeitet. Gute digitale Lehre basiert dabei auf dem konzertierten Einsatz technischer Innovationen in Kombination mit didaktischen, curricularen und organisationalen Innovationen, die zusammen einen kulturellen Wandel in der Hochschule unterstützen. Dazu werden verknüpfte Maßnahmenbündel implementiert, die sich sowohl an Studierende als auch an Lehrende richten. Als Output am Ende des Projekts stehen Ergebnisse, die auch über den spezifischen Kontext hinaus relevant und in andere Hochschulsettings übertragbar sind: studiengangsbasierte, digitale Kompetenzprofile, good practices für die Integration digitaler Formate in Studiengänge, fachspezifische digitale Toolboxen für Lehrende, ein Konzept für die digitale Unterstützung Forschenden Lehrens und Lernens, ein KI-gestütztes Lernassistenzsystem, eine auf digitaler Texterkennung basierende Evaluationsmethode sowie wissenschaftlich abgesicherte Erkenntnisse zum Einsatz und zur Wirkung digitalen Lehrens und Lernens.
Projekt anzeigen
Interdisziplinäre Workshops in der Lehre zur Stärkung von Praxis-Erfahrungen
Workshop mit externen Expert*innen geben den Studierenden Einblicke in die Praxiswelten, die an ein Studium anschließen können. Sie vermitteln wertvolle Kompetenzen und bieten Möglichkeit zum disziplinübergreifenden Austausch. [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
GenAI-Chatbots as Debriefers: Investigating the Role Conformity and Learner Interaction in Counseling Training
Debriefing is essential for the effectiveness of simulation-based training but is generally considered resource-intensive. Generative Artificial Intelligence (GenAI)-based debriefing can be an alternative to human debriefers. However, there is no research yet whether GenAI chatbots can take up this role and how learners react to them. This paper presents a qualitative analysis of a debriefing following a counseling training conducted in Virtual Reality (VR) with the support of a GenAI chatbot. The debriefing helped students to analyze their experiences and application of consulting techniques. The analysis of the chatlogs (n = 22) are focused on the role conformity of the bot and the students’ ability to reflect their behavior within VR. The results revealed the chatbot’s strong role conformity but also its tendency for overly complimentary answers. However, this bias does not seem to influence students’ self-reflection. Instead, they maintained a self-critical attitude. Future research on AI-assisted debriefing could expand on these findings in related areas.
Publikation anzeigen