Suchergebnisse
Universität KasselLearning Innovation with Flipped Tutoring
Das Projekt LIFT hat das Ziel, die Selbstlernphasen im Flipped Classroom durch den Einsatz eines KI-basierten Tutors nachhaltig zu verbessern. Der Tutor analysiert Lernmaterialien und erstellt adaptive Lernpfade, die sich an den individuellen Bedürfnissen und dem Lernverhalten der Studierenden orientieren. So wird eine personalisierte, interaktive Lernumgebung geschaffen, die Studierende mit maßgeschneiderten Rückmeldungen und Feedback unterstützt.;Durch den Einsatz generativer KI (GKI) werden Studierende nicht nur bei der Verarbeitung der Lerninhalte unterstützt, sondern erhalten auch sofortiges Feedback und die Möglichkeit, den Lernpfad aktiv mitzugestalten. Das Projekt fördert das Engagement der Studierenden und steigert ihre Lernmotivation, indem es ihre spezifischen Anforderungen berücksichtigt und individuell auf sie eingeht.Das didaktische Konzept basiert auf bewährten Theorien wie der Scaffolding- und der Cognitive Load Theorie, die es ermöglichen, die Studierenden kognitiv zu fordern, ohne sie zu überfordern. Der KI Tutor fungiert als adaptiver Lernbegleiter, der den Lernprozess fördert und eine effektive, selbstständige Auseinandersetzung mit dem Lernmaterial unterstützt.;Das Projekt verfolgt einen partizipativen Ansatz, bei dem Studierende aktiv in die Entwicklung des KI Tutors eingebunden werden. Die Ergebnisse des Projekts werden als Open Educational Resources (OER) dokumentiert, um eine nachhaltige Nutzung und Übertragung auf andere Fächer zu gewährleisten.
Projekt anzeigen
Das könnte Sie auch interessieren
Heterogenität braucht Freiraum in den Lernangeboten
Die Studieneingangsphase gehört zu einer der wichtigsten Phasen im Studium. Hier treffen Studierende (STUD) auf Mitstudierende, die vielleicht schon eine Ausbildung im belegten Studienfach gemacht oder gerade ihre allgemeine Hochschulreife am Gymnasium erworben haben. Die Lernvoraussetzungen beider sind äußerst heterogen, trotzdem studieren sie gemeinsam und sitzen in derselben Vorlesung. Aus den heterogenen Lernvoraussetzungen resultieren jedoch auch unterschiedliche Lernbedürfnisse, die ein individualisiertes Lernen erforderlich machen. Aktuell verwehren aber Vorlesungen häufig verschiedene Eingriffs- und Steuerungsmöglichkeiten innerhalb des Lernprozesses. Deshalb verfolgt das Projektvorhaben das Ziel, STUD in der Vorlesung ein individualisiertes Lernen über digitale Lernangebote zu ermöglichen. Für die Umsetzung ist die Entwicklung von interaktiven Übungen in Gestalt einer Übungsplattform vorgesehen, in die sämtliche digitale Lernangebote integriert sind und die die heterogenen Lernvoraussetzungen der STUD berücksichtigt. Konzeptionell stellt die Übungsumgebung damit ein Learning-on-Demand-Angebot dar, da es den STUD in genau dem Moment Wissenserwerb bzw. Übungsmöglichkeit bietet, in dem diese Unterstützung benötigen. Damit Learning on Demand möglich wird, sollen den STUD multiple Self-Assessment-Möglichkeiten angeboten werden, damit die STUD sowohl ihren eigenen Lernstand als auch ihren Lernfortschritt kontrollieren können. Angebote, die der Selbsteinschätzung dienen und
Projekt anzeigen
Sensibilisierung für den Einsatz von KI-Tools
Eine Intervention zum Einsatz in Veranstaltungen für Lehramtsstudierende der Grundschule wurde konzipiert, um zu prüfen, ob sich im Teilprojekt entwickelte Intelligente Tutorsysteme (ITS) für Mathematik neben dem Einsatz zum Üben von Rechenaufgaben auch dazu eignen, Lehramtsstudierende mit KI-Tools vertraut zu machen und sie dafür zu sensibilisieren, angemessene Anwendungsgebiete im Unterricht zu identifizieren und mögliche Effekte des Lernens mit KI zu reflektieren. Die Intervention ist dreiteilig: 1.Vortrag zu Grundlagen der KI, 2. kurze Einführung in die ITS für Subtraktion und Addition, 3. freie Explorationsphase. Die Intervention wurde im Rahmen eines dreitätigen Blockseminars zum Thema KI in der Grundschule an der Universität Bamberg durchgeführt. Erste Evaluationen zeigen, dass Studierende zu Beginn der Intervention die eigene mögliche Nutzung von ChatGPT und ITS ähnlich hoch einschätzen, nach der Intervention die Nutzung von ITS tendenziell höher bewerten.
Maßnahme anzeigen
KI-unterstützte Programmierung mittels ergebniszentrierter Fehlerklassifikation. Potenziale zur Schaffung neuer Lernräume
Programmierkenntnisse gewinnen in technischen Studiengängen zunehmend an Bedeutung. Jedoch stehen in Programmierübungen häufig zu wenige Tutor:innen zur Verfügung, die die Studierenden beim Lösen der Programmieraufgaben unterstützen. Deshalb wird ein KI-System entwickelt, das die Studierenden jederzeit und individuell beim Lösen der Programmierübungen unterstützt. Im Gegensatz zu klassischen Ansätzen analysiert das KI-System nicht den programmierten Code, sondern fokussiert sich auf die Zwischen- und Endergebnisse (z. B. erzeugte Daten, Plots). Anhand dieser gibt das KI-System Hinweise und Erklärungen, um das selbstständige Arbeiten und kritische Denken ohne Musterlösung zu fördern. Ein erster Prototyp wurde im Rahmen einer Programmierübung eingesetzt und mit positiver Resonanz evaluiert.
Publikation anzeigen