Refine
Document Type
Reviewed
Keywords
- Artificial Intelligence in Education (1)
- Artificial Intelligence in Education; Learning Experience Platform; Open Source Software; Large Language Models (1)
- Chatbot (1)
- Digital unterstützte Lehre (1)
- Digitalisierung (1)
- Hochschule / Lehre (1)
- KI in Hochschullehre (1)
- KI-Readiness (1)
- Large Language Models (1)
- Learning Experience Platform (1)
Institute
Is part of the Bibliography
- yes (6)
We present a learning experience platform that uses machine learning methods to support students and lecturers in self-motivated online learning and teaching processes. The platform is being developed as an agile open-source collaborative project supported by multiple universities and partners. The development is guided didactically, reviewed, and scientifically evaluated in several cycles. Transparency, data protection and the copyright compliant use of the system is a central part of the project. The system further employs large language models (LLMs). Due to privacy concerns, we utilize locally hosted LLM instances and explicitly do not rely on available cloud products. Students and lecturers can interact with an LLM-based chatbot in the current prototype. The AI-generated outputs contain cross-references to the current educational video’s context, indicating if sections are based on the lectures context or world knowledge. We present the prototype and results of our qualitative evaluation from the perspective of lecturers and students.
We present a learning experience platform that uses machine learning methods to support students and lecturers in self-motivated online learning and teaching processes. The platform is being developed as an agile open-source collaborative project supported by multiple universities and partners. The development is guided didactically, reviewed, and scientifically evaluated in several cycles. Transparency, data protection and the copyright compliant use of the system is a central part of the project. The system further employs large language models (LLMs). Due to privacy concerns, we utilize locally hosted LLM instances and explicitly do not rely on available cloud products. Students and lecturers can interact with an LLM-based chatbot in the current prototype. The AI-generated outputs contain cross-references to the current educational video’s context, indicating if sections are based on the lectures context or world knowledge. We present the prototype and results of our qualitative evaluation from the perspective of lecturers and students.
Shaping the Bot - KI für die Hochschullehre gestalten! Für die Entwicklung des intelligenten Hochschulassistenzsystems „HAnS“ wurden systematisch Studierende und Lehrende in der Evaluation einbezogen. HAnS integriert auf Bedarfe der Hochschullehre zugeschnittene künstliche Intelligenz, z. B. indem ein Chatbot seine Antworten kontextuell auf Lernmaterialien bezieht und durch Quellenangaben überprüfbar ist. Weiter können Lehrende KI-generierte Übungsmaterialien beeinflussen. Der Vortrag führt in das System HAnS ein und gibt auf Basis der begleitenden Evaluation Einblicke in das Lehr-Lern-Setting. Abschließend werden Einsatzoptionen von HAnS in Blended Learning Formaten sowie die KI-Readiness Studierender diskutiert.
Längst beeinflusst die immer weiter fortschreitende Digitalisierung grundlegende Abläufe in allen Organisationen (Bartscher und Nissen 2023). In der Folge müssen sich auch Hochschulen an diese sich schnell verändernden Umweltbedingungen anpassen und digitale Medien in ihre bestehenden institutionellen Strukturen integrieren. Dabei ist die Digitalisierung für Hochschulen längst nicht nur eine zu bewältigende Herausforderung, um wettbewerbsfähig zu bleiben. Vor dem Hintergrund steigender Zahlen an Studierenden sowie einer zunehmenden Internationalisierung deutscher Hochschulen (Teichler 2018) entstehen durch Automatisierungsprozesse Potentiale für eine effizientere Organisation, während digitale Medien neue und flexibilisierte Lernformate ermöglichen. Das digitale Lernen ist dabei durch die flächendeckende Verbreitung von „smarten“ Technologien wie mobilen Endgeräten und Apps sowie Lernformaten wie E- und Blended-Learning längst Realität geworden (Möslein-Tröppner und Bernhard 2021). Aktuell sind durch die steigende Relevanz der Hype-Technologie der künstlichen Intelligenz auch diese relativ neuen digitalen Klassenzimmer wiederum von Veränderungen betroffen. Immer mehr Anwendungen und Systeme integrieren KI-Tools, um personalisierte (Lern-)Inhalte bereitzustellen. In der Folge entstehen zunehmend KI-basierte Lehr-Lernsysteme, also KI-gestützte Plattformen, die Lernprozesse individualisieren und den individuellen Lernfortschritt unterstützten sollen. Die Vorteile dieser Fusion digitalen Lernens und künstlicher Intelligenz scheinen offensichtlich. Während digitale Medien das Lernen zu jeder Zeit, an jedem Ort und mit jeder Technik ermöglichen, kann KI Inhalte auf Lernende zuschneiden. Neben den Vorteilen dieser Flexibilisierung und Individualisierung lassen sich jedoch auch Herausforderungen der Nutzung von Selbstlernsystemen in der Hochschulbildung identifizieren. Auf der Mikro-Ebene etwa könnte die Vielzahl an digitalen Angeboten Stress und Abwehrreaktionen hervorrufen, wenn sich Nutzende überfordert oder mit Funktionen alleine gelassen fühlen (Matthes 2023). Ebenso gewinnt die Kompetenz im Umgang mit digitalen Medien im Rahmen von Selbstlernsystemen an Bedeutung. So ist eine grundlegende Medienkompetenz notwendig, um digitale Medien sicher und kompetent nutzen zu können (Gramß und Pillath 2023: 43) und sollte sowohl technische Fertigkeiten als auch eine kritisch-reflektierte Nutzung digitaler Angebote umfassen (Scheiter 2021: 1040). Auf der Meso-Ebene dagegen reicht eine einfache Einbindung digitalisierter Lehrformate in bestehende Strukturen kaum aus. Vielmehr gilt es, umfassende Implementationsmodelle zu entwickeln, welche auch organisatorische und didaktische Aspekte berücksichtigen (Stegmann et al. 2018). Was dabei im aktuellen Diskurs um die Zukunft des digitalen Lehrens und Lernens wenig betrachtet wird, sind die konkreten Erfahrungen von Nutzenden. Im vorliegenden Beitrag geht es daher nicht um das Für und Wider digitalisierter Lernsysteme, sondern um die Perspektive der Studierenden und Lehrenden. Am Beispiel des Hochschul-Assistenz-System HAnS wird betrachtet, welche Potentiale und Herausforderungen die Nutzenden auf Basis ihrer Erfahrungen identifizierten und wie die bereitgestellten (KI-)Funktionen von Studierenden konkret genutzt wurden. Zuvor wird die qualitative Evaluation von HAnS, auf deren Daten der Beitrag basiert, dargestellt.