AI strategy in educational processes

Ausgangssituation und Problemstellung

Im Herbst 2022 wurde durch die Veröffentlichung von auf künstlicher Intelligenz (KI)-basierten Sprachmodellen eine breite Debatte über mögliche Vorteile und Risiken von KI, auch in der beruflichen Bildung, initiiert.

Es gibt jedoch kaum Befunde zu dieser Technologie im Bildungsbereich, daher werden in den meisten Veröffentlichungen potentielle Entwicklungen diskutiert, die auf Annahmen oder tendenziell abstrakten pädagogischen Überlegungen beruhen. Hingegen kann mit Blick auf den Stand der Diskussion ein Konsens darüber konstatiert werden, dass KI einen relevanten Einfluss auf die Berufsarbeit und das Lehren und Lernen in der Berufsbildung bereits hat und zunehmend haben wird – aber die Erwartung, ob sich dieser Einfluss als Risiko oder als Potential manifestiert, hängt oft stark von den Positionen und Überzeugungen der jeweiligen Autor*innen ab.

Vor diesem Hintergrund hat ein transnationales (ES, SI, PT, DE) Konsortium beschlossen, ein Projekt zu den Möglichkeiten von KI unter folgender Forschungsfrage durchzuführen:

Fragestellung

• Inwieweit kann KI die Prävention von Abbrüchen beim elektronischen Lernen (E-Learning) durch individualisierte Unterstützung fördern?

Vorgehensweise

Die Abbruchquoten beim E-Learning waren sehr hoch. Unter den diversen Gründen für einen Abbruch war einer, der von (menschlichen oder virtuellen) Tutoren beeinflusst werden konnte: Wenn der oder die Lernende an einem bestimmten Punkt nicht mehr weiterkam, konnte er oder sie durch passgenaue, individualisierte Unterstützung ggf. wieder auf einen lernförderlichen Weg gebracht werden.

Für das Vorhaben wurde u.a. ein E-Learning zur additiven Fertigung ausgewählt. Die Zielgruppe waren Auszubildende in technischen Berufen. Die Teilnahme war freiwillig und völlig anonym, sie loggten sich auf Geräten ihrer Berufsbildungszentren mit funktionalen E-Mails („Benutzer 1“) ein.

Die Auszubildenden konnten aus neun Modulen frei wählen, ihren Lernprozess an einer beliebigen Stelle im Kurs beginnen und an einer beliebigen Anzahl von Modulen arbeiten. Jedes Modul dauerte ca. eine Stunde und wurde durch einen kurzen Multiple-Choice-Test abgeschlossen. Die Navigation innerhalb der Module war ebenfalls den Lernenden überlassen; es gab eine vorgeschlagene Reihenfolge, aber es war nicht erforderlich, diesem Vorschlag zu folgen. Schließlich bot jedes Modul zusätzliche optionale Materialien, zum Beispiel Links zu Erklärungsvideos. Um möglichst aufschlussreiche Daten zu erheben, wurde bei der Gestaltung der E-Learning-Module die maximal mögliche Anzahl an Freiheitsgraden installiert.

Die Navigationsmuster der Lernenden zwischen den Modulen und innerhalb der Module wurden über die interne Tracking-Funktion des Lernmanagementsystems (LMS) dokumentiert und zur weiteren Auswertung an eine vom Projektpartner entwickelte KI übergeben.

Ergebnisse

Navigationsmuster und Verweilraten im E-Learning, die erlaubten, potentielle Abbrüche zu erkennen und durch individualisierte Hinweise bzw. Tipps zu vermeiden.

Dissemination und Transferaktivität

ECER 2024 Nikosia

Europäische Abschlusstagung 07.05.25 Baskenland

Deutsche Abschlusstagung 28.05.25 Bremen