Ziel des Projekts KI:edu.nrw ist es, sowohl an der RUB als auch an der partnerschaftlich verbundenen RWTH Aachen exemplarisch zu erarbeiten, wie Regeln, Konzepte, Prozesse und Technik für den Einsatz von Learning Analytics ausgestaltet werden können. Das Projekt unterstützt so die Entwicklung einer „Datenkultur“ in den Hochschulen. Außerdem leistet es einen Beitrag zur (Auf-)Klärung, was mit Daten im Bereich der Lehrentwicklung erreicht oder auch nicht erreicht werden kann, um Studierende besser zu beraten, ihnen individuellere Lernsettings zu bieten und die Lehre zu gestalten. Ein weiteres Thema des Projekts sind Sprachsoftware-Anwendungen aus dem Bereich des Natural Language Processing.
Gefördert wird das Praxisprojekt vom Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen.
Der nachfolgende Abschnitt umreißt die im Projekt KI:edu.nrw zu bearbeitenden Themenfelder Didaktik, Ethik, Datenschutz und Technik und ergänzt sie mit beispielhaften Fragestellungen und Situationsbeschreibungen. Die inhaltliche Darstellung der Themenfelder ist nicht vollständig und soll auszugsweise die Relevanz der einzelnen Bereiche verdeutlichen.
Treten Sie bei Fragen und für einen detaillierteren Austausch gerne mit uns in Kontakt.
Bei Learning Analytics geht es um ein didaktisches Ziel, nämlich: den Lernerfolg von Studierenden zu unterstützen. Dies kann z. B. durch die individuelle Rückmeldung von Lernständen erfolgen. Bei einer solchen Rückmeldung stellen sich unterschiedliche didaktische Fragen. So ist es z. B. möglich, mit Ziel der Motivationssteigerung den aktuellen Leistungsstand von Studierenden zurückzuspiegeln, indem dieser ins Verhältnis zu anderen Leistungsständen gesetzt wird. Damit diese Rückspiegelung nicht demotivierend ist, stellt sich die Frage, was eine sinnvolle Bezugsnorm ist, d. h. in Bezug auf welche anderen Leistungsstände die vergleichende Spiegelung erfolgt.
Didaktische Fragen ergeben sich aber auch, wenn Lehrende mit den Ergebnissen von Lerndatenanalysen umgehen sollen. Beispielsweise könnten Studierende identifiziert werden, die entsprechend der Analyse ihrer Lerndaten Gefahr laufen, das Studium nicht zu bestehen. Die Rückmeldung dieser Information an die betroffene Person bedarf didaktischer und voraussichtlich auch beraterischer Kompetenzen.
Im Kontext von Learning Analytics entstehen vielfältige datenschutzrechtliche Fragen. So stellt sich bei der individuellen Rückmeldung an Studierende die Frage nach der Einwilligung bzw. der Rechtsgrundlage. Betrachtet man auf Grundlage aggregierter Daten lediglich eine Gruppe, so ist es wichtig, dass die einzelnen Datensätze nicht so individuell sind, dass eine nachträgliche Identifikation einzelner Studierender möglich ist. Aus diesem Grund muss abgewogen werden, welche Daten verarbeitet werden sollen und wie dies datenschutzrechtlich abgesichert werden kann. Das Projekt KI:edu.nrw bearbeitet datenschutzrechtliche Aspekte unter Einbezug des Datenschutzbeauftragten der RUB.
Auch dann, wenn Lerndatenanalysen in einem rechtlich sicheren Rahmen stattfinden, müssen Entscheidungen in diesem Bereich stets auch ethisch reflektiert werden. Hier ist z. B. zu bedenken, dass Analyseergebnisse von der Datenbasis und Entscheidungen im Programmierprozess abhängen. Beispielsweise können Analysen dazu tendieren, typische Lernende in einem Studiengang als Bezugspunkt zu nehmen. Aus ethischer Perspektive ist dann wichtig, dass auch kleine (prekäre) Studierendengruppen und Einzelfälle adäquat berücksichtigt werden bzw. dass Abweichungen von einer Norm nicht per se als Problem eingestuft werden. Im Projekt KI:edu.nrw begleitet ein Teilprojekt angewandter Ethik alle Teilvorhaben, um die Maßnahmen ethisch reflektiert anzulegen und auszugestalten.
Technische Grundlage von Learning Analytics ist die Zusammenführung von Daten, die im Zusammenhang mit dem Studium entstehen. Ein Analysemodul (Engine) wertet diese dann aus. Die Analyseergebnisse werden den Lernenden und Lehrenden anschließend visuell dargestellt (beispielsweise im Lern-Management-System) und können durch Empfehlungen ergänzt werden.
Beim Aufbau eines solches Systems müssen zunächst technische Schnittstellen zwischen den relevanten Systemen hergestellt und dabei Datenformate angeglichen werden. Anschließend muss die KI-basierte Analyse der Daten im Analytics-Engine programmiert werden. Hierbei sind die datenschutzrechtlichen und ethischen Restriktionen, wie beispielsweise die Anonymisierung, Zusammenfassung und Speicherdauer von Daten oder der Aspekt der Individualität von Studierenden technisch umzusetzen.
Im Folgenden erhalten Sie einen Überblick, welche Teilprojekte bei KI:edu.nrw beteiligt sind. Ebenso erfahren Sie, welche Ziele die Projektbeteiligten verfolgen und welche Schwerpunkte sie dabei setzen.
Eine Sammlung von Kurzmeldungen, Neuigkeiten und Veröffentlichungen rund um KI:edu.nrw!
Spannende Projekt-Insights, Interviews und (Praxis-)Einblicke in die Welt von Learning Analytics und KI in der Hochschulbildung – das und vieles mehr erwartet Sie im KI:edu.nrw-Blog!
Sie wollen keinen Blog-Beitrag verpassen? Wir halten Sie auf dem Laufenden und benachrichtigen Sie per Mail bei Updates! Mit Ihrer Anmeldung stimmen Sie unseren Datenschutzbestimmungen zu.
Dr. Peter Salden
Gesamtleitung KI:edu.nrw | Leitung Zentrum für Wissenschaftsdidaktik der RUB
Mail: Peter.Salden@rub.de
Tel.: +49 234 32 22770
Jonas Leschke
Projektkoordination KI:edu.nrw
Mail: Jonas.Leschke@rub.de
Tel.: +49 234 32 26416
Diana Meier-Haverkorn
Öffentlichkeitsarbeit KI:edu.nrw
Mail: Diana.Meier-Haverkorn@rub.de
Tel.: +49 234 32 22141