KI:edu.nrw

Didaktik, Ethik und Technik von Learning Analytics und KI in der Hochschulbildung

KI:edu.nrw

Ein Projekt für die Zukunft der Hochschulbildung

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.

Das Logo von KI:edu.nrw

Projektsteckbrief

Wir haben das Projekt KI:edu.nrw in einem kompakten Steckbrief zusammengefasst. Diesen können Sie sich hier herunterladen. 

Projekt-News

Aktuelle Meldungen, Publikationen und Veranstaltungen rund um KI:edu.nrw finden Sie hier.

Der neue KI:edu.nrw-Blog

Was passiert in den einzelnen Teilprojekten? Wer steckt hinter den Vorhaben? Und wie werden im Projekt Learning Analytics konkret eingesetzt? Dies und mehr erfahren Sie im KI:edu.nrw-Blog.

Die Themenfelder von KI:edu.nrw

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.

Didaktik

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.

Datenschutz

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.

Ethik

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.

Technik

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.

Projektbeteiligte

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.

Fakultätsprojekte

Teilprojekt Erziehungswissenschaft

Projektverantwortliche:
Vorhaben:

Im Rahmen des Teilprojektes am Institut für Erziehungswissenschaft verfolgen die Projektbeteiligten das übergeordnete Ziel, Möglichkeiten auszuloten, Lehr-Lernkonzepte mithilfe von Learning Analytics zu unterstützen und weiterzuentwickeln. Zudem eruieren sie, wie die Konzepte in den Regelbetrieb überführt werden könnten, um individuelle (wie kooperative) Lernprozesse auf verschiedenen Dimensionen (kognitiv, metakognitiv, motivational) zu fördern. Zur Erreichung dieses Ziels realisiert das Teilprojekt zwei Parallelvorhaben:

1. Neuentwicklung und Untersuchung einer Learning Analytics-Implementation

Dieses Teilvorhaben fokussiert im ersten Schritt den Dialog durch qualitative sowie quantitative Befragungen von Studierenden und Lehrenden des Instituts für Erziehungswissenschaft der RUB, um Bedarfe für einen Einsatz von Learning Analytics zu identifizieren. Entlang dieser Bedarfe entwickeln die Projektbeteiligten ein Rahmenkonzept für eine Learning Analytics-Implementation, welches zunächst in einem geschützten Raum getestet und entsprechend den Ergebnissen angepasst wird. Anschließend erfolgt der Einsatz in einer Lehrveranstaltung. Während dieser sollen Wirkmechanismen und Gelingensbedingungen für die Implementation in einem möglichen Regelbetrieb identifiziert werden. Die Ergebnisse werden schließlich in Form von Handlungsempfehlungen sowie eines an den jeweiligen Lehrkontext anpassbaren didaktischen und technischen Rahmenkonzeptes insbesondere für die erziehungswissenschaftliche Lehre an der RUB reflektiert. Eine Verbreitung der im Teilprojekt entstandenen Produkte im Sinne von Open Educational Resources (OER) wird auch über die Fach- und Hochschulgrenze hinaus angestrebt.

2. Optimierung eines bestehenden Lehr-Lernkonzeptes mithilfe von Learning Analytics

Das zweite Teilvorhaben setzt an einem bereits bestehenden und über mehrere Semester bewährten Lehr-Lernkonzept für das Modul „Statistik für Erziehungswissenschaftler:innen“ im erziehungswissenschaftlichen Bachelorstudiengang der RUB an. Die Projektbeteiligten eruieren und erproben Möglichkeiten, wie das komplexe Lehr-Lernkonzept mithilfe von Learning Analytics teilweise automatisiert und weiterentwickelt werden kann. Ziel ist es einerseits, durch den Einsatz von Learning Analytics die aufwändige, bisher händisch erfolgende Organisation und Durchführung der vielfältigen didaktischen Maßnahmen innerhalb der miteinander verzahnten Lehrangebote in diesem Modul (Vorlesung, Übungen, Tutorien) automatisiert zu gestalten. Andererseits soll gleichzeitig sowohl den Lehrenden als auch den Studierenden in diesem Modul durch die Analyse von Lerndaten ein tiefgreifender Einblick in die Lernprozesse ermöglicht werden, um darauf aufbauend fundierte Entscheidungen hinsichtlich der Ausrichtung ihrer Lehr- bzw. Lernhandlungen treffen zu können. In die Konzeption der Learning-Analytics-Implementation fließen auch die Ergebnisse aus den Befragungen und Untersuchungen ein, die im Rahmen des ersten Teilvorhabens realisiert wurden.

Modulverantwortliche ist Katja (Ekaterina) Serova, OStR i.H. Weitere Informationen zur Person finden Sie hier. Weiterführende Informationen zum bestehenden Lehr-Lernkonzept des Statistikmoduls und seiner Wirksamkeit finden Sie unter: news.rub.de/studium/2016-12-20-erfolgreiche-lehre-statistik-und-gute-laune-eine-unmoegliche-kombination

Teilprojekt Mathematik

Projektverantwortliche:
Vorhaben:

Das Mathematikstudium sowie mathematikhaltige Studiengänge (z. B. Ingenieurwissenschaften) stellen Studierende oftmals vor große Herausforderungen. Dazu zählen beispielsweise die besonderen Charakteristika der Hochschulmathematik, die sich zum Teil sehr von denen der Schulmathematik unterscheiden, oder auch die veränderten Lernbedingungen an der Hochschule. Die große Heterogenität der Studierenden, beispielsweise hinsichtlich ihrer persönlichen Merkmale (z. B. Motivation) oder der Nutzung des Lehrangebots (z. B. Selbstregulation) führt zu unterschiedlichen Strategien, um diesen Herausforderungen zu begegnen. Wünschenswert ist daher eine individuellere Unterstützung der Studierenden in Mathematikveranstaltungen, was allerdings durch die hohen Teilnehmerzahlen derzeit kaum möglich ist.

Der Einsatz von Learning Analytics, also das Sammeln und Analysieren von Daten über Lernende und zugehörige Lernkontexte mit dem Ziel der Verbesserung von Lernprozessen, hat das Potenzial, hier Abhilfe zu schaffen. Dazu nimmt dieses Teilprojekt zunächst das Nutzungsverhalten und die Lernaktivitäten der Studierenden in Moodle-Kursen zu verschiedenen Mathematikveranstaltungen mit Hilfe von Learning Analytics, unterstützt durch maschinelles Lernen, in den Blick. Die so generierten Aktivitätsdaten der Studierenden sollen genauer untersucht werden, um ihr Potenzial im Hinblick auf Rückschlüsse zum Lernverhalten der Studierenden zu analysieren. Auf der Grundlage dieser Daten soll ein automatisiertes Empfehlungssystem konzipiert, konstruiert, implementiert und evaluiert werden, um die notwendige individuelle Unterstützung von Mathematikstudierenden zu realisieren. Dementsprechend sollen die Aktivitätsdaten aus den Moodle-Kursen als Indikatoren für mögliche individuelle Empfehlungen zum Lernverhalten dienen, die ebenfalls über Moodle kommuniziert werden sollen. Die zielführende Kommunikation solcher Empfehlungen stellt einen weiteren Schwerpunkt des Teilprojekts von KI:edu.nrw dar.

Teilprojekt Neuroinformatik

Projektverantwortliche:
Vorhaben:

Das Institut für Neuroinformatik (INI) ist eine interdisziplinär geprägte und vielfältig vernetzte Zentrale Wissenschaftliche Einrichtung der RUB. In diesem Teilprojekt soll anhand des Studiengangs angewandte Informatik erprobt werden, inwieweit ausgehend von elektronisch verfügbaren Daten der Studienerfolg verbessert werden kann. Hierfür sollen unter Beachtung datenschutzrechtlicher und ethischer Vorgaben u. a. Studienverlaufsdaten, Daten aus dem Bewerbungsportal des Studiengangs und auch eigens erhobene Daten für eine KI-gestützte Analyse (Regression, Klassifikation, Clustering, Entscheidungsbäume etc.) genutzt werden, mit dem Ziel, ein Vorhersagemodell für den Studienverlauf in diesem Studiengang zu entwickeln. Auf diesem Weg sollen sowohl kritische Schwachstellen des Studiengangs identifiziert als auch Ansätze gefunden werden, Studierende früh und individuell zu beraten sowie ggf. auch Lehr-Lernsettings anzupassen.

Projektpartner sind stellvertretend für den Studiengang der ehemalige Studiendekan Prof. Dr. Laurenz Wiskott und sein wissenschaftlicher Mitarbeiter Frederik Baucks. Neben der fachlichen Expertise im Bereich Theory of Neural Systems und Machine Learning bringen sie auch umfangreiche eigene Erfahrungen mit E-Learning in das Vorhaben ein.

Teilprojekt Medizin

Projektverantwortliche:
Vorhaben:

Im Rahmen des Teilprojekts der Medizin untersuchen die Projektbeteiligten Anwendungsmöglichkeiten von Learning Analytics und KI in der medizinischen Ausbildung. Hierzu analysieren sie Daten aus Lehrveranstaltungen, Prüfungen, Lernplattformen und die komplexen Wechselwirkungen zwischen diesen, um Zusammenhänge zu erkennen und Muster zu identifizieren. Möglicherweise gibt es Indikatorkurse im Studienverlauf, die etwa das Bestehen der Examina signifikant beeinflussen.

Aufbauend auf den Ergebnissen soll eine adaptive, auf KI basierende Lernplattform zum Einsatz kommen, die den Lernenden auf sie abgestimmte Inhalte und Lernstandsüberprüfungen anbietet. Auf diese Weise sollen Studierende individuelle Unterstützung erhalten und ggf. curriculare Potenziale abgeleitet werden.

Teilprojekt Maschinenbau

Projektverantwortliche:
Vorhaben:

Mit Hilfe von Tools aus dem Bereich Learning Analytics und Educational Data Mining analysieren die Projektbeteiligten im Teilprojekt Maschinenbau Zusammenhänge zwischen der Studienperformance in den ersten Semestern und dem Studienerfolg.

Die Untersuchungen führen die Projektbeteiligten im Bachelor-Studiengang Maschinenbau durch, der – wie ein Großteil der ingenieurwissenschaftlichen Studiengänge an deutschen Universitäten – eine zwar über die Jahre schwankende, aber dauerhaft hohe Abbruchquote aufweist. Ziel ist es, durch unterschiedliche statistische Auswertungsmethoden und Machine Learning Algorithmen, sowie Studierenden- und Lehrendenbefragungen Verlaufsmuster und kritische Punkte im Studienablauf zu identifizieren. Gewonnene Erkenntnisse sollen sowohl in die Studiengangentwicklung einfließen als auch zum Aufbau von Beratungskonzepten und frühen Interventionen genutzt werden. In diesem Sinne geht es in dem Teilprojekt auch darum, die generellen Möglichkeiten der Datenanalysen anhand der vorliegenden Datenbestände im Bachelorstudiengang Maschinenbau auszuloten.

Die Zusammenarbeit im Gesamtprojekt KI:edu.nrw flankiert den Prozess, indem technisch-organisatorische, ethische und datenschutzrechtliche Fragen systematisch diskutiert und Perspektiven für mögliche Beratungsangebote entwickelt werden. Langfristig sollen Ansatzpunkte gefunden und Optimierungen erarbeitet werden, um Studienabbruchgefährdungen von Studierenden so früh wie möglich zu erkennen und passende Unterstützung bzw. Beratungsangebote zu entwickeln.

Teilprojekt Sportwissenschaft

Projektverantwortliche:
Vorhaben:

Die Spezifik des Teilprojekts Sportwissenschaft liegt in der Erfassung, Analyse und Rückspiegelung äußerlich beobachtbarer körperlicher Bewegungs- und Verhaltensdaten. Diese Thematik steht im Kontext von Learning Analytics unter dem Stichwort „Classroom Analytics“ in der Diskussion. Ein konkreter Anwendungsfall solcher Classroom Analytics besteht darin, die Studierenden oder auch die Lehrenden in einem Hörsaal mithilfe von Kameras zu beobachten und die Daten automatisiert daraufhin auszuwerten, welche Rückschlüsse äußerlich beobachtbares Verhalten auf den Lern- und Lehrprozess zulässt. Classroom Analytics-Techniken können im Kontext der Sportwissenschaft Rückmeldungen zu Bewegungsabläufen geben und ggf. Korrekturübungen empfehlen. Hier kann Classroom Analytics also verhältnismäßig unkompliziert erprobt werden, um eine wichtige weitere Facette von Learning Analytics in Bezug auf die Praxisrelevanz an Hochschulen zu sondieren.

Konkret geht es im Teilprojekt Sportwissenschaft darum, mithilfe von Smartphones und spezialisierter Software Bewegungsabläufe im sportwissenschaftlichen Techniktraining zu erfassen und zu analysieren, um so den Lernfortschritt individuell zu optimieren und das Bewegungslernen zu fördern. Der Einsatz soll in den Bereichen Leichtathletik, Schwimmen, Turnen und Badminton erfolgen. Die Projektbeteiligten rahmen die software-gestützten Datenanalysen didaktisch, indem sie die Analysen mit Peer-Learning-Sequenzen verknüpfen. Aufbauend aus den Videosequenzen festgelegter technischer Bewegungsausführungen soll eine adaptive, auf KI-basierende Software entstehen, die den Studierenden selbstständig Feedback zu ihrer eigenen Ausführung geben kann.

Querschnittsthemen

Teilprojekt Ethik

Projektverantwortliche:
Vorhaben:

Das Teilprojekt Ethik ist für die ethische Reflexion der Erforschung und Erprobung von Learning Analytics-Lösungen an der RUB zuständig. Ziel ist es, Potenziale und Gefahren auszuloten und zwecks der Verbesserung der Lehre an der RUB abzuwägen. Die Arbeit des Teilprojekts Ethik stützt sich auf drei Säulen:

  1. Das Teilprojekt Ethik bietet Kompetenzbildung für LA-Konstrukteur:innen und -Anwender:innen, um sie zu befähigen, ethisch wohlbegründete Entscheidungen in ihren Learning Analytics-Aktivitäten treffen zu können, z. B. durch Angebote zur Kultivierung von ethisch kritischem Reflexionsvermögen. Das Teilprojekt Ethik unterstützt sie dabei, ethisch relevante Aspekte zu identifizieren, sie systematisch methodisch zu reflektieren, Problem- und Konfliktkomplexe zu identifizieren und abzuwägen sowie Begründungsmuster zu erkennen und konstruieren.
  2. Das Teilprojekt Ethik bietet außerdem eine Plattform für einen kritisch ethischen Diskurs. Im Mittelpunkt steht der offene und kritisch reflektierte interdisziplinäre Austausch. Ziel ist es, durch die Begegnung verschiedener Perspektiven in partizipativen Prozessen, die Bildungsgerechtigkeit im Kontext der Learning Analytics an der RUB zu erhöhen.
  3. Ethische Reflexion von Learning Analytics benötigt u. a. begriffliche und konzeptionelle Klärung und Präzisierung von ethisch relevanten Werten, Normen und Prinzipien, wie z. B. Autonomie, Transparenz und Fairness. Durch die ethische Expertise trägt das Teilprojekt Ethik zur wohlbegründeten Substanzbestimmung der einschlägigen Wert- und Normkonstellationen bei verschiedenen Learning Analytics-Lösungen bei. Im Mittelpunkt der ethischen Analysen steht insbesondere die Frage, wie eine individuelle (personalisierte) Förderung von Studierenden durch Learning Analytics gelingen kann, ohne dabei den Schutz der Privatsphäre, die Autonomie sowie die Diversität der Studierenden zu gefährden.

Der hier geleistete ethische Beitrag kann als ein Instrument zur ethischen Sensibilisierung, Befähigung und Unterstützung von Learning Analytics-Beschäftigten verstanden werden.

Teilprojekt Zentrale Studienberatung

Projektverantwortliche:
Vorhaben:

In dem Gesamtprojekt KI:edu.nrw leistet die Studienberatung u. a. als zentraler Transferpartner der Teilprojekte ihren Beitrag. Die Studienberatung möchte Beratungsangebote des Student Lifecycle noch stärker an den Bedarfen der Studierenden ausrichten. In diesem Kontext ist zu erproben, ob und wie eine diesbezügliche Evaluation (ggf. teilweise) automatisiert werden kann und neue (KI-basierte) Anwendungen zum Einsatz kommen (Beispiel Chatbot). Mittels verfügbarer Daten sollen Gruppen von Studierenden identifiziert werden, die ähnliche Problemlagen in die Studienberatung führen wie z. B. Prüfungsangst, fehlende soziale Integration usw.

Entsprechende Erkenntnisse haben sich als höchst bedeutsam für die Informations-, Beratungs- und Unterstützungsangebote der Studienberatung erwiesen, um überfachliche Angebote vor und während des Studiums zu machen. Möglich wird so zugleich aber auch die Einrichtung fachspezifischer, ausdifferenzierter Angebote aufgrund von Typenbildungen.

Ziel des Teilprojektes ist es, Methoden zu entwickeln, mit deren Hilfe die Verknüpfung bestehender Datenquellen sowie die Erhebung zusätzlicher Daten und deren Analyse die Erkenntnisse über Studienprobleme geschärft werden können. Dies soll zu einer weiteren Professionalisierung der Beratungsprozesse beitragen und es ermöglichen, Angebote im Austausch mit Fachstudienberatungen möglichst stark zu individualisieren.

Teilprojekt Datenschutz

Projektverantwortliche:
Vorhaben:

Das Teilprojekt Datenschutz betrachtet die rechtlichen Rahmenbedingungen für die Erprobung und den Einsatz von Learning Analytics an Hochschulen. Dabei müssen die entstehenden Vorteile durch die Datenerhebung, mit den für die betroffenen Personen entstehenden Folgen abgewogen und geeignete technische und organisatorische Maßnahmen getroffen werden. Das Teilprojekt Datenschutz erarbeitet gemeinsam mit den anderen Teilprojekten nach dem Privacy-by-Design-Ansatz datenschutzfreundliche Lösungen für die Erprobung der jeweiligen Ansätze und prüft, wie diese verstetigt werden können. Darüber hinaus sondiert das Teilprojekt, wie der Einsatz von KI und Learning Analytics im Bereich der NRW-Hochschulen in den Regelbetrieb überführt werden könnten.

Teilprojekt Technik

Projektverantwortliche:
  • Martin Bovermann, Dipl.-Inform. & Christian Metzger, Dipl.-Betriebsw.: IT.SERVICES
Vorhaben:

IT.SERVICES unterstützt das Projekt KI:edu.nrw u. a. durch die Installation, Evaluation, Bereitstellung und Weiterentwicklung der von den Projektpartner:innen der RWTH Aachen entwickelten Infrastruktur für Learning Analytics-Anwendungen. Diese Infrastruktur beinhaltet jeweils einen Datastore für die Rohdaten sowie für die berechneten Ergebnisse der verschiedenen Analysen. Die Analysen werden mittels eines Dashboards in Moodle dargestellt. Die Testung der Infrastruktur außerhalb des Regelbetriebs ist für Mitte 2022 geplant.

Eine weitere Aufgabe besteht in der datenschutzkonformen Bereitstellung der Daten für die anderen Teilprojekte. Hierfür erfolgt zunächst eine Bestandsaufnahme, welche Daten an der RUB in welchen Systemen vorhanden sind. Die Definition von Schnittstellen zum automatisierten Exportieren der Daten in den Datastore schließt sich der Bestandsaufnahme an. Bei diesem Prozess entstehen datenschutzrechtliche sowie ethische Fragen, welche mit den jeweiligen Teilprojekten dieser Themenbereiche diskutiert und in der Umsetzung berücksichtigt werden.

Die verschiedenen Fächergruppen im Projekt berät IT.SERVICES in allen Belangen der IT, angefangen mit der Auswahl und der Bereitstellung von Daten über die Implementierung der Algorithmen in die sogenannten Kerne der Learning Analytics-Anwendung bis hin zur (grafischen) Darstellung der Ergebnisse durch interoperable Widgets, die in einem Dashboard eingebunden werden können.

Teilprojekt Didaktik

Projektverantwortliche:
Vorhaben:

Das Teilprojekt Didaktik sondiert im Rahmen von KI:edu.nrw die hochschuldidaktischen Implikationen von Learning Analytics-Anwendungen auf verschiedenen Ebenen und unterstützt die anderen Teilprojekte in didaktischen Entscheidungen.

Für den Einsatz von Learning Analytics-Systemen müssen, wie bei anderen (technischen) Systemen und Methoden der Hochschullehre auch, didaktische Fragen beantwortet werden. Es stellt sich beispielsweise die Frage, welche Daten relevant sind, um den Lernprozess der Studierenden bedarfsgerecht auswerten und an die Studierenden und Lehrenden zurückmelden zu können. Zudem muss überlegt werden, wie diese Daten erzeugt werden können (Learning Analytics-Perspektive) und was die Datenerzeugung für ein Lehrveranstaltungsdesign bedeutet (didaktische Perspektive). Mit der Rückmeldung an die Lehrenden und Studierenden stellen sich auch in Bezug auf das technische System weitere didaktische Fragen.

Die Didaktik beschäftigt sich im Projekt außerdem damit, wie Lehrende für den Einsatz von Learning Analytics-Systemen weitergebildet werden müssen. Hierfür wird ein hochschuldidaktisches Weiterbildungsformat zum Einsatz von Learning Analytics-Systemen in der Hochschuldbildung entwickelt und evaluiert.

Nicht zuletzt unterstützt das Teilprojekt der Didaktik die anderen Teilprojekte hinsichtlich der Bewertung des didaktischen Mehrwerts des jeweiligen Einsatzszenarios und für das Gesamtsystem Hochschule.

Teilprojekt Schreibdidaktik

Projektverantwortliche:
Vorhaben:

Dieses Teilprojekt untersucht, was der technische Fortschritt im Bereich künstlicher Intelligenz für die Schreibdidaktik bedeutet. Welchen Nutzen können Schreibdidaktiker:innen und -berater:innen, Lehrende und Studierende aus KI-basierten Schreibtools ziehen, welche Gefahren bestehen aber auch für die Hochschullehre, wenn Texte mithilfe künstlicher Intelligenz bewertet oder verfasst werden? Um Chancen und Herausforderungen für die Schreibdidaktik zu eruieren, werden einschlägige KI-basierte Schreibtools gesichtet und getestet, rechtliche Grundlagen ihres Einsatzes geprüft und beurteilt, ob und wie sie sinnvoll in die Schreibdidaktik eingebunden werden können.

Ein zentraler Bereich, mit dem sich das Projekt beschäftigt, sind Betrugsversuche in der Hochschullehre. Einerseits sollen Tools zur Plagiatserkennung durch den Einsatz künstlicher Intelligenz präziser und aussagekräftiger werden (auch im Bereich des Ghostwriting, z. B. durch Stilanalysen zur Verifikation von Autor:innenschaft). Andererseits gibt es mittlerweile Softwareangebote zur automatischen Textgenerierung, die sich auch explizit an Studierende richten und die beim Schreiben von Hausarbeiten oder anderen Prüfungsleistungen helfen sollen. Dies kann sich in Zukunft als Gefahr für gängige Prüfungsformen erweisen.

Zudem untersucht das Projekt im Rahmen von KI:edu.nrw die Frage, inwiefern KI-basierten Schreibtools für die Schreibdidaktik relevant sind. So gibt es beispielsweise Onlineangebote, die sich an Schüler:innen und Studierende richten und Hilfe zur Korrektur und Überarbeitung von Texten anbieten, sowie umfangreichere Softwarepakete, die Bildungsinstitutionen erwerben und in den Unterricht integrieren können, um mit automatisiertem Feedback Lernprozesse zu begleiten. Auch Software zur automatischen Textgenerierung – deren Einsatz auch in der Forschung zu diskutieren ist – wird im Bereich der Schreibdidaktik in Zukunft eine Rolle spielen. Das Projekt setzt sich mit der Frage auseinander, inwiefern solche Tools den Schreibkompetenzerwerb behindern oder befördern können.

Ziel ist es, die Ergebnisse so aufzubereiten, dass Lehrende und Studierende für das Thema sensibilisiert und über Chancen und Gefahren aufgeklärt werden können. Dabei soll auch über die Ruhr-Universität Bochum hinaus ein Austausch mit Schreibdidaktiker:innen anderer Hochschulen in NRW initiiert werden.

Teilprojekt Data Literacy

Projektverantwortliche:
Vorhaben:

Eine Zielstellung des Projektes KI:edu.nrw ist zu untersuchen, wie Daten zum Lernfortschritt von Studierenden ausgewertet und wie die Ergebnisse an die Lehrenden und Studierenden rückgespiegelt werden können. Die Nutzung dieser Ergebnisse erfordert eine gewissen „Data Literacy“ bei den Lehrenden und Studierenden. Damit sind all diejenigen Kompetenzen gemeint, die benötigt werden, um die Ergebnisse anwenden und verstehen zu können.

In dem KI:edu.nrw-Teilprojekt „Data Literacy für Learning Analytics“ entwickelt Tabea Schwarz vom Methodenzentrum der RUB digitale Lehrmaterialien, um Learning Analytics-bezogene Datenkompetenz zielgruppenspezifisch zu vermitteln. Die im Teilprojekt entwickelten Selbstlernkurse sollen einerseits Lehrende dabei unterstützen, Learning Analytics selbst zu nutzen und die verwendeten Daten und Methoden transparent zu kommunizieren. Außerdem sollen Studierende einen weitestgehend intuitiven Zugang zum Themenfeld Learning Analytics erhalten. Das Teilprojekt begleitet damit die technischen Entwicklungen aus der Perspektive der initutiven Darstellung und Nutzbarkeit.

Das Material soll im Sommersemester 2023 im Rahmen der Veranstaltung „Data Literacy – Grundlagen für das Überleben in der Datenwelt“ im Optionalbereich erprobt und allen NRW-Hochschulen über ORCA.nrw zur Verfügung gestellt werden.

Dialogprozess

Teilprojekt Dialog

Projektverantwortliche:
Vorhaben:

Im Rahmen der Überlegungen zu einem möglichen Einsatz von Learning Analytics-Systemen und Künstlicher Intelligenz an einer Universität lassen sich unterschiedliche Stakeholder identifizieren. Insbesondere die Wünsche und Vorbehalte von Studierenden und Lehrenden sind in entsprechenden Überlegungen zu berücksichtigen. Um diese Aspekte systematisch im Erkundungsprozess von KI:edu.nrw zu erfassen, sind im Rahmen des Projekts Studierenden- und Lehrendenbefragungen, Fokusgruppengespräche und ein universitätsweiter Dialogtag vorgesehen. Auf Grundlage der Ergebnisse und den Ergebnissen aus den Teilprojekten von KI:edu.nrw soll eine Learning Analytics-Policy für die RUB entwickelt und nach Zustimmung durch die zuständigen Gremien veröffentlicht werden. Diese Ergebnissicherung des Dialogprozesses stellt auch langfristig die Berücksichtigung der Wünsche der Stakeholder im Rahmen von Learning Analytics sicher – unabhängig davon ob entsprechende Systeme schon kurzfristig an der RUB eingesetzt werden sollen oder nicht.

Weiterhin wird im Projekt ein NRW-weiter Dialog angeregt, mit dem die Erfahrungen der anderen NRW-Hochschulen eingeholt sowie aus dem Projekt geteilt werden sollen. Dafür sind neben dem direkten Austausch zwischen den Hochschulen auch Konferenztage und eine nachhaltige Sicherung und Bereitstellung der Projektergebnisse vorgesehen.

Projektpartner außerhalb der RUB

RWTH Aachen

KI:edu.nrw ist ein Kooperationsprojekt der RUB und der RWTH Aachen. Die Zusammenarbeit der beiden Hochschulen ist somit ein elementarer Baustein des Projekts: Während an der RUB die Konzeption sowie die Durchführung der einzelnen Teilvorhaben angesiedelt ist, fokussiert das Projektteam der RWTH Aachen den Aufbau einer IT-Infrastruktur für den Einsatz von Learning Analytics an Hochschulen. Mithilfe dieser Infrastruktur sollen die auf den Lern- und Prüfungsplattformen (Quellsystemen) der Hochschulen anfallenden Nutzungs- und Verkehrsdaten der Studierenden in ein einheitliches Datenformat überführt und in einem Learning Record Store (LRS) gespeichert werden. Eine als Rights Engine bezeichnete Komponente ermöglicht Studierenden und anderen Datenspender:innen, die Erfassung und Verwendung ihrer Daten unter Berücksichtigung von ethischen, didaktischen und datenschutzrechtlichen Aspekten zu steuern. Darüber hinaus regelt sie den Zugriff auf die Auswertungen. Analytics Engines analysieren die Daten und speichern die Ergebnisse in einem Result Store. Die Visualisierung der Ergebnisse erfolgt schließlich über modulare Dashboards oder innerhalb der Daten liefernden Anwendungen. Das Gesamtkonstrukt aus Quellsystemen, Dashboards und IT-Infrastruktur soll quelloffen anderen Bildungseinrichtungen kostenlos zur Verfügung gestellt werden.

Link zur Projektpartnerin: cls.rwth-aachen.de/

KI:edu.nrw-News

Eine Sammlung von Kurzmeldungen, Neuigkeiten und Veröffentlichungen rund um KI:edu.nrw!

Der KI:edu.nrw-Blog

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!

31
Jan

Learning Analytics und KI in der Hochschulbildung. Ein ethischer Exkurs

Von Christos Simis, M. A.: Lehrstuhl Ethik der digitalen Methoden und Techniken an der Ruhr-Universität Bochum Künstliche Intelligenz (KI) als Oberbegriff für eine gewisse Art von technischen Entwicklungen ist in den letzten Jahren in aller Munde. Von Suchmaschinen im Internet und sozialen Medien bis hin...
Weiterlesen
25
Jan

Texte schreiben mit KI – auch in der Hochschullehre?

Von Nadine Lordick, M. A.: Schreibzentrum der Ruhr-Universität Bochum Spätestens seit der Veröffentlichung von ChatGPT Ende letzten Jahres werden die Einsatzmöglichkeiten textgenerierender Künstlicher Intelligenz (KI) heiß diskutiert – sei es zum Schreiben von Gedichten, Programmiercodes oder Seminararbeiten. Doch bevor wir nach schnellen Antworten suchen, wie...
Weiterlesen
09
Jan

3 Fragen an… Frederik Baucks

Frederik Baucks über Curriculum Analytics und Beratungstools Im landesgeförderten Projekt KI:edu.nrw geht es darum, Regeln, Konzepte, Prozesse und Technik für den Einsatz von Learning Analytics und Künstlicher Intelligenz (KI) an Hochschulen zu entwickeln und praktisch zu erproben. Um dieses Ziel zu erreichen, arbeitet ein interdisziplinäres...
Weiterlesen

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.

Ihr Kontakt zum Projekt

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