Vortrag auf der Abschlussveranstaltung der Open Innovation Platform "Netze neu nutzen, Schwerpunkt Künstliche Intelligenz und intelligente Vernetzung" am Bundesministerium für Wirtschaft und Energie am 11.9.2017 in Berlin.
Es wird diskutiert, wie KI-Projekte für die Hochschulen angelegt sein sollten, um nachhaltig wirksam zu sein.
2. Hintergrund
• 1988-2002 Arbeiten in Logik und KI (Deduktion)
• 2002-2015 Leiter des zentralen eLearning-Instituts der
Universität Koblenz-Landau (IWM)
• Seit 2015 im Ruhestand und wiss. Mitarbeiter am VCRP
• Arbeitsschwerpunkte u.a.:
• Digitale Medien für Mathematik-Lehre
• Personalisierung von Lehren und Lernen
• Technische Standards (u.a. Common Cartridge und TinCan/xAPI,
Conformance Tests)
• https://dahn-research.eu
3. „We‘re Seeking Relevance“*
• eLearning-Support-Einheiten:
• Geburtshelfer oder Projekt-Pathologen?
• Symptom: Früher Systemtod
• Entwickler:
• Technische Machbarkeit ?
• Bildungseinrichtungen, Lehrende, Lernende:
• Praktische Nützlichkeit ?
• Vorschlag: Künstliche Intelligenz für die Unterstützung der
humanen Intelligenz der Lehrenden und Lernenden entwickeln
* T. Farrel Frey, A.
Mikroyannidis, H.
Alani: „We‘re Seeking
Relevance“: Qualitative
Perspectives on the Impact of
Learning Analytics on Teaching
and Learning, Conference
Paper, September 2017.
4. Die Diagnose
• Multiple Ursachen:
• Passt nicht zu existierenden Problemen
• Passt nicht zu existierenden Prozessen
• Passt nicht zu existierender Infrastruktur
• Läuft nur unter speziellen Bedingungen
• Zu hoher Installationsaufwand
• Zu hoher Schulungsaufwand
• Infektion oft in der frühen Projektentwicklungsphase
5. Die Therapie
• Entwicklung von integrierten Systemen
• Aus humaner und künstlicher Intelligenz
• Für einen realen Kontext
• Technisch
• Sozial
• Was ist die Zielgruppe?
• Welche Informationen benötigt sie – welche kann sie
einbringen?
• Wie kann KI diese Informationen bereitstellen/nutzen?
• Wie kann man die benötigte KI entwickeln?
• Wie kann man die benötigte HI entwickeln?
7. Beispiel(-Patient)
• Lernempfehlung aufgrund der Analyse von Fehlern in
Lösungswegen (z.B. im Mathematik-Vorkurs)
• Ergebnisse:
• KI-System (Recommender)
• Dozentenschulung (Erkennen, wer Hilfe braucht, System überwachen),
• Autorenschulung (Fehler erkennen, Rückmeldungen entwerfen,
System konfigurieren)
• Datenschutzkonzept