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 Projektteam in verschiedenen Teilprojekten an diesem Thema.
Das Jahr 2023 begrüßen wir mit der ersten Ausgabe unserer neuen Reihe „3 Fragen an…“. Hier stellen wir in einem Kurzinterview die Projektmitarbeitenden und das jeweilige Teilprojekt vor. Den Anfang macht Frederik Baucks, M. Sc., vom Teilprojekt Neuroinformatik.
Woran arbeitest du in deinem Teilprojekt?
Ich arbeite primär an der Fakultät für Informatik. In der Neuroinformatik benutzen wir KI für verschiedenste Dinge. In meinem Projekt geht es konkret um Curriculum Analytics, also um die Nutzung des Curriculums als Datenstruktur, um aus Studierendendaten Erkenntnisse über Kurse im Studiengang Angewandte Informatik im Bachelor zu gewinnen. Aktuell machen wir uns mit Performancedaten aus FlexNow vertraut. Dabei interessiert uns z. B. die Schwierigkeit von Kursen im Studiengang und wie diese sich möglicherweise im Zeitverlauf verändert. Wenn wir aus unserem Datensatz Aussagen über die Studienperformance für die Angewandte Informatik treffen können, möchten wir im nächsten Schritt unsere Methoden und Erkenntnisse auf andere Fachbereiche übertragen und validieren. Zum Ende der Projektlaufzeit möchten wir dann unsere Erkenntnisse nutzen, um in Zusammenarbeit mit der Studienberatung ein Studienberatungstool in Form eines Dashboards zu entwickeln.
Gut zu wissen!
Curriculum Analytics ist ein Subfeld von Learning Analytics und Educational Data Mining. Neben der Vorhersage von Noten geht es vor allem ums Monitoring. Bei Vorhersagen der Studienperformance im Rahmen von Curriculum Analytics werden trainierte Machine Learning-Modelle wie z. B. Bayes- und Markov-Netzwerke für Klassifikationen angewendet.
Wie bist du zu dem Thema gekommen?
Ich habe Mathematik im Bachelor und Master studiert. Im Masterstudiengang habe ich mich ein bisschen in Richtung Künstliche Intelligenz spezialisiert. Hier ging es mir vor allem darum, die Thematik zu durchdringen und zu verstehen. Nach meinem Studium bin ich dann auf die KI:edu.nrw-Stelle am Institut für Neuroinformatik gestoßen. Die Stellenausrichtung fand ich auf Anhieb sehr spannend – insbesondere die praktische Ausrichtung und den Aspekt, im Kontext von Bildung über das Thema KI nachzudenken. Weil ich in der Fachschaft und im Fakultätsrat aktiv war, habe ich mich bereits im Studium viel mit dem Curriculum und der Studiensituation auseinandergesetzt. Damals gab es eine große Änderung des Curriculums, an der es viel Kritik gab – sowohl im Positiven als auch im Negativen. Wenn man hierzu Daten gehabt und diese vorher ausgewertet hätte, wären möglicherweise einige Dinge besser gelaufen. Deswegen war die Stellenausschreibung für das Projekt sofort interessant für mich.
Wie sähe für dich das ideale Studienberatungstool aus?
Ideal wäre es, wenn das Dashboard der Studienberatung einen Mehrwert bietet – deswegen ist es wichtig, das Tool gemeinsam mit der Studienberatung zu designen. Wie dieser Mehrwert am Ende genau aussieht, wird sich noch zeigen. Ein Unterstützungsangebot wäre z. B. dass die Studienberatung – natürlich nur mit vorheriger Einwilligung – Zugriff auf die Studierendendaten und auf Statistiken hat. Hier könnte zu sehen sein, welche Kurse besucht werden sollten, um das Studium erfolgreich zu durchlaufen. Hilfreich wäre auch, potenzielle Schwachstellen der Studierenden zu identifizieren. Hier könnte die Studienberatung konkret ansetzen und den Studierenden gezielte Hilfsangebote machen. Bei dieser Art der Beratung wäre es wichtig, dass die Beratenden zum einen statistisch einschätzen können, wie sinnvoll die vorliegenden Daten und Auswertungen im Tool sind. Zum anderen müssen die hieraus resultierenden Erkenntnisse psychologisch fundiert vermittelt werden. Langfristig könnte es so zu einer Verbesserung der Studienberatung kommen.
Wenn ich mir das Tool visuell vorstelle, denke ich als erstes an Grafiken. Mein erster Gedanke dazu war, dass man bspw. den Studierenden im Gesamtkontext aller Studierenden der Ruhr-Universität Bochum anhand einer Verteilung verortet. Auf der Basis der zuvor erbrachten Leistungen könnten dann Wahrscheinlichkeiten und zugehörige Konfidenzintervalle zum Bestehen eines bestimmten Kurses im kommenden Semester ausgegeben werden.
