KI trifft Hochschullehre: AIStudyBuddy

Welche KI-Projekte im Bereich der Hochschullehre gibt es in Nordrhein-Westfalen? Womit beschäftigen sie sich? Und wer profitiert am Ende davon? Mit diesen und weiteren Fragen beschäftigt sich die neue Reihe im KI:edu.nrw-Blog. Die KI-Projektlandschaft NRWs ist vielfältig und dynamisch. Mithilfe dieser Serie möchten wir einen Einblick in die verschiedenen Projekte geben, über ihre Ausrichtungen und Besonderheiten informieren und so einen Überblick schaffen, was in NRW derzeit in Sachen Künstliche Intelligenz in der Hochschullehre passiert.

AIStudyBuddy: Studienverläufe unterstützen mit KI

Wie können die Studienverläufe von Studierenden mit Hilfe von KI unterstützt werden? Dieser übergeordneten Frage widmet sich das Forschungsvorhaben AIStudyBuddy. Ziel des vom BMBF geförderten Verbundprojekts ist die Entwicklung zweier Anwendungen zur individuellen Studienverlaufsplanung und zur Reflexion von Studienverläufen. Dafür werden seit November 2021 im Konsortium aus RWTH Aachen, Bergischer Universität Wuppertal und Ruhr-Universität Bochum unterschiedliche KI-Verfahren eingesetzt, um die Daten von Studierenden und Studiengängen auszuwerten. Das auf dreieinhalb Jahre angelegte Projekt wird im Rahmen der Bund-Länder-Initiative „KI in der Hochschulbildung“ gefördert. Die Entwicklung der Anwendungen erfolgt hochschulübergreifend und interdisziplinär mit Kolleg*innen aus Informatik, (Hochschul-)Didaktik, Ethik und Bildungsökonomie.

Studieren ist individuell, Technik kann unterstützen

Für Studierende gibt es mehrere Wege, den eigenen Studienverlauf zu planen. Ob ein Weg sinnvoll und erfolgsversprechend ist oder in eine Sackgasse führt, ist ganz individuell und hängt von unterschiedlichen persönlichen Faktoren ab. Der Austausch und Vergleich mit Kommiliton*innen oder Gespräche mit der Studienfachberatung oder Dozierenden können bei der Entscheidung helfen, welchen Weg Studierende einschlagen. Das Projekt AIStudyBuddy beschäftigt sich mit diesen individuellen Studiensituationen und möchte die Entscheidungen zu Studienverläufen auch technisch unterstützen. Im Rahmen von AIStudyBuddy werden technische Lösungen in Form von den folgenden zwei Anwendungen entwickelt:

StudyBuddy: Diese Webanwendung soll Studierenden bei ihrer individuellen Studienverlaufsplanung helfen. Sie können darin beispielsweise interaktiv Module zwischen den Semestern verschieben und erhalten sofort eine Rückmeldung, ob diese Verschiebung im Sinne der Prüfungsordnung erlaubt ist oder zeitliche Abhängigkeiten zu anderen Modulen konfligieren. Die Anwendung stellt die individuelle Studienverlaufsplanung grafisch dar und bietet handlungsleitendes Feedback.

Der StudyBuddy ist die Anwendung, die ich mir in meinem Studium selbst gewünscht hätte.

Elisa White, Projektkoordinatorin des Projekts AIStudyBuddy an der RUB

BuddyAnalytics: Diese Anwendung soll Studiengangsdesigner*innen bei der Curriculumsentwicklung und Beratung unterstützen. Sie erhalten unterschiedliche Statistiken zum Studienverlauf von Kohorten und können diese individuell in ihrem Dashboard anordnen und die in den Analysen zu berücksichtigen Daten filtern. Auch erfolgswahrscheinliche Studienverlaufspläne aufgrund der historischen Studienverläufe können angezeigt werden.

Die Studiengangsdesigner*innen, mit denen wir im Rahmen des Projekts gesprochen haben, reagieren sehr positiv auf die Möglichkeiten von BuddyAnalytics.“

Elisa White, Projektkoordinatorin des Projekts AIStudyBuddy an der RUB

Beide Anwendungen arbeiten mit Hilfe von Künstlicher Intelligenz, die aber anders funktioniert als die Künstliche Intelligenz von großen Sprachmodellen wie bspw. ChatGPT.

Was hat AIStudyBuddy mit Künstlicher Intelligenz zu tun?

Die Stärke von Künstlicher Intelligenz besteht in der Erkennung von Mustern in großen Datenmengen. Mit sog. Process Mining kann aus den Daten von Campusmanagement-Systemen, beispielsweise in Form der Modulabschlüsse der Studierenden, der tatsächliche Studienverlauf analysiert werden. Dieser unterscheidet sich häufig von den idealtypischen Studienverlaufsplänen. Mit Hilfe von Process Discovery können reale Studienverlaufspläne den intendierten gegenübergestellt und Abweichungen erkannt werden. Die Ergebnisse der KI-Analyse können so in grafische Darstellungen und Empfehlungen zur Studienverlaufsplanung für die Studierenden und Studiengangsdesigner*innen überführt werden. Im Projekt AIStudyBuddy wird KI also nicht dazu genutzt, Studienverlaufspläne lediglich anhand der Informationen aus den Prüfungsordnungen zu generieren (so wie ChatGPT das würde). KI wird genutzt, um für den erfolgreichen Studienabschluss Muster in großen Datenmengen von bereits erfolgreichen Studierenden mit einem ähnlichen Studienprofil/-verlauf zu erkennen und daraus individuelle, handlungsleitende Informationen bereitzustellen.

AIStudyBuddy nutzt moderne KI-Technologien. Das Projekt kombiniert hierfür zwei KI-Paradigmen: datengestützt (Process Mining) und regelbasiert (Answer Set Programming, ASP). Beide Komponenten sind Teil einer Referenzarchitektur, die Prinzipien wie Ethics-by-Design und Privacy-Preservation folgt. Mit Process Mining wird das Studienverhalten anhand der Daten aus Campus-, Lernmanagement- und Prüfungssystemen analysiert. Es stellt reale Studienverläufe den intendierten gegenüber. Mithilfe von Answer Set Programming werden Prüfungsordnungen und andere Regularien in ein Modell aus Regeln und Constraints überführt, um transparente Begründungen für Feedback in der Studienplanung zu generieren, das für Nichtdomänenexperten verständlich ist.

Einige Ergebnisse aus den ersten drei Projektjahren

AIStudyBuddy gibt es seit November 2021. Die folgenden Meilensteine sollen an dieser Stelle einen Überblick geben, was in den letzten Jahren im Projekt passiert ist:

  • Zunächst wurde eine einheitliche und maschinenlesbare Aufbereitung der zumeist in Textform vorliegenden Prüfungsordnungen entwickelt, damit diese in den beiden Softwareprodukten technisch abbildbar sind.
  • Des Weiteren wurden die notwendigen Datenpunkte für die von den befragten Studierenden und Studiengangsdesigner*innen gewünschten Analysen im StudyBuddy und BuddyAnalytics definiert.
  • Aus den beiden vorherigen Bedarfen, also den rechtlichen Vorgaben der Prüfungsordnungen und den technisch Notwendigen Datenpunkten, wurden ein Datenmodell und die Struktur des zugrunde gelegten Data Warehouse entwickelt, damit die Daten verschiedener Universitäten und verschiedenster Campusmanagement- und teilweise auch Lernmanagementsysteme zur Analyse an einem Ort zusammengeführt werden können. Dieser Datenpool im Data Warehouse wird u.a. entsprechend der obigen Beschreibung KI-gestützt analysiert.
  • Während der Projektlaufzeit wurden mehrere Prototypen von StudyBuddy und BuddyAnalytics entwickelt und mit den jeweiligen Nutzenden evaluiert. Aktuell arbeiten wir auf Hochtouren daran, die letzten Evaluationsergebnisse in neuen Versionen der Software umzusetzen, damit die Anwendungen mit Ende der Projektlaufzeit im April 2025 in den Regelbetrieb überführt werden können.

Sie interessieren sich für den Einsatz von StudyBuddy und/oder BuddyAnalytics an Ihrer Hochschule? Dann wenden Sie sich gerne an die Projektkoordinatorin Elisa White (elisa.white@rub.de).

Related Posts

Leave a Reply

Nächste Termine

Aktuellste Beiträge

12. Dezember 2024
Symposium „Prüfen trotz und mit KI: fachspezifische Perspektiven“ – Jetzt anmelden!
11. Dezember 2024
Über 500 Abos in 2024 – so kann es 2025 gerne weitergehen!
3. Dezember 2024
KI:edu.nrw ist Netzwerkpartner beim University Future Festival 2025