KI:edu.nrw Phase 1

Projektverantwortliche:

• Prof. Dr. Maren Scheffel: Lehrstuhl Educational Data Science
• Prof. Dr. Nikol Rummel, Meike Osinski, M.A. & Anna Radtke, M. Sc.: Lehrstuhl Pädagogische Psychologie

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

Projektverantwortliche:

• Dr. Katrin Rolka, Dr. Michael Kallweit & Phillip Dittmann, M. Ed.: Lehrstuhl Didaktik der Mathematik

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.

Projektverantwortliche:

• Prof. Dr. Laurenz Wiskott & Frederik Baucks, M. Sc.: Lehrstuhl Theory of Neural Systems

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.

Projektverantwortliche:

• Dr. med. Thorsten Schäfer, Dr. rer. medic. Matthias Joswig & Philipp Ruschke, M. Sc.: Zentrum für Medizinische Lehre

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.

Projektverantwortliche:

• Prof. apl. Dr.-Ing. Andreas Kilzer & Joline Hansen, M. Sc.: Lehrstuhl für Feststoffverfahrenstechnik

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.

Projektverantwortliche:

• Prof. Dr. Markus Reichert & Jan Venzke, M. Sc.: Lehrstuhl für eHealth und Sports Analytics

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.

Projektverantwortliche:

• Prof. Dr. Sebastian Weydner-Volkmann & Christos Simis, M. A.: Lehrstuhl Ethik der digitalen Methoden und Techniken

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.

Projektverantwortliche:

• Mark Zeuch, M. A. & Jessica Posenau, M. A.: Zentrale Studienberatung

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.

Projektverantwortliche:

• Dr. Kai-Uwe Loser & Christopher Lentzsch, M. Sc.: Datenschutzbeauftragte

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.

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.

Projektverantwortliche:

• Dr. Peter Salden & Jonas Leschke, M. Ed.: Zentrum für Wissenschaftsdidaktik

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.

Projektverantwortliche:

• Maike Wiethoff, M. A. & Nadine Lordick, M. A.: Schreibzentrum

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.

Projektverantwortliche:

• Sebastian Jeworutzki, Dipl.-Soz.wiss. & Tabea Schwarz, M. Sc.: Methodenzentrum der RUB

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.

Projektverantwortliche:

• Dr. Seth Berk, Dr. Astrid Reich & Anna Soltyska, M.A.: Zentrum für Fremdsprachenausbildung (ZFA)

Vorhaben:

Das Teilprojekt „Fremdsprachliches Schreiben mit KI-Unterstützung“ exploriert die praktische Verwendung von KI-basierten Schreibtools für den Fremdsprachenunterricht – mit besonderem Fokus auf die möglichen Vor- und Nachteile für Lehrende und Lernende.

Authentisches Schreiben in einer Fremdsprache, ob in akademischen oder beruflichen Kontexten, ob in Englisch oder einer anderen Sprache, bedient sich heute bereits in erheblichem Umfang KI-basierter Tools wie z. B. DeepL oder Grammarly. Sie unterstützen die Lernenden u. a. beim Schreiben selbst oder bei der Überprüfung des Geschriebenen. Seit kurzem besteht nun die Möglichkeit, generative KI-Tools wie ChatGPT zu verwenden, um komplette Texte durch einfache Prompts herstellen zu lassen.

Für das Lehren und Lernen von Fremdsprachen haben diese neuen Möglichkeiten erhebliche Konsequenzen. Der implizierte didaktische Paradigmenwechsel ist noch längst nicht bei allen Stakeholdern angekommen und wird häufig nicht als eine Herausforderung begriffen, der nur konstruktiv begegnet werden kann.

Das ZFA möchte sowohl in der Lehre als auch in Prüfungen neue Wege einschlagen und neue KI-Technologien konstruktiv und informiert nutzen. Im Rahmen von KI:edu.nrw werden sprachübergreifende Lehrprojekte initiiert bzw. Lern- und Prüfungsszenarien entwickelt, die der neuen Realität des Schreibens in einer Fremdsprache Rechnung tragen und die sich mit ihrem Pilotcharakter für den Einsatz in verschiedenen Fremdsprachen eignen.

Über die Vernetzung innerhalb des KI:edu.nrw-Projekts hinaus – und in enger Zusammenarbeit mit den Partner:innen in dem Teilprojekt Wissenschaftliches Schreiben am Zentrum für Wissenschaftsdidaktik (ZfW) – fand auf der Grundlage institutionell bereits existierender Verbindungen zu Sprachenzentren anderer NRW-Hochschulen (über den Fachverband Arbeitskreis der Sprachenzentren (AKS)) eine Fachtagung am 02.06.2023 statt. Darüber hinaus sollen hochschul- und einrichtungsübergreifende Fortbildungen auf den Weg gebracht werden.

Projektverantwortliche:

• Dr. Peter Salden & Jonas Leschke, M. Ed.: Zentrum für Wissenschaftsdidaktik
• Prof. Dr. Maren Scheffel: Lehrstuhl Educational Data Science

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.

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/