THISuccessAI
Studienerfolg durch KI-gestützte Lernpfade
Die Technische Hochschule Ingolstadt (THI) wird im Rahmen der Förderlinie „Hochschullehre durch Digitalisierung stärken“ im Zeitraum 2021 bis 2024 für die Umsetzung des Projekts THISuccessAI gefördert. Das Projekt zielt darauf ab, den Studienerfolg in MINT-Studiengängen durch individualisierte Lernpfade für Studierende signifikant zu erhöhen. Dabei wird die KI-Kompetenz der Hochschule genutzt, um über Learning Analytics Studierenden-, Lern- und Lehrinformationen zu sammeln, über Mustererkennung auszuwerten und daraus individualisierte Lernpfade abzuleiten. Diese werden u. a. mit (digitalen) Lehr- und Lerneinheiten ausgestaltet. Ein Dashboard visualisiert für Studierende und Dozenten den Lernstatus. Das Projekt schließt die Erstellung von KI-gesteuerten Tools, die sich durch weitere Datenanreicherung kontinuierlich weiterentwickeln, ebenso ein, wie die Erstellung digitaler Learning Nuggets für die Gestaltung der individualisierten Lernpfade. Nach der dreijährigen Entwicklungs- und Implementierungsphase mit Fokus auf bestehenskritische Fächer wird das Projekt über alle Fächer und Studiengänge der THI ausgerollt.
Aufbau KI-gestützter Lernpfade durch den Einsatz von Learning Analytics
Projektcluster
Teilvorhaben Learning Analytics
Im TV „Learning Analytics“ werden die vielfältigen lerner- oder lernprozessbezogenen Daten unter Berücksichtigung von datenschutzrechtlichen und ethischen Aspekten einer systematischen Analyse und Auswertung unterzogen. Ziel ist es, Kompetenzniveaus eines Lernenden einzuschätzen, die individuelle Wirkung von didaktischen Methoden zu bewerten sowie Empfehlungen und Prognosen zur Gestaltung der Lernpfade abzugeben.
Beteiligte Personen:
- Prof. Dr. Munir Georges (Sprach- und Textverstehen)
- Prof. Dr. Sören Gröttrup (Maschinelles Lernen und Statistik)
- Prof. Dr. Stefanie Schmidtner (Nachhaltige Stadtentwicklung und künstliche Intelligenz)
- Kai Hartung (Data Analyst)
- Di Wu (Data Analyst)
Teilvorhaben Plattform- und Toolentwicklung
Im TV „Plattform- und Toolentwicklung“ werden die technischen Grundlagen zur Erfassung, Beschreibung und Bereitstellung der in TV 1.1. gewonnenen Datenströme für die Generierung individueller Lernpfade im LMS Moodle geschaffen sowie nutzerfreundliche, teils personalisierte Tools, wie z. B. ein Dashboard für Studierende und Dozierende, ein Editor für die einfache Erstellung von Learning Nuggets, ein Plug-In für Learning Companions zur Verbesserung der Vernetzungs- und Austauschmöglichkeiten unter Studierenden sowie ein Chatbot (Thim) als Lernasisstent entwickelt.
Beteiligte Personen:
- Prof. Dr. Sebastian Apel (Programmierung und Software Engineering)
- Prof. Dr. Hans-Michael Windisch (Technische Informatik und Software Engineering)
- Prof. Dr. Christan Locher (Digital Business)
- Tanyo Dietz (UX-Designer)
- Manjula Gangisetty (Webentwicklung AI)
- Sambit Mallick (Chatbot Developer)
- Fatema Merchant (Chatbot Developer)
Beteiligte Personen:
- Prof. Dr. Katherine Roegner (Hochschuldidaktik der Mathematik)
- Prof. Dr. Bernhard Glavina (Technische Informatik und Elektrotechnik)
- Prof. Dr. Robert Gold (Software Engineering und Programmiersprachen)
- Prof. Dr. rer. nat. Franz Regensburger (Praktische Informatik und Programmierung)
- Florian Beil (Wissenschaftlicher Mitarbeiter im Modulbereich MINT)
- Stefanie Boldt (Wissenschaftliche Mitarbeiterin im Modulbereich Statistik)
- Alen Jurisic (Wissenschaftlicher Mitarbeiter im Modulbereich Elektrotechnik)
- Malina Lang (Wissenschaftliche Mitarbeiterin im Modulbereich MINT)
- Philipp Söchtig (Wissenschaftlicher Mitarbeiter im Instructional Design)
Teilvorhaben Individuelle Lernpfade für statische Gruppen (Stufe I)
Im TV "Individuelle Lernpfade für statische Gruppen (Stufe I)" erfolgt die Individualisierung der Lernpfade in den Modulen Statistik, Mathematik, Elektrotechnik und Programmierung für teilautomatisiert festgelegte Gruppen bzw. Lernstile. Die Gestaltung der Lernpfade erfolgt sowohl über verschiedene Einstufungstests als auch Mustererkennung und wird über lernstilgerechte Learning Nuggets sowie Dialogangebote des digitalen Lern-Assistenten "Thim" unterstützt.
Teilvorhaben Individuelle Lernpfade für statische Gruppen (Stufe II)
Im TV "Individuelle Lernpfade für statische Gruppen (Stufe II)" werden aufbauend auf den Ergebnissen der Stufe I die festen Lernstile sukzessive aufgelöst und in individualisierte, KI-gestützte Lernpfade überführt. Außerdem wird der Lern-Assistent "Thim" weiterentwickelt und die Learning Nuggets werden flexibilisiert.
Teilvorhaben Projektorganisation
Im TV „Projektorganisation“ werden die Strukturen für eine erfolgreiche Projektdurchführung aufgebaut. Dabei werden technische und didaktische Ansprüche an das Projekt berücksichtigt sowie durch eine begleitende Evaluation die Qualität langfristig sichergestellt.
Beteiligte Personen:
- Simone Schmidt (Projektabwicklung und -controlling)
Teilvorhaben Transfer
Im TV „Transfer“ werden innovative Austausch- und Partizipationsformate für den ganzheitlichen internen und externen Wissenstransfer zu „KI und Hochschullehre“, z. B. im Rahmen des "Tags der digitalen Lehre" sowie des "Hackathons", durchgeführt. Des Weiteren werden datenschutzrechtliche und ethische Fragestellungen dort geklärt.
Beteiligte Personen:
- Prof. Dr. Christian Stummeyer (Wirtschaftsinformatik und Digital Commerce)
- Barbara Rehr (Datenschutz)
Bevorstehende Veranstaltungen
Angewandte Theorien und Literaturquellen des Projektes
- Blended Learning (Integrierte Lernmethode zur Verbindung digitaler und Präsenzlehre (in Anlehnung an G., Reinmann-Rothmeier, 2003), Link zur Quelle)
- Design Based Research (Generisches Modell der Entwicklungsforschung (in Anlehnung an S. McKenney ,T.C., Reeves, 2012, S. 77; G. Reinmann, 2014), Link zur Quelle)
- Game-Based-Learning (Spielbasiertes Lernen (in Anlehnung an J., Fromme, B., Jörissen, A.,Unger, 2008) Link zur Quelle)
- Just-in-Time-Teaching (Pädagogisches Rahmenkonzept (in Anlehnung an S.P., Simkins, M.H., Maier, [Hrsg.], 2010), Link zur Quelle)
- Kolb Lernzyklus (Kolb Learning Inventory 4.0 (in Anlehnung an Kolb, 2009, S.54ff), Link zur Quelle)
- Universal Design for Learning (Pädagogisches Rahmenkonzept (in Anlehnung an CAST, 2018), Link zur Quelle)
- Visible Learning (Effektstärken von Lehr- und Lernstrategien sowie Implementation (in Anlehnung an J., Hattie, K., Zierer, 2018, S. 90-109) Link zur Quelle)
Publikationen des Projekts:
- Apel, Sebastian, Söchtig, Philipp und Windisch, Hans-Michael (2023): "Using Learning Analytics to Identify Student Learning Profiles for Software Development Courses". In: ECSEE 2023: European Conference on Software Engineering Education (ECSEE 2023), June 19–21, 2023, Seeon/Bavaria, Germany. ACM, New York, NY, USA, 7 pages. DOI
- Panagiotis Pagonis, Kai Hartung, Di Wu, Munir Georges, Sören Gröttrup (2023): “Analysis of Knowledge Tracing performance on synthesised student data”. In: AI4AI Education Workshop 2023. OA Link: https://arxiv.org/abs/2401.16832
Projektleitung
Prof. Dr.-Ing. Hans-Joachim Hof
Tel.: +49 841 9348-2526
Raum: D021
E-Mail: Hans-Joachim.Hof@thi.de
Prof. Dr. Sebastian Apel
Tel.: +49 841 9348-5176
Raum: A128
E-Mail: Sebastian.Apel@thi.de
Über den Förderer
Die „Stiftung Innovation in der Hochschullehre“ fördert mit dem Förderprogramm „Hochschullehre durch Digitalisierung stärken“ in den nächsten Jahren insgesamt 139 Projektvorhaben von Hochschulen und Universitäten, darunter 115 Einzel- und 24 Verbundanträge, mit einem Gesamtfördervolumen von bis zu 330 Mio. €.
Netzwerkpartner
University:Future Festival 2024
Barrierefreis Poster des Projektes THI Success AI
