Educational Technologies

Schmuckbild: zwei Personen vor einem Bildschirm
@DIPF
Auch im Berichtszeitraum lag ein Fokus des Arbeitsbereichs auf automatisierten Auswertungen zur Entwicklung des Lernprozesses.

Der Arbeitsbereich „Educational Technologies“ (EduTec) realisiert Forschungs- und Entwicklungsarbeiten im Bereich digitaler und KI-gestützter Lehr- und Lernformen. Damit leistet er einen wesentlichen Beitrag zum Schwerpunkt „Bildung in der digitalen Welt“ am DIPF. Intern arbeitet die EduTec-Forschungsgruppe besonders eng mit dem „Zentrum für technologiebasiertes Assessment“ (TBA-Zentrum) zusammen, extern mit der Goethe-Universität Frankfurt am Main und der Open University der Niederlande.

Ein konkretes Ziel ist es, automatisierte Auswertungen zur Entwicklung des Lernprozesses zu ermöglichen. Dazu sollen nicht nur Daten aus summativen Assessments (Erhebungen von Lernergebnissen am Ende von Lerneinheiten) herangezogen werden. Vielmehr liegt ein Fokus auf Daten aus formativen Assessments (im Verlauf von Lernprozessen) – und das aus verschiedenen Quellen und Formaten (multimodale Daten) und mittels datenschutzkonformer Künstlicher Intelligenz. Ziel ist es, Lernende durch datengestütztes Feedback zu unterstützen und die Effizienz des Lernens zu steigern. Zwei Themen werden dabei gesondert betrachtet:

  • „Highly-Informative Learning Analytics“: Mit innovativen Verfahren sollen möglichst aussagekräftige Daten erschlossen werden, um die Lernprozesse zu optimieren.
  • „Multimodal Learning Analytics“ (MMLA): Hierbei geht es darum, unterschiedliche Datenquellen wie Gestik, Sprache und Klickverhalten zu kombinieren, um ein umfassenderes Verständnis von Lernprozessen zu erhalten.

Verschiedene Projekte aus dem Berichtszeitraum verdeutlichen dieses Forschungsprogramm:

  • Im Projekt „Analyzing Learning for Individualized Competence Development in Mathematics and Science Education“ (ALICE), gefördert im Rahmen des Leibniz-Wettbewerbs, wurden Prozess- und Textdaten aus digitalen Lerneinheiten analysiert, um unproduktive Lernverläufe frühzeitig zu erkennen und zu verbessern. Algorithmen geben den Lehrkräften hierzu in Echtzeit Einblicke in die Lernprozesse ihrer Schüler*innen. Die DIPF-Expert*innen kooperierten in diesem Vorhaben unter anderem mit dem IPN – Leibniz-Institut für die Pädagogik der Naturwissenschaften und Mathematik, dem Leibniz-Institut für Wissensmedien (IWM) und der Ruhr-Universität Bochum.
  • Das vom BMBF geförderte Projekt „Multimodales Immersives Lernen mit künstlicher Intelligenz für Psychomotorische Fähigkeiten“ (MILKI-PSY) entwickelte immersive Lernumgebungen, die durch KI-gestütztes Feedback personalisierte Lernprozesse fördern. Wegweisend war hierbei, multimodale Daten zu Sprache, Bewegungen und Verhalten zu kombinieren. So war es möglich, ein domänenübergreifendes Training psychomotorischer Kompetenzen zu entwickeln. Dafür arbeitete die EduTec-Gruppe besonders eng mit dem „Cologne Game Lab“ und der Deutschen Sporthochschule Köln zusammen.
  • Im Projekt „Hochinformatives und kompetenzorientiertes Feedback für das digitale Lernen“ (HIKOF-DL) wurde ein KI-Feedback-System entwickelt, das die Qualität der Online-Lehre verbessern soll. Dieses System wurde in einer besonders großen und heterogenen Vorlesung der Goethe-Universität Frankfurt am Main mit rund 1.000 Studierenden implementiert und evaluiert. Die Ergebnisse zeigen, dass dieses Feedback die Lernprozesse individualisiert und die Effizienz der Lehre erheblich steigert.

Der Arbeitsbereich verzeichnete im Berichtszeitraum weitere wissenschaftliche Meilensteine, zum Beispiel mehrere Nominierungen für Konferenzpreise, erfolgreiche Dissertationen und die Berufung von Prof. Dr. Hendrik Drachsler als Gastprofessor an die Open University der Niederlande.

Ausgewählte Publikationen

Cardenas-Hernandez, F. P., Schneider, J., Di Mitri, D., Jivet, I. & Drachsler, H. (2024). Beyond hard workout: A multimodal framework for personalised running training with immersive technologies. British Journal of Educational Technology, 55(4), 1528-1559. doi:1111/bjet.13445

Menzel, L., Gombert, S., Weidlich, J., Fink, A., Frey, A. & Drachsler, H. (2023). Why you should give your students automatic process feedback on their collaboration: Evidence from a randomized experiment. In O. Viberg, I. Jivet, P. Muñoz-Merino, M. Perifanou & T. Papathoma (Eds.), Responsive and sustainable educational futures: 18th European Conference on Technology Enhanced Learning, EC-TEL 2023, Aveiro, Portugal, September 4-8, 2023, proceedings (Lecture Notes in Computer Science, Vol. 14200, pp. 198-212). Cham: Springer. doi:1007/978-3-031-42682-7_14

Neumann, K., Kuhn, J. & Drachsler, H. (2024). Generative Künstliche Intelligenz in Unterricht und Unterrichtsforschung – Chancen und Herausforderungen. Unterrichtswissenschaft, 52(2), 227-237. doi:1007/s42010-024-00212-6