AI.EDU Research Lab 2.0

Beschreibung

Das AI.EDU Research Lab untersucht die Anwendung von KI in der Hochschullehre, wobei Version 2.0 sich auf Recommendersysteme (RecSys) und generative KI-Tools zur Förderung Kompetenzen Studierender konzentriert. Das RecSys wird als kontextspezifische Kombination aus KI-Technologien und didaktischem Design genutzt, um Bildungsakteure bei der Themenfindung und Fragestellungsgenerierung für Hausarbeiten zu unterstützen. Ein zentrales Thema ist die Transparenz und Vertrauenswürdigkeit von entwickelten und eingesetzten KI-Systemen, wobei aktuelle Tools vergleichend auf innovative Anwendungen mit generativer KI (GenKI) hin untersucht werden.

• Problem/Fragestellung: Das RecSys soll die Fähigkeiten der Studierenden bei der Entwicklung von Hausarbeitsthemen und Forschungsfragen verbessern. Es wird in das bestehende didaktische Szenario des Moduls integriert, um sich auf folgende Lösungen zu konzentrieren: häufige Fragen/Fehler angehen, freie Zeit für eine intensivere Betreuung der Lehrenden schaffen, bestehende Betreuungsformate beibehalten und die Qualität der initialen Studierendenbeiträge erhöhen.


• Rahmenbedingungen: Das RecSys wird im B.A.-Studiengang Bildungswissenschaft in der letzten Studienphase eingesetzt. Das Modul umfasst drei Phasen: 1. Eigenständige Erarbeitung von Studienmaterial 2. Planung der Hausarbeit: Generierung eines Fallbeispiels, theoretischen Bezugs sowie einer ersten Forschungsidee und -frage. Die Ergebnisse werden mittels des RecSys verfeinert und anschließend von den Studierenden im Moodle-Forum eingestellt, gefolgt von einer 1:1 Betreuung. 3. Schreiben der Hausarbeit


• Lernziele: Das Projekt nutzt das RecSys, um die akademischen Kompetenzen der Studierenden zu fördern: 1. Recherchekompetenz: Suchen nach Forschungsinteressen, Beurteilung recherchierter Literatur 2. Methodenkompetenz: Erfassen des Forschungsgegenstands, Formulieren und Operationalisieren von Forschungsfragen 3. Fachliches Wissen: Abruf methodologischer und theoretischer Begriffe, Kenntnis von Forschungsmethoden und aktuellen Befunden sowie Standards wissenschaftlicher Kommunikation

• hybrid

• Adaptive Lernunterstützung
• Assistenz und Kompensierung
• Automatisiertes Feedback
• Generierung von Inhalten

• Evaluations- / Forschungsdaten (z. B. Interviews, Usability-Testung, Befragungen, historische Daten der standardisierten Studierendenpanelbefragungen etc.)
• Studiengangsspezifisches Kursmaterial

• Daten aus Lernmanagementsystemen, Online Anwendungen im Lehrbetrieb (z. B. Studierendenbeteiligung, eingereichte Freitextaufgaben, Quiz-Ergebnisse, Klick- und Logindaten etc.)
• Institutionelle Informationen / Kennzahlen (z. B. Abschlussquoten, Immatrikulationsdaten)
• Studierendeninformationen und Daten aus Datenbanken

• Entwicklung eines Prototypen zu Forschungszwecken
• Grundlagenforschung

• Entwicklung eines Prototypen

• Gesetzliche Vorgaben
• Ideelle kulturelle standardisierte Vereinbarungen der Hochschule (Digitalisierungsstrategie, Hochschulentwicklungsplan, Audit Diversität, Charta, Verhaltenskodex, DIN-Normen, ISO-Normen o.ä.)
• Projektspezifische Maßnahmen (Qualitätssicherung / Check for Bias)
• Sensibilisierung der Mitarbeitenden (Weiterbildung / Multiplikator*innen)
• Vorgaben der Hochschule (Ordnungen, Satzungen)

• Charta (z. B. Europäische Ethik-Charta)
• Hochschulentwicklungsplan