KI im Progress Test Medizin: Von einer nummerischen Rückmeldung hin zur individuellen Lernsteuerung

Beschreibung

Es soll erforscht werden, inwiefern durch den Einsatz des Maschinellen Lernens regelhafte, inhaltliche Antwortmuster der Studierenden identifiziert, charakterisiert und nutzbar gemacht werden und die Curricula der Fakultäten abgeleitet werden können. Studierende und Fakultäten sollen dadurch ein passgenaueres Feedback zum medizinischen Kenntnisstand erreichen. Zudem soll erforscht werden, ob zugrunde liegende Antwortmuster identifiziert werden können. Die Prüfungsfragen sollen über Natural Language Processing (NLP) semantisch aufbereitet werden, um das Feedback inhaltlich zu gestalten und um die Fragen für die Prüfungsgestaltung besser zu beschreiben. Es gilt dabei Feedback der Studierende nach formativen Prüfungen und summativen Prüfungen zu differenzieren. Der Transfer von Erkenntnissen und methodischen Ansätzen wird exemplarisch geprüft. Ziel des PTM ist es den Studierenden regelmäßig Rückmeldung zu ihrem aktuellen Wissensstand und ihrer bisherigen Wissensentwicklung zu liefern.

• Problem/Fragestellung: Der Progress Test Medizin bietet Studierenden eine regelmäßige, numerische Rückmeldung zu ihrem Wissenstand und die Wissensentwicklung im Vergleich zu anderen Studierenden und mit früheren Tests. Analysepotentiale zur Unterstützung individueller Lernprozesse und Lernplanentwicklungen sind vorhanden, können jedoch mit den bislang verwendeten Technologien nicht ausgeschöpft werden.


• Rahmenbedingungen: Der Progress Test Medizin ist ein Test, der aus 200 Fragen des gesamten medizinischen Stoffgebietes besteht. An jedem PTM nehmen rund 10.000 Studierende aus Deutschland und Österreich teil. Somit generiert jede PTM-Durchführung etwa zwei Millionen Datenpunkte.


• Lernziele: Der Progress Test Medizin orientiert sich am Gegenstandskatalog der Approbationsordnung für Ärzt:innen. Die Verteilung der Fragen folgt einem zweidimensionalen Blueprint (Organsysteme und Fächer).

• hybrid
• statistisch / lernend

• Adaptive Lernunterstützung
• Assistenz und Kompensierung
• Automatisiertes Feedback

• Daten aus Lernmanagementsystemen, Online Anwendungen im Lehrbetrieb (z. B. Studierendenbeteiligung, eingereichte Freitextaufgaben, Quiz-Ergebnisse, Klick- und Logindaten etc.)

• Anwendung für den Regelbetrieb

• Gesetzliche Vorgaben

• Digitalisierungsstrategie