• Skip to primary navigation
  • Skip to main content
  • Skip to primary sidebar
DigiCompToTeach

DigiCompToTeach

  • Aktuelles
    • Online-Lehre
    • Online-Prüfungen
    • Videokanal
    • Themen & Webinare
    • Good Practices
    • Blogbeiträge
  • Einstieg
  • Blended Learning @HSG
  • swissuniversities-Projekt
  • Über uns
    • Newsletter
    • Impressum
    • Search
    • Social Media, Newsletter
HomeBeiträgeKI-basierte Lernplattformen als "Zukunft" des Lernens? (2/3)

KI-basierte Lernplattformen als "Zukunft" des Lernens? (2/3)

6. Juli 2018

Wie leistungsfähig sind adaptive Lernplattformen?

Beim letzten Beitrag hatte ich aufgezeigt, was unter der Haube von KI-basierten Lernplattformen vorgeht bzw. wie diese Lernprozesse unterstützen. Jetzt steht die Frage im Raum: Wie leistungsfähig sind diese Systeme denn nun?
Eine verbreitete Auffassung ist, dass menschliche Tutoren leistungsfähiger sind als technisch-basierte tutorielle Lösungen. Diese Erwartung lässt sich vereinfacht so darstellen:

Lernerfolg mit Unterstützung durch menschliche Tutoren > Lernerfolg mit Unterstützung durch intelligente tutorielle Systeme (KI-basiert) > Lernerfolg mit Unterstützung durch Computer-unterstützte Instruktion (WBT / CBT)

Dahinter liegt die Annahme, dass menschliche Tutoren Lernen besser unterstützen können, weil sie

  • Lernende besser kennen bzw. Wissens- / Leistungsstand besser einschätzen können;
  • Aufgabenstellungen besser auf einzelne Lernende zuschneiden können;
  • über leistungsfähigere Lehrstrategien verfügen (z.B. Bewertung zurückhalten und nach Begründungen fragen);
  • Dialoge mit Lernenden ermöglichen können (z.B. Gegenfragen stellen);
  • über ein breiteres & tieferes Domänenwissen verfügen als tutorielle Systeme;
  • Lernende besser motivieren können;
  • punktgenau Feedback zu (irrigen) Argumentationen oder Ergebnissen liefern können;
  • variables ‘scaffolding’ leisten können (VanLEHN 2011, S 198-200).

Adaptive und intelligente Lernsysteme sind in der Vergangenheit Gegenstand zahlreicher Studien und Untersuchungen gewesen. Metastudien verdichten diese zahlreichen Einzelergebnisse. Relevante Metastudien sind insbesondere die Studie von VanLehn aus dem Jahr 2011 und die Studie von Kulik und Fletcher aus dem Jahr 2016.
Ein zentrales Ergebnis der Studie von VanLehn (2011) besteht darin, dass die oben angeführten Annahmen so nicht haltbar sind.
Die Meta-Analyse von VanLehn zeigt, dass tutorielle Systeme mit sehr granularer Unterstützung bzw. sehr fein gegliedertem Feedback für die Lernenden zu Effektgrössen führen, die annähernd denen der Lernunterstützung durch menschliche Tutoren entsprechen (vgl. Abbildung 1):

Abbildung 1: Effektgrössen verschiedener Typen tutorieller Unterstützung beim Lernen (Quelle: vanLEHN 2011, S. 209)

Abbildung 1 zeigt unter anderem, dass die Effektstärke von «Step-based» tutoriellen Systemen im Vergleich mit «keine tutorielle Unterstützung» bei 0.76 liegt. Also fast gleichauf mit der Effektstärke für «Human tutoring» verglichen mit «keine tutorielle Unterstützung», die bei 0.79 liegt.
Eine weitere und neuere Meta-Studie, bei der 50 Einzelstudien ausgewertet wurden (Kulik und Fletcher 2016), bestätigt die Ergebnisse von vanLehn:

Students who received intelligent tutoring outperformed students from conventional classes in 46 (or 92%) of the 50 controlled evaluations, and the improvement in performance was great enough to be considered of substantive importance in 39 (or 78%) of the 50 studies. (…)
The evaluations show that ITSs typically raise student performance well beyond the level of conventional classes and even beyond the level achieved by students who receive instruction from other forms of computer tutoring or from human tutors.
(Kulik und Fletcher 2016, S. 67, 70)

Diese Ergebnisse sind also sehr positiv – auch wenn sich aus den Metastudien kaum herauslesen lässt, genau welche Systeme zum Einsatz kamen. Ergänzend kann noch ein Evaluationsbericht aus dem Hochschulkontext angeführt werden:
Johnson (Johnson 2016) berichtet in der Zeitschrift EDUCAUSreview über die Einführung der adaptiven Lernplattform Intellipath an der Technischen Hochschule Colorado. Der Prozess der Einführung dieser Plattform begann im Jahr 2012. Bis zum Jahr 2015 wurden etwa 800 Lehrpersonen (ca. 80% aller Lehrpersonen) für die Nutzung des Systems geschult und die Plattform für 107 Kurse mit mehr als 30’000 Studierenden eingesetzt. Dabei wurden u.a. folgende Ergebnisse beobachtet:

In a recent review of pass rate, final grade, and retention data, we identified Accounting I as the course with the highest pass rate increase since its launch on intellipath in October 2013. We compared pre-intellipath data from October 2012 through September 2013 to post-intellipath launch data from October 2013 through December 2015. The pass rate went up to an 81 percent average — a 27 percent increase. The course retention rate rose about 9 percent to 95 percent, while the final grade average increased by 10 percent, to 79 percent.
(Johnson 2016, Hervorhebung im Original)

Einzelne Evaluationsberichte finden sich auch für den Kontext Corporate Learning. Beispielsweise von area9learning. Eine Fallstudie von area9learning mit Hitachi Data Systems zeigt, dass ein weiteres Nutzenpotzenzial adaptiver Lernumgebungen besteht darin, Lernzeiten zu minimieren – beispielsweise beim Produktraining. Insbesondere für Unternehmen und Organisationen, in denen Lernzeiten immer auch Opportunitätskosten verursachen, ist dies ein wichtiger Aspekt. Durch die granulare Aufbereitung der Inhalte und das kontinuierliche Überprüfen von kleinsten Wissenselementen sowie durch das Zuweisen von passenden nächsten Inhalten / Aufgaben kann der Zeitaufwand – so das Ergebnis dieser einzelnen Fallstudie – um annähernd 50% reduziert werden (Abbildung 2):

Abbildung 2: Zeit- und Kostenreduktion durch adaptives Lernen (Quelle: area9learning 2017, S. 6)

Als Fazit aus den angeführten Meta-Studien und Evaluationen lässt sich also festhalten, dass der Einsatz von adaptiven Lernplattformen häufig zu deutlichen Verbesserungen im Hinblick auf den Lernerfolg, zu einer Reduktion von Abbrecher-Quoten und zu einer Reduktion von Lernzeiten beitragen kann.

Fortsetzung

Dieser Beitrag steht in einer Reihe mit den folgenden Beiträgen:

  • Wie funktionieren adaptiven Lernplattformen? (Teil 1)
  • Was sind Besonderheiten von E-Learning mit adaptiven Lernplattformen? (Teil 3)

Referenzen:
area9learning (2017): adaptive learning. Eliminating corporate e-learning fatique. area9learning. area9learning.com. Online verfügbar unter https://offers.area9learning.com/adaptive-learning-whitepaper.
Johnson, Constance (2016): Adaptive Learning Platforms: Creating a Path for Success. In: Educause Review. Online verfügbar unter https://er.educause.edu/articles/2016/3/adaptive-learning-platforms-creating-a-path-for-success.
Kulik, James A.; Fletcher, J. D. (2016): Effectiveness of Intelligent Tutoring Systems. In: Review of Educational Research 86 (1), S. 42–78.
VanLEHN, KURT (2011): The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems. In: Educational Psychologist 46 (4), S. 197–221. DOI: 10.1080/00461520.2011.611369.


Am 25.09. + 02.10 + 16.10. 2018 findet das Online-Modul “Adaptive und KI-basierte Lernsysteme” im Rahmen unseres Zertifikatsprogramms “Digitale Bildung” statt. Dieser Beitrag ist ein kurzer Auszug aus dem Skript zu diesem Weiterbildungsmodul.

christoph-meier

Geschrieben von
Christoph Meier

Veröffentlicht in
Beiträge

Verschlagwortet
KI

Reader Interactions

Schreiben Sie einen Kommentar Antworten abbrechen

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.


Primary Sidebar

Tag Cloud

(Zukunfts-)kompetenzen adaptive Lernumgebungen Aktivierung Assessments Bachelor Blended Learning Blended Synchronous Learning Bot Learning digitale Kompetenzmodelle Digitale Lehre Digitales Lernen E-Assessments Effekte des Blended Learning Empirische Befunde Flipped Classroom formative Assessments Gamification Gestaltung von Lehr-Lernszenarien Good Practice Herausforderungen der Hochschullehre Hochschulstrategie humanoide Roboter Hybride Lehre ICAP Modell Individualisierung des Lernens KI Learning Analytics Lernvideos in der Hochschullehre Lernziele LMS MOOC Open Educational Resources Peer-Assessments Peer Instruction Portfolio Roboter in der Hochschullehre Selbststudium Tools Webinar Übersicht Tools und Lösungen

Neue Beiträge

  • Orientierungsrahmen für die Gestaltung von Lehr-Lernsettings mit digitalen Medien
  • Zur Gestaltung hybrider Lehre (Blended Synchronous Learning)
  • Veränderungen in der Hochschullehre infolge der Corona-Pandemie
  • ICAP Framework
  • Studie des bidt und des IHF zur Pandemie als Treiber der digitalen Transformation der Hochschulen

Neue Kommentare

    Archive

    • Februar 2022
    • Januar 2022
    • März 2020
    • Januar 2020
    • Dezember 2019
    • November 2019
    • Oktober 2019
    • September 2019
    • Juni 2019
    • Mai 2019
    • April 2019
    • März 2019
    • Februar 2019
    • Januar 2019
    • Dezember 2018
    • November 2018
    • Oktober 2018
    • September 2018
    • August 2018
    • Juli 2018
    • Juni 2018
    • Mai 2018
    • April 2018
    • März 2018
    • Februar 2018
    • Januar 2018
    • Dezember 2017
    • November 2017
    • Oktober 2017
    • Juli 2017
    • März 2017
    • Februar 2017
    • Juni 2016
    • April 2016
    • Februar 2016
    • September 2015
    • Dezember 2014

    Kategorien

    • Allgemein
    • Beiträge
    • Blogbeiträge
    • Fundstücke
    • Good Practice
    • Online-Lehre
    • Online-Prüfungen
    • Publications
    • Videokanal
    • Vorträge & Workshops
    • Webinare

    Meta

    • Anmelden
    • Entries feed
    • Comments feed
    • WordPress.org
    Accreditations

    Member of



    © Copyright 2021 University
    of St.Gallen Switzerland · General
    legal information ·Data privacy
    statement
    · GTM

    Dufourstrasse 50
    CH-9000 St.Gallen
    Tel +41 71 224 21 11
    Fax +41 71 224 28 16

    University of St.Gallen – School
    of Management, Economics,
    Law, Social Sciences and
    International Affairs (HSG)