• 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? (3/3)

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

12. Juli 2018

In den beiden vorangegangenen Beiträgen dieser Reihe zu adaptiven Lernplattformen hatte ich aufgezeigt, wie adaptive Lernplattformen in ihren Grundzügen funktionieren (Teil 1) und dass sie zu deutlichen Verbesserungen im Hinblick auf Lernerfolg, Abbrecher-Quoten und erforderlichen Lernzeiten beitragen können (Teil 2).
Um dieses Nutzenpotenzial realisieren zu können, bedarf es aber angepasster Vorgehensweisen. Sowohl der Prozess der Entwicklung von Lerninhalten als auch die Grundprinzipien des didaktischen Designs unterscheiden sich für adaptive Lerninhalte deutlich von dem Vorgehen, wie es für die Realisierung von “klassischen” E-Learning-Modulen (z.B. WBT) etabliert ist.
Zwei Aspekte möchte ich in diesem Beitrag herausstellen:

  1. Detaillierung von Lern- bzw. Leistungszielen
  2. Gestaltung des Lerner-Erlebnisses

Detaillierung von Lern- bzw. Leistungszielen

Eine besondere Anforderung bei der Umsetzung von adaptiven Lernumgebungen besteht in der Detaillierung von Lern- bzw. Leistungszielen. Für die Produktion «herkömmlicher» Web-Based Trainings kann es ausreichen, bei einer Lernzeit von ca. 45 Minuten 8-10 Ziele zu definieren. Für die Produktion einer adaptiven Lernumgebung müssen diese um den Faktor 5-10 verfeinert werden. Das heisst, es müssen ca. 50-120 Feinziele oder Leistungsziele definiert werden. Erst diese Granularität erlaubt die Feinsteuerung des Lernprozesses auf der Grundlage von Aufgaben / Test-Items.

Gestaltung des Lerner-Erlebnisses

Bei “traditionellem” E-Learning (z.B. Web Based Trainings) kommt einer für die Zielgruppe attraktiven Gestaltung (z.B. Storyline / Rahmenhandlung und multimediale Aufbereitung) eine grosse Bedeutung zu. Hier wurde in den letzten Jahren auch intensiv über Gamification als Ansatz zur Erhöhung der Attraktivität diskutiert (vgl. z.B. diesen Beitrag und den darin erwähnten scil Arbeitsbericht).
Bei adaptiven Lernumgebungen stehen andere Motivationsfaktoren im Vordergrund. So geht der CLO von area9learning Nick Howe (Howe 2017) davon aus, dass die intrinsische Motivation, die sich aus dem Erleben von Wissens- und Kompetenzzuwachs ergibt, ausreicht, um die meisten Lernenden bei der Stange zu halten. Allerdings ist es wichtig, Demotivation zu vermeiden. Eine wichtige Ursache für Demotivation von Lernenden besteht darin, dass ihnen Inhalte / Aufgaben zugewiesen werden, die entweder bereits bekannt oder aber zu schwierig sind. Die kontinuierliche Konfrontation von Lernenden mit Aufgaben bzw. Problemstellungen, die gerade jenseits der eigenen Komfortzone liegen und damit herausfordernd aber gerade noch zu bewältigen sind, ist ein Motivationsprinzip, für das adaptive Lernplattformen besonders geeignet sind. Im Vordergrund steht daher die kontinuierliche Bearbeitung von kleinen und kleinsten Aufgaben und Problemstellungen. Vertiefende bzw. ergänzende Lerninhalte sind demgegenüber eher eine Beigabe, die dann zum Einsatz kommen, wenn Aufgaben wiederholt nicht erfolgreich bearbeitet werden können und damit klar geworden ist, dass der oder dem Lernenden dafür erforderliche Wissenselemente fehlen.

Zentrale Unterschiede zwischen «traditionellem» und «adaptivem» E-Learning

Die folgende Tabelle zeigt in einer Übersicht zentrale Unterschiede zwischen «traditionellem» und «adaptivem» E-Learning (in Anlehnung an Howe 2017):
 

«traditionelles» E-Learning «Adaptives» E-Learning
Grösse der Zielgruppe Eher gross
(Erreichen des break even im Vergleich zu Präsenztraining)
Sehr gross
(Kalibrieren der Datenmodelle)
Detaillierungsgrad der Lern-/
Leistungsziele
Je detaillierter, desto besser; hoher Detaillierungsgrad nicht zwangsläufig erforderlich; Hochgradige («atomare») Detaillierung unverzichtbar
Vorgehen
bei der
Entwicklung
1.   Übersetzung der
Qualifikationserfordernisse in didaktisches
Konzept2.   Drehbuch / Story
3.   Materialentwicklung
(ggf. integrierte Tests / Lernerfolgskontrollen)
4.   Umsetzung
1.   Übersetzung der Qualifikationserfordernisse in überprüfbare Leistungsziele
2.   Entwicklung von Test-Items
3.   Entwicklung von ergänzenden Trainingsmaterialien (Texte, Videos, etc.)
4.   Umsetzung
Lerner-
Erlebnis
Storyline (mehr oder weniger elaboriert) und
Berarbeitung von Inhalten im Vordergrund
Bearbeitung von Test-Items im Vordergrund
Funktion von Tests /
Test-Items
Summative
Lernerfolgskontrolle
Zentraler Inhalt /
zentrales Material für den
Lernprozess

Wie geht es weiter?

Welche Bedeutung adaptive, KI-basierte Lernplattformen erlangen werden  – und für welche Entwicklunsszenarien – ist aktuell noch nicht gut einzuschätzen. Möglicherweise können diese Lernplattformen ihr Potenzial vor allem dort ausspielen, wo grosse Zielgruppen und gleichzeitig starke (curriculare) Vorgaben zu den zu earbeitenden Wissens- und Kompetenzzielen zusammenkommen – beispielsweise bei Grundlagenfächern in der Hochschulbildung oder bei Produkttrainings und regulatorisch vorgeschriebenen Trainings in der betrieblichen Weiterbildung. Aber das wird sich zeigen. Wir werden diese Entwicklungen weiter beobachten…
 


Referenzen:
Howe, Nick (2017): Adaptive learning insights. A practical guide to the future of corporate training. area9learning. Chestnut Hill, MA.
 


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)