Skip to main content Skip to main navigation

Projekt

tech4compKI

Personalisierte Kompetenzentwicklung und hybrides KI-Mentoring

  • Laufzeit:

Ziel des Vorhabens ist die Automatisierung von Mentoringprozessen durch Wissensdienste unter Verwendung von Methoden der hybriden KI. Dazu wird das didaktische Wissen zu Mentoring-Prozessen in Regelsystemen und über Verfahren des Maschinellen Lernens (ML) modelliert. Dadurch können die Wissensdienste relevante Situationen und Emotionen erkennen und den Lernenden individuell-angepasst Unterstützung geben. Um das Ziel zu erreichen, werden in der Zusammenarbeit mit den anderen Projektpartnern die grundlegenden Komponenten adaptiver Lernsysteme, d.h. Modelle von Mentoring- und Lernprozessen, von Wissen und Kompetenzen, konzipiert, implementiert und evaluiert.

Die Formalisierung des relevanten didaktischen Wissens geschieht einerseits regelbasiert: Modelle mit Lernmaterialien werden personalisierte Empfehlungen und adaptive Bewertungen ermöglichen, betrachtend die Personenmerkmale und Kontextfaktoren. Anderseits werden Verfahren des ML angewandt: bei sensorbasierten Erkennung affektiver Lernzustände und Mentoringsituationen, sowie multimodalen Analysen von aggregierten Daten aus Sensoren, LMS und Chatbots. Dafür werden die bisherigen Arbeiten mit dem Moodmetric Ring um Gesichtserkennung und Analyse des EKG-Signals erweitern, da diese beiden Signale viel aussagekräftiger sind.

Partner

  • Universität Leipzig
  • Technische Universität Dresden
  • Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
  • Martin-Luther-Universität Halle-Wittenberg
  • Technische Universität Chemnitz
  • Hochschule für Technik, Wirtschaft und Kultur Leipzig
  • Freie Universität Berlin
  • RWTH Aachen

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

16DHB2208

BMBF - Bundesministerium für Bildung und Forschung

Publikationen zum Projekt

Cathleen M. Stützer; Milos Kravcik

In: Claudia de Witt; Christina Gloerfeld; Silke Elisabeth Wrede. Künstliche Intelligenz in der Bildung. Pages 219-239, ISBN 978-3-658-40078-1, Springer VS, Wiesbaden, 11/2023.

Zur Publikation

Matteo Orsoni; Alexander Pögelt; Nghia Duong-Trung; Mariagrazia Benassi; Milos Kravcik; Martin Grüttmüller

In: Claude Frasson; Phivos Mylonas; Christos Troussas (Hrsg.). Augmented Intelligence and Intelligent Tutoring Systems. International Conference on Intelligent Tutoring Systems (ITS-2023), 19th, June 2-5, Corfu, Greece, Pages 16-28, Lecture Notes in Computer Science (LNCS), No. 13891, ISBN 978-3-031-32882-4, Springer, Cham, 5/2023.

Zur Publikation