Entwicklung und Erprobung eines tutoriellen Assistenzsystems
Im VerDatAs-Projekt wird von der TU Dresden ein System aus drei informationstechnischen Komponenten entwickelt und in verschiedenen beruflichen Qualifizierungsszenarien erprobt und evaluiert.
Es besteht im Wesentlichen aus drei interagierenden Komponenten,
1) dem Speichermedium für die Lernmedien, die in einer polyhierarchischen Taxonomie geordnet sind,
2) den interaktiven Lern- und Leistungsaufgaben, die sowohl diagnostische Informationen über den Lernstand liefern als auch für die Lernenden Empfehlungen zu Bearbeitungswegen und zur Beseitigung von Fehlern geben.
und 3) dem tutoriellen Assistenzsystem. Dieses koordiniert informationstechnisch den Informationsaustausch zwischen den Lernenden, den Lernmedien sowie den interaktiven Lernaufgaben, schlägt Lernmedien passend zu den Lernvoraussetzungen vor, analysiert die Lernerinteraktionen mit Hilfe eines learning record stores, visualisiert die Lernwege und Lernergebnisse und gibt Assistenzinformationen in Form von Feedback, Lösungsbeispielen, Chat-Kontakten, auch aus anderen Weiterbildungsportalen.
Zu den charakteristischen Merkmalen des Vorhabens zählen:
1. Die Speicherung von Lerninhalten in Form von polyhierarchischen Taxonomien erleichtert den Aufbau sowie den digitalen Austausch zwischen solchen Taxonomien zwischen vernetzten Systemen beruhend auf Methoden der Formalen Begriffsanalyse. Die Visualisierung solcher Taxonomien fördert die begriffliche Orientierung der Lernenden im Weiterbildungsraum, insbesondere in dem von ihnen bearbeiteten Raumausschnitt sowie den benachbarten Inhaltsbereichen. Die polyhierarchischen Taxonomien bieten sich als Entwicklungsgrundlage eines knowledge graph an (z.B. Auer & Mann, 2019).
2. Interaktive Lernaufgaben stellen die unmittelbaren Interaktionskomponenten für die taxonomisch geordneten Lerninhalte dar. Bei der Konstruktion der Aufgaben können direkt inhaltliche Verbindungen zu polyhierarchischen Taxonomien genutzt werden, um Sets von Aufgabenstellungen unterschiedlicher begrifflicher Komplexität systematisch zu erzeugen. Diese Sets wiederum stellen eine bedeutende formale Grundlage für eine inhaltliche Passung von Lernervoraussetzungen und Lernanforderungen dar. (z.B. Körndle & Proske, 2023)
3. Im Gegensatz zu KI-basierten Assistenzsystemen verfügt das tutorielle Assistenzsystem nicht über ein statistisches Lernermodell zur genauen Vorhersage des Lernverhaltens auf der Grundlage einer Vielzahl von Interaktionsvariablen. Solche Modellierungen haben den entscheidenden Nachteil, dass viele dieser Variablen zwar statistisch bedeutsam, aber nicht interpretiert und für eine gezielte Gestaltung der Lernumgebung genutzt werden können. Stattdessen fließen empirische Untersuchungsergebnisse zu Erfolgsfaktoren computergestützten Lernens direkt in die interdisziplinäre Gestaltung der Systemkomponenten mit Informatikern ein. Als erfolgsfördernd für diesen Entwicklungsweg dürfte sich ein Verzicht auf die universelle Nutzung dieser Lösung für Zielgruppen von Lernenden mit unbekannten Voraussetzungen und/oder wenig spezifizierte Lernthemen erweisen.