Die Evaluationsstudie konzentriert sich auf den Einsatz von maschinellem Lernen, insbesondere auf die Erstellung von personalisiertem Feedback, das sowohl formativ als auch summativ ist. Daten aus einer Pilotstudie dienen als Ausgangspunkt für die Evaluierung, um die KI-Technologie zur Feedbackgenerierung weiter zu optimieren. Die Evaluationsstudie zielt darauf ab, den Effekt von hochinformativem, automatisiertem Feedback (HIAF) auf die Leistung und Wahrnehmung der Studierenden in Bezug auf verschiedene Aufgaben, die während des Semesters verteilt sind, zu untersuchen. Es wird auch der Effekt der innovativen Aufgaben auf die Leistung und Wahrnehmung der Studierenden untersucht. Darüber hinaus wird die Akzeptanz des automatisierten Feedbacks durch die Studierenden untersucht und der potenzielle Einfluss von innovativen Aufgaben und automatisiertem Feedback auf das Lernverhalten der Studierenden in der Onlineplattform (Moodle) untersucht.

Am 09.11.2022 gab Frau Dr. Ioana Jivet einen Vortrag für das CEL (Center for Education and Learning), in welchem über die Verwendung von Dashboards als Werkzeug für individuelles Feedback und die Förderung von selbstgesteuertem Lernen im Klassenzimmer gesprochen. Es wurde betont, dass es immer schwieriger wird, die Aufmerksamkeit auf die Größe der Klasse zu verteilen und dass die Entwicklung von Fähigkeiten wie Selbstinstruktion und Aufgabenstrategien wichtig ist, um selbstgesteuertes Lernen anzusprechen. Es wurde auch diskutiert, wie die Ziele der Lernenden, die Bedürfnisse der Lernanalytik-Tools beeinflussen und wie die Lernenden die Möglichkeit haben, die Daten auf ihrem eigenen Dashboard zu konfigurieren.

Wenn Sie mehr dazu ansehen wollen: https://www.youtube.com/watch?v=oIM8EVESvKo