Inhaltsverzeichnis
- Was versteht man unter hochinformativem kompetenzorientiertem Feedback (HIKOF)?
- Welche Technologie/Software wird genutzt?
- Wie viel Aufwand müssen Lehrer investieren um dieses Feedback-System nutzen zu können?
- Welche Daten benutzen wir?
- Wie werden die Daten gesammelt?
- Wie werden die Daten und Privatsphäre der Teilnehmer geschützt?
Was versteht man unter hochinformativem kompetenzorientiertem Feedback (HIKOF)?
Durch die Auswertung von Prozess- und Lerndaten sollen Studierende individuelles, handlungsorientiertes und hilfreiches Feedback erhalten. Während des Studiums sollen Studierende ihren aktuellen Lernfortschritt besser beobachten und dadurch verbessern können. Im Hinblick auf die Klausuren und darüber hinaus sollen Studierende sehen können, welche Teilkompetenzen sie bereits erlernt haben und bei welchen Verbesserungspotenzial besteht.
Welche Technologie/Software wird genutzt?
HIKOF-DL erforscht keine grundständig neuen Interventionen, sondern nutzt bereits etablierte Open-Source-Softwarelösungen von der internationalen Learning-Analytics-Community, sowie aus erfolgreichen BMBF-Projekten. Diese werden miteinander kombiniert und in Anwendung gebracht.
Der Fokus liegt auf Weiterentwicklung und Verbesserung der Online-Lehre und deren Transfer in die Lehr-Lern-Praxis.
Wie viel Aufwand müssen Lehrer investieren um dieses Feedback-System nutzen zu können?
Für Lehrpersonen soll kein Zusatzaufwand entstehen um das Feedback-System zu verstehen. Auf einer individuellen Ebene kann eine Lehrperson in Großveranstaltungen keine Rückmeldungen geben. Die KI soll dabei helfen Lehrpersonen zu entlasten und Studierenden hilfreiches Feedback zum eigenen Lernen zu geben.
Welche Daten benutzen wir?
Wir benutzen die Ausarbeitungen der Studierenden zu den 5 unterschiedlichen Aufgaben. Diese werden von der KI an einer Musterlösung unter verschiedenen Faktoren verglichen.
Wie werden die Daten gesammelt?
Die erste Anwendung des Feedback-Systems fand im Wintersemester 2021/22 statt. Die Studierenden haben 5 Aufgaben in einem computergestützten System bearbeitet und die Ergebnisse wurden von uns mit einer KI abgeglichen.
Wie werden die Daten und Privatsphäre der Teilnehmer geschützt?
Wir orientieren uns am Ansatz von Trusted Learning Analytics. In diesem Ansatz geht es darum, alle Teilnehmenden von Anfang an in den Prozess miteinzubeziehen und transparent darzustellen, welche Daten erhoben werden und wie sie verarbeitet werden und aus welchem Grund. Außerdem überprüfen wir die Studie aus ethischen und datenschutzrechtlichen Gesichtspunkten und stehen im engen Kontakt mit dem Datenschutzbeauftragten der Goethe-Universität. Gleichzeitig haben wir auch eine Anonymisierungs- bzw. Löschfrist festgelegt (6 Monate nach Projektende).