Literaturnachweis - Detailanzeige
Autor/inn/en | Küchemann, Stefan; Dengel, Andreas; Kuhn, Jochen |
---|---|
Titel | Künstliche Intelligenz im Lehr-Lernprozess von MINT-Fächern. Vom adaptiven Lernmaterial zur Implementation in die Lehrkräftebildung. Paralleltitel: Artificial Intelligence in learning and instruction of STEM disciplines. From adaptive learning materials to implementation in education. |
Quelle | In: Bildung und Erziehung, 74 (2021) 3, S. 313-330Infoseite zur Zeitschrift
PDF als Volltext |
Beigaben | Illustrationen |
Sprache | deutsch |
Dokumenttyp | online; Zeitschriftenaufsatz |
ISSN | 2194-3834 |
DOI | 10.13109/buer.2021.74.3.313 |
Schlagwörter | Digitale Medien; Künstliche Intelligenz; Medieneinsatz; Lehrerausbildung; Lehr-Lern-Prozess; Lernumgebung; Adaptiver Unterricht; Experiment; Unterrichtsmaterial; Informatikunterricht; Mathematisch-naturwissenschaftlicher Unterricht; Technikunterricht; Implementierung |
Abstract | Im Zuge zunehmender Heterogenität spielen individuelles Lernen und adaptive Lernmaterialien eine immer größere Rolle in der schulischen Bildung. Die technologische Entwicklung erlaubt dabei auch neue Ansätze, bei denen die Personalisierung durch Verwendung berührungsfreier Sensoren erfolgt, welche kognitive Präferenzen, Prädispositionen und Ressourcen der Lernenden während des Lernprozesses diagnostizieren und Lernerfolg mittels KI-Algorithmen in Echtzeit vorhersagen und diesbezüglich Hilfestellungen bereitstellen. In dem Beitrag wird ein in dieser Hinsicht geplantes und teils entwickeltes, adaptives System für MINT-Fächer beschrieben, das individualisierte Lernmaterialien unter Verwendung visueller Aufmerksamkeitsdaten und KI-Algorithmen zur Verfügung stellt. Neben der Verfolgung des Lernprozesses wird zudem die Möglichkeit beschrieben, wie das System dazu genutzt werden kann, um angehende und bereits im Dienst befindliche Lehrkräfte für die Nutzung und Bewertung solcher Systeme auszubilden. (DIPF/Orig.). In the course of increasing heterogeneity, individualized and personalized learning and adaptive instruction materials play an increasing role in classroom education. Technological developments allow new approaches to personalization by using non-invasive sensors that diagnose cognitive preferences, predispositions, as well as resources of learners during the learning process and predict learning success in real time using AI algorithms and provide assistance in this regard. The paper describes an adaptive system for STEM education, planned and partially developed that provides individualized learning materials using visual attention data and AI algorithms. In addition to tracking the learning process, the paper also describes how the system can be used to t rain prospective and in-service teachers to use and assess such systems. (DIPF/Orig.). |
Erfasst von | DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation, Frankfurt am Main |
Update | 2022/1 |