Enhancing Learning Experiences in Sports Science through Video and AI-generated Feedback.

Autor/inn/en	Venzke, Jan; Hohmann, Richard; Krombholz, Arno; Platen, Petra; Reichert, Markus
Titel	Enhancing Learning Experiences in Sports Science through Video and AI-generated Feedback.
Quelle	Aus: Salden, Peter (Hrsg.); Leschke, Jonas (Hrsg.): Learning Analytics und Künstliche Intelligenz in Studium und Lehre. Erfahrungen und Schlussfolgerungen aus einer hochschulweiten Erprobung. Wiesbaden: Springer VS (2024) S. 79-95Verfügbarkeit
Reihe	Doing Higher Education
Sprache	englisch
Dokumenttyp	gedruckt; Sammelwerksbeitrag
ISSN	2524-6380
ISBN	978-3-658-42992-8
Schlagwörter	Künstliche Intelligenz; Medien; Multimedia; Wissenschaft; Hochschuldidaktik; Studienverhalten; Sportwissenschaft; Hochschule; E-Learning; Virtuelle Hochschule; Internet; Studentenschaft
Abstract	In sports and exercise, establishing new and optimizing already learned movements paves the way towards an athlete's success. This process of learning repeatedly relies on human interaction and therefore requires interactions between athletes, coaches, or teachers. To reduce yet not eliminate this dependency, Artificial Intelligence (AI) may be able to provide support and qualitative feedback to athletes, while they keep working on movement perfection themselves. In the framework of KI:edu.nrw, we pursuit to implement a low-threshold feedback system provided at the time and place of the student's needs. After screening for suitable sports courses that feature a significant technique-focused examination section, we recruited top tier athletes to produce target value videos, combined them with written criteria from our teachers, and distributed them over Moodle. We recommended side-by-side target-set value comparisons using own recordings and the App iCloo. Building upon this basis, we aimed to shift parts of target-set value comparisons to AI. Overall, we aimed to assess feasibility of AI feedback systems. To achieve this, we developed custom algorithms in MATLAB to value diving performance and predict examination success by single criterion. This was further tackled by utilizing TensorFlows PoseNet AI pose detection kit. The findings of our project suggest that, once the development hurdles are surpassed, AI has the potential to revolutionize the learning process for athletes, teachers, and coaches. - Im Sport ebnet das Erlernen neuer Bewegung und die Optimierung bereits erlernter Techniken den Weg zum Erfolg von Athletinnen. Dieser Prozess des sich wiederholenden Lernens ist von menschlicher Interaktion abhängig und daher auf andere Sportlerinnen, Trainerinnen oder Lehrerinnen angewiesen. Um diese Abhängigkeit zu reduzieren, jedoch nicht zu beseitigen, kann künstliche Intelligenz (KI) den Sportlerinnen ein qualitatives Feedback geben, während sie selbst an ihrer Perfektion feilen. In Rahmen von KI:edu.nrw wurde das Ziel verfolgt, ein niedrigschwelliges Feedbacksystem zu implementieren, das zum Zeitpunkt des Bedarfs der Studierenden verfügbar ist. Nach einer Auswahl von geeigneten Sportarten, die einen bedeutenden technikorientierten Prüfungsteil aufweisen, rekrutierten wir professionelle Sportlerinnen dieser Sportarten, um Sollwertvideos zu produzieren. Diese wurden mit schriftlichen Bewegungsmerkmalen der Lehrkräfte kombiniert und über Moodle verfügbar gemacht. Darauf aufbauend wollten wir Soll-Ist-Wert-Vergleiche auf KI umstellen. Wir konzentrierten uns auf die Bewertung von Machbarkeit von KI-gestützten Feedbacksystemen. Um dies zu erreichen, entwickelten wir in 'MATLAB' eigene Algorithmen zur Bewertung der Sprungleistung und zur Vorhersage des Prüfungserfolges anhand einzelner Kriterien. Dies wurde durch den Einsatz von 'TensorFlows PoseNet AI Pose Detection Kit' weiter verfeinert. Die Ergebnisse unseres Projektes zeigen, dass KI das Potenzial aufweist, den Lernprozess für Sportlerinnen, Lehrerinnen und Trainer*innen zu revolutionieren, sobald Entwicklungshürden überwunden sind. (HRK / Abstract übernommen).
Erfasst von	Hochschulrektorenkonferenz, Bonn
Update	2026/4