Projektziele

Digitale Angebote in Beratung und Lehre eröffnen weitreichende Möglichkeiten, die rasant gewachsenen Datenbestände mittels KI zu analysieren und in personalisiertes, hochinformatives Feedback umzuwandeln. Durch die damit verbundenen Skalierungseffekte können Studieninteressierte und Studierende in sehr viel größerem Umfang von hochinformativem Feedback profitieren, als dies im Zuge persönlicher Betreuung möglich wäre.

Im IMPACT Projekt werden keine neuen Interventionen erforscht, sondern etablierte Open-Source-Softwarelösungen und Vorarbeiten der Verbund-Hochschulen miteinander kombiniert und in Anwendung gebracht. So werden Daten aus Beratungsprozessen in der Studieneingangs- und Orientierungsphase und Daten von Lernprozessen mittels KI-Verfahren zu hochinformativem Feedback aufgearbeitet.
Die gemeinsame Zielsetzung des Verbundes ist es, unter kontinuierlicher Einbeziehung von ethischen, rechtlichen und sozialen Implikationen KI-basierte Open-Source-Softwarelösungen zu formativen sowie summativen hochinformativem Feedback zu institutionalisieren.
Die besondere Rolle der Studieneingangs- und Orientierungsphase wird dadurch berücksichtigt, dass durch den Einsatz eines KI-ChatBots (angehende) Studierende bedarfsorientiert und niedrigschwellig Unterstützung zur Studienwahl, Studienvorbereitung, Studieneinstieg und Studienorganisation erhalten. Dadurch können Effizienzgewinne erzielt und bestehende Serviceangebote quantitativ und qualitativ erweitert werden.
Zudem wird im Rahmen von hochinformativem Feedback der Aufwand der Lehrpersonen bei der Auswertung offener Aufgabenformate (Freitexte) durch textanalytische KI-Verfahren auf der Basis der Daten aus eAssessments reduziert. Gleichzeitig wird das Feedback für Studierende beschleunigt, zeitlich unabhängig und dennoch individuell unterstützend zur Verfügung gestellt. Für das formative hochinformative Feedback zieht das Verbundprojekt Lehrpersonen und Lernende aktiv in die Analyse und Reflexion der Lehr- und Lernprozesse ein und erweitert hierfür die bestehenden KI-basierten Feedbacksysteme.

Durch Trusted Learning Analytics werden Studierende individuell in ihrem Lernen begleitet und Studienabbrüche durch Beratung, hochinformatives Feedback während des Lernprozesses (formativ) sowie der Möglichkeit der Rückkopplung desselben am Ende von Lehrveranstaltungen (summativ) reduziert. Die entstehenden Daten geben zudem Lehrpersonen Auskunft und Erkenntnis über die Passung ihrer Lehre bzw. Didaktik, ihre eingesetzten Lehrmethoden und Lehr-/Lernmaterialien.
Trusted Learning Analytics ergänzen somit die bisherigen Qualitätssicherungsinstrumente (wie Lehrevaluationen) für Lehrpersonen und Studierende. Hierzu tragen die beteiligten Hochschulen aufgrund ihrer umfangreichen Vorhaben in der Pilotierung und Implementierung von KI-Verfahren, wie in der untenstehenden Tabelle dargestellt, bei bzw. verfolgen institutionsspezifische weitere Ziele.