Vorhaben: tech4compKI - Personalisierte Kompetenzentwicklung und hybrides KI-Mentoring; Teilvorhaben: Domänen- und Wissensmodellierung

Abstract

Im 21. Jahrhundert wird von Studierenden erwartet, dass sie ihr Lernen zunehmend selbstgesteuert organisieren. Diese Fähigkeit ist jedoch oft unzureichend entwickelt und wurde durch die pandemiebedingte Online-Lehre zusätzlich herausgefordert. Intelligente Systeme – insbesondere hybride KI-Ansätze – bieten neue Möglichkeiten, Lernprozesse durch unmittelbares und präzises Feedback zu unterstützen.

Zentral ist dabei die Modellierung und Re-Präsentation von Wissen, um Lernenden nicht nur den Wissensstand, sondern auch die Struktur ihres Wissens sichtbar zu machen. Die computerliguistische T-MITOCAR Technologie ermöglicht es dabei, mentale Modelle und Modellbildeprozesse aus Texten zu analysieren und diese Wissensstrukturen in Form von Wissenslandkarten (konzeptuelle Graphen) zu visualisieren. Dies unterstützt Selbstwirksamkeitserfahrungen, Selbststeuerung sowie intra- und interpersonelle Auseinandersetzung mit Wissen.

Das Forschungsprojekt verfolgte die Leitfrage: Wie müssen Gestaltungskonzepte aussehen, die die Qualität von digital-gestützten, intelligenten mentoriellen Prozessen studienbegleitend innerhalb eines intelligenten Bildungsnetzwerks skalierbar machen? Dazu wurden Lern- und Prüfungsräume didaktisch, technologisch und organisatorisch weiterentwickelt (z. B. durch Mixed-Reality-Umgebungen, Chatbots als Lernagenten, hybride KI-Systeme).

Die Bearbeitung der Forschungsfrage erfolgte in interdisziplinärer Zusammenarbeit in den zu bearbeiteten Arbeitspaketen (AP): AP1: Didaktische Modellierung, AP2: Domänen- und Wissensmodellierung, AP3: Verteilte Datenanalyse, AP4: Mentoring-Werkzeuge, AP5: KI-basierte Adaptivität, AP6: Organisationale und technologische Begleitung & Implementierung, AP7: Wirksamkeit und AP8: Testbed. Hierzu wurde auf die Erfahrungen der verbundinternen Zusammenarbeit aus der ersten Projektlaufzeit (tech4comp) aufgebaut.

Die MLU Halle übernahm das Teilvorhaben der Domänen- und Wissensmodellierung (AP2). Hierbei wurden semi- und vollautomatische Verfahren entwickelt, die T-MITOCAR Technologie weiter ausgebaut und in Studien zur Wissenserschließung und Wissensintegration eingesetzt. Ergebnisse zeigen, dass die Visualisierung von Wissensstrukturen (z. B. im Projekt NAGRA für Mathematik) Lernprozesse unterstützt, die Integration fachübergreifender Inhalte erleichtert und zu einer stärkeren Reorganisation von Wissen führt.

Begleitend wurden Feedbackinstrumente, Microtestbeds und Werkzeuge zur Wissensdiagnostik entwickelt. Zudem konnten neue Verknüpfungen zwischen Wissensmodellierung und generativen KI-Systemen (z. B. GPT-gestützte Erklärtexte) aufgezeigt werden.

Insgesamt leistet das Projekt einen Beitrag zur Verknüpfung von Bildungswissenschaft, KI und Mixed-Reality-Technologien, um skalierbare, personalisierte Lernumgebungen zu gestalten, die Selbststeuerung, Wissensintegration und Akzeptanz bei Studierenden fördern.