Eine personalisierte und adaptive Lernerfahrung zu bieten ist sowohl in der (hoch-)schulischen als auch berufsbezogenen Bildung eine Herausforderung. Adaptivität kann auf einer kognitiven wie meta-kognitiven Ebene stattfinden, indem wir auf Technologien wie Empfehlungssysteme und learning analytics zurückgreifen. Die traditionellen Lösungen – basierend auf formalen Modellen der Wissensdomäne, der Lernenden und der (Fach-)didaktik – können wir heutzutage mit Ansätzen des maschinellen Lernens ergänzen, bei denen KI-Methoden die benötigten Modelle erzeugen. In unseren Projekten arbeiten wir nicht nur mit traditionellen Hochschulen zusammen, sondern auch mit Fernuniversitäten und Industriepartnern, um innovative Lösungen zu entwickeln, wie etwa skalierbares Mentoring oder automatische Bewertungswerkzeuge.

Referenzprojekte:

• tech4comp - Personalisierte Kompetenzentwicklung durch skalierbare Mentoringprozesse
• AI.EDU Research Lab
• Ability - Ganzheitliche Befähigung zur hybriden Wertschöpfung
• KIPerWeb – KI-gestützte Personalisierung in der berufsbezogenen Weiterbildung
• LAMASS@DiLea – Learning Analytics, Monitoring und Ambition for Study Success in Distance Learning
• CurriGen – Wissensextraktion aus textuellen Curricula mittels natural language processing mit Cornelsen GmbH
• Automated Essay Scoring mit dem Goethe-Institut

Kontaktpersonen:

• Dr. Milos Kravcik (tech4comp/Ability)
• Dr. Berit Blanc (LAMASS@DiLea)
• Dr. Xia Wang (AI.EDU)
• Dr. Benjamin Paaßen (KIPerWeb)
• Michael Dietrich (CurriGen/Automated Essay Scoring)

Ausgewählte Publikationen:

• Wang, X., Gülenman, T., Pinkwart, N., de Witt, C., Gloerfeld, C., & Elisabeth, S. (2020). Automatic Assessment of Student Homework and Personalized Recommendation. In International Conference on Advanced Learning Technologies. IEEE. 
• Klamma, R., de Lange, P., Neumann, A. T., Hensen, B., Kravcik, M., Wang, X., & Kuzilek, J. (2020). Scaling Mentoring Support with Distributed Artificial Intelligence. In International Conference on Intelligent Tutoring Systems (pp. 38-44). Springer, Cham. 
• Kravčík, M., Schmid, K., & Igel, C. (2019). Towards requirements for intelligent mentoring systems. In Proceedings of the 23rd International Workshop on Personalization and Recommendation on the Web and Beyond (pp. 19-21). 
• Kravčík, M. (2019). "11. Adaptive workplace learning assistance". In Personalized Human-Computer Interaction (pp. 283-302). Berlin, Boston: De Gruyter Oldenbourg. 

​​​​​​​