Smarte Daten & Wissensdienste

Individuelles Lernen gilt als Schlüssel zu einer modernen und integrativen Gesellschaft, jedoch berücksichtigen die heutigen Lernumgebungen die dafür nötigen individuellen und adaptiven Lernprozesse nur in einem sehr begrenzten Umfang. Um mit Hilfe der Methoden der Künstlichen Intelligenz diese Probleme beheben zu können, muss das individuelle Lernen zuvor quantifizierbar gemacht werden. Hiermit beschäftigt sich das Themenfeld Immersives Quantifiziertes Lernen.

Wir untersuchen, wie mit Hilfe modernster Sensortechnologie, wie z.B. Eyetracking, Thermalfotographie oder Elektro-Okulographie die kognitiven Zustände von Lernenden, während der Lernprozesse gemessen und aufgezeichnet werden können. Darauf aufbauend werden Methoden der Künstlichen Intelligenz verwendet, um aus diesen Daten Rückschlüsse auf individuelle Vorlieben, emotionale Zustände oder Unter-/Überforderung zu ziehen. Mit Hilfe dieser Daten werden nun Lern-/Lehrprozesse individuell adaptiert werden, um so die kognitive Belastung zu verringern und das Lernverhalten zu optimieren. Mit Hilfe moderner Technik wie Augmented und Virtual Reality werden zudem für Lernende unsichtbare Phänomene (wie elektrischer Strom oder Wäremstrahlung) anschaulich sichtbar gemacht, die Immersion erhöht und das Verständnis dieser Phänomene verbessert.

Zusammen mit der Arbeitsgruppe „Didaktik der Physik“ der Technischen Universität Kaiserslautern betreibt das DFKI Kaiserslautern das iQL – Immersive Quantified Learning Lab, in dem die entsprechenden Konzepte direkt in Kooperation zwischen Informatikern und Didaktikern erforscht und in einem Klassenraumszenario umgesetzt werden.

Dazu verfolgen wir u.a. folgende Themen:

• Aufzeichnung des menschlichen Lern-/Lehrverhaltens mittels Sensortechnologie
• Analyse des Lern-/Lehrverhaltens mittels Methoden der Künstlichen Intelligenz
• Erprobung unterschiedlichster Sensortechnologie für den Einsatz in Lernszenarien
• Generierung individueller Lernpfade und individuelle Anpassung des Lehrmaterials an die Probanden
• Sichtbarmachung unsichtbarer Phänomene mittels Virtual and Augmented Reality
• Einsatz der gesammelten Erkenntnisse in einem Klassenraumszenario

Ausgewählte Projekte:

• Immersive Quantified Learning Lab – iQL (zusammen mit TUK)
• HyperMind – Das antizipierende Schulbuch (BMBF als Teil von U.EDU)
• Intentionsbasierte kooperative Roboterhandlungsplanung und Werkerunterstützung in Fabrikumgebungen – InCoRAP (BMBF)
• ESPEDUCA (JST CREST)