Skip to main content Skip to main navigation

Projekt | KIPerWeB

Laufzeit:

KI-gestützte Personalisierung in der berufsbezogenen Weiterbildung

Forschungsthemen

  • Sonstige

Anwendungsfelder

Das berufliche Bildungswesen in Deutschland umfasst eine kaum überschaubare Vielzahl an Weiterbildungsangeboten. Es ist daher als Einzelperson schwierig, das individuell passendste Angebot zu finden. Idealerweise sollte das Lernangebot maßgeschneidert zu den jeweiligen Interessen, Fertigkeiten, Lernzielen und der jeweiligen Lebenswirklichkeit passen. Eine bessere Passung kann nicht nur die Lernmotivation erhöhen, sondern auch die Selbstwirksamkeitswahrnehmung und den Lernerfolg.

Das Projekt KIPerWeb will KI-Technologien einsetzen, um Weiterbildungsangebote auf einzelne Lernende abzustimmen. Perspektivisch sollen in einem automatisierten Dialog mit den Lernenden die individuellen Präferenzen und der Wissensstand abgefragt und daraus eine Empfehlung generiert werden. Zusätzlich sollen im Rahmen des Projekts die Angebote fein genug modularisiert werden, dass es möglich wird, individuell passgenaue Kombinationen von Modulen zu empfehlen. Zum Einsatz kommen sollen sowohl Mittel der statistisch-lernenden wie der symbolischen KI.

Das Projekt wird geleitet vom Forschungsinstitut Betriebliche Bildung (f-bb). Das DFKI entwickelt sämtliche KI-Module für das Projekt und beteiligt sich an der Integration bei den Projektpartner*innen, nämlich dem Bildungswerk der Niedersächsischen Wirtschaft (BNW), der oncampus GmbH sowie der Provadis Partner für Bildung und Beratung GmbH. Das Institut für betriebliche Bildung (IFBB) organisiert einen Austausch zwischen Bildungsanbietern im Rahmen einer Community of Practice.

Partner

Forschungsinstitut Betriebliche Bildung (f-bb) Berufliche Fortbildungszentren der Bayerischen Wirtschaft (bfz) gGmbH Bildungswerk der Niedersächsischen Wirtschaft (BNW) oncampus GmbH Provadis Partner für Bildung und Beratung GmbH

Publikationen zum Projekt

  1. EdTec-QBuilder: A Semantic Retrieval Tool for Assembling Vocational Training Exams in German Language

    Alonso Palomino; Andreas Fischer; Jakub Kuzilek; Jarek Nitsch; Niels Pinkwart; Benjamin Paaßen

    In: Kai-Wei Changi; Annie Lee; Nazneen Rajani (Hrsg.). Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies: System Demonstrations. Annual Conference of the North American Chapter of the Association for Computational Linguistics (HLT-NAACL-2024), System Demonstrations, located at System Demonstrations Track,…
  2. Sparse Factor Autoencoders for Item Response Theory

    Benjamin Paaßen; Malwina Dywel; Melanie Fleckenstein; Niels Pinkwart

    In: Alexandra I. Cristea; Chris Brown; Tanja Mitrovic; Nigel Bosch (Hrsg.). Proceedings of the 15th International Conference on Educational Data Mining (EDM 2022). International Conference on Educational Data Mining (EDM-2022), July 24-27, Durham, United Kingdom, International Educational Data Mining Society, 7/2022.
  3. Interpretable Knowledge Gain Prediction for Vocational Preparatory E-Learnings

    Benjamin Paaßen; Malwina Dywel; Melanie Fleckenstein; Niels Pinkwart

    In: Maria Mercedes Rodrigo; Noburu Matsuda; Alexandra I. Cristea; Vania Dimitrova (Hrsg.). Artificial Intelligence in Education. Posters and Late Breaking Results, Workshops and Tutorials, Industry and Innovation Tracks, Practitioners’ and Doctoral Consortium. International Conference on Artificial Intelligence in Education (AIED-2022), July 27-31, Durham, United Kingdom, Pages 132-137, LNCS, Vol.…

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

BMBF - Bundesministerium für Bildung und Forschung