Ziel des Vorhabens ist die Automatisierung von Mentoringprozessen durch Wissensdienste unter Verwendung von Methoden der hybriden KI. Dazu wird das didaktische Wissen zu Mentoring-Prozessen in Regelsystemen und über Verfahren des Maschinellen Lernens (ML) modelliert. Dadurch können die Wissensdienste relevante Situationen und Emotionen erkennen und den Lernenden individuell-angepasst Unterstützung geben. Um das Ziel zu erreichen, werden in der Zusammenarbeit mit den anderen Projektpartnern die grundlegenden Komponenten adaptiver Lernsysteme, d.h. Modelle von Mentoring- und Lernprozessen, von Wissen und Kompetenzen, konzipiert, implementiert und evaluiert.
Die Formalisierung des relevanten didaktischen Wissens geschieht einerseits regelbasiert: Modelle mit Lernmaterialien werden personalisierte Empfehlungen und adaptive Bewertungen ermöglichen, betrachtend die Personenmerkmale und Kontextfaktoren. Anderseits werden Verfahren des ML angewandt: bei sensorbasierten Erkennung affektiver Lernzustände und Mentoringsituationen, sowie multimodalen Analysen von aggregierten Daten aus Sensoren, LMS und Chatbots. Dafür werden die bisherigen Arbeiten mit dem Moodmetric Ring um Gesichtserkennung und Analyse des EKG-Signals erweitern, da diese beiden Signale viel aussagekräftiger sind.
Partner
- Universität Leipzig
- Technische Universität Dresden
- Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
- Martin-Luther-Universität Halle-Wittenberg
- Technische Universität Chemnitz
- Hochschule für Technik, Wirtschaft und Kultur Leipzig
- Freie Universität Berlin
- RWTH Aachen
