Erweiterung und Praxistest eines KI-gestützten Intelligenten Tutoriellen Systems

Beschreibung

Die Heterogenität in Berufsfachschulklassen stellt eine ständige Herausforderung dar: Lernende bringen unterschiedliche Vorkenntnisse, Lerntypen und Tempi mit. Ein personalisiertes ITS kann diesen Herausforderungen durch adaptive Lernpfade begegnen und gleichzeitig die Lehrpersonen entlasten. Der im Vorgängerprojekt entwickelte Prototyp bildet hierfür die Grundlage. Mit dem Prototyp konnten wir zeigen, dass es möglich ist, ein ITS mittels eines lokalen LLMs umzusetzen, so dass sowohl die Datensicherheit gewährleistet ist wie auch individualisierte Anpassungen vorgenommen werden können. Ebenfalls ist es möglich, mit dem Prototypen nebst dem bekannten Dialog-Ablauf analog ChatGPT auch PDFs zu integrieren, so dass spezifisch darauf basierende Lehrgespräche durchgeführt werden können. Der Prototyp weist jedoch Verbesserungspotenzial auf:

• Benutzeroberfläche: Der Prototyp fokussierte auf die Optimierung der Basisfunktionalität des ITS. Das UI wurde nur rudimentär ausgearbeitet und wurde auf das Notwendigste beschränkt.
• Fehlende Visualisierungen: Lernende und Lehrpersonen haben noch keine Möglichkeit, Lernfortschritte und Ziele systematisch zu verfolgen.
• Datenintegration: Wir sehen auch grosses Potenzial, die KI-gestützte Anpassungsfähigkeit auf die Lernenden weiter zu verbessern, indem wir untersuchen, wie interne (z. B. Lernhistorien, aktuelle Fortschritte) und externe Datenquellen (z. B. Prüfungsdaten, frühere Schulnoten) sinnvoll und datenschutzkonform eingebunden werden können.
• Praxistests: Für die Basisfunktionalität wurde der Prototyp bisher nur in begrenztem Umfang und in einem Fach getestet.

Das Projekt zielt darauf ab, die beschriebenen Lücken zu füllen und das ITS in neuen didaktischen und technischen Dimensionen zu erweitern:

1. Benutzerfreundlichkeit: Eine verbesserte Oberfläche erleichtert die Bedienung und steigert die Akzeptanz durch die Lernenden. Aber auch die Lehrpersonen haben dadurch einen niederschwelligen Zugang zur Nutzung und können damit individualisierte Lernpfade erstellen lassen.

2. Visualisierung: Fortschritte und Defizite werden übersichtlich dargestellt und fördern so die Reflexion der Lernenden sowie das gezielte Eingreifen der Lehrpersonen.

3. Datenintegration: Durch ein personalisierteres Lernerlebnis wollen wir die Effektivität und Effizienz des ITS weiter steigern.

4. Breite Anwendung: Durch die Ausdehnung auf weitere didaktische Szenarien und verschiedene Fächer können wir das ITS in den Dienst einer viel grösseren Zahl von Lernenden stellen.

5. Datenschutzkonformität: Als lokal betriebener KI-Tutor kann die höchste Datenschutzkonformität, v.a. hinsichtlich Nutzung der Daten zu den Lernenden, gewährleistet werden.

6. Skalierung: Die KI-Tutor Lösung ist eine lokale Applikation mit einem lokalen Betrieb. Dies bedeutet, dass diese Lösung nach Fertigstellung auch anderen Schulen zur Verfügung gestellt werden kann: Ziel ist es, das System nach Möglichkeit mit beschränktem Hardware-Aufwand selber lokal betreiben zu können.

Im Gegensatz zu herkömmlichen ITS, die häufig auf cloudbasierten Technologien basieren und nur begrenzte Anpassungsmöglichkeiten bieten, stellt unser ITS durch seinen lokal betriebenen Ansatz einen Paradigmenwechsel dar. Dieser Ansatz gewährleistet maximale Datensicherheit und bietet gleichzeitig eine personalisierte Lernerfahrung. Darüber hinaus ermöglicht die Nutzung von Open Source-Komponenten eine flexible Anpassung an spezifische Bildungsanforderungen. Der direkte Zugriff auf lokale Datenquellen, wie Prüfungs- und Lernhistorien, hebt unser ITS von bestehenden Modellen ab und schafft einen messbaren Mehrwert für Lehrpersonen und Lernende.

Didaktisch-methodisches Konzept

Das ITS wird in einem flexiblen Lernsetting eingesetzt, das sich an die Bedürfnisse von Lernenden und Lehrpersonen anpasst. Lernende starten mit einer automatisierten Einstufung, die Vorkenntnisse, Lerntypen und Lerntempo berücksichtigt. Basierend auf diesen Daten erstellt das ITS personalisierte Lernpfade, die kontinuierlich angepasst werden, um Fortschritte und Defizite auszugleichen. Methoden wie problemorientiertes Lernen, interaktive Übungen und multimediale Inhalte werden ein gebunden, um das Lernen abwechslungsreich und praxisorientiert zu gestalten. Reflexionsphasen und regelmässiges Feedback fördern das selbstgesteuerte Lernen und ermöglichen eine kontinuierliche Optimierung des individuellen Lernweges.

Das ITS ergänzt die Lehrperson, indem es Routineaufgaben wie die Anpassung von Inhalten und Schwierigkeitsgraden automatisiert und datenbasierte Einblicke liefert. Lehrpersonen agieren in diesen Lernsequenzen als Coaches, die den Lernprozess moderieren und individuell unterstützen können. Die Visualisierungen im Dashboard helfen Lernenden, ihren Fortschritt nachzuvollziehen, und erleichtern Lehrpersonen die Identifikation von Unterstützungsbedarf. Diese Zusammenarbeit ermöglicht es, die Heterogenität der Lernenden als Chance zu nutzen, da das System datenbasiert individuelle Lernwege unterstützt, während die Lehrperson sich auf qualitativ hochwertige Interaktionen konzentrieren kann.

Wirkung

Das ITS wird als Prototyp weiterentwickelt, bleibt jedoch modular und flexibel, um zukünftige Anforderungen erfüllen zu können, die bei Bedarf mit einem oder auch mehreren Folgeprojekten umgesetzt werden können. Der Einsatz von Open-Source-Komponenten, Datenschutzkonzepte und eine klare Dokumentation gewährleisten eine langfristige Nutzbarkeit. Um die Übernahme durch weitere Lehrpersonen und Schulen zu erleichtern, wird eine Dokumentation erstellt, die Handreichungen für Multiplikatoren, Schulungsunterlagen und Best-Practice-Beispiele umfasst. Darüber hinaus soll ein Konzept für ein zentralisiertes Support-System angedacht werden, das neue Nutzer:innen bei der Einrichtung und Nutzung des ITS unterstützt. Ein solches System bzw. Prozess kann regelmässige Updates der Software sowie eine einfache Bedienbarkeit des Servers gewährleisten, dass das ITS langfristig technisch aktuell und nutzerfreundlich bleibt. Ein modularer Aufbau erleichtert zudem die Erweiterung auf neue Fachbereiche und die Anpassung an spezifische schulische Anforderungen. Die effektive Ausarbeitung eines solchen Support Systems könnte in einem allfälligen Nachfolgeprojekt erfolgen.

SAMR-Modell
Das Projekt kann im SAMR-Modell in den Bereich "Redefinition" eingeteilt werden, da es neuartige Aufgabenformate ermöglicht, welche in dieser Art vorher nicht möglich waren.