WEBVTT

00:15.862 --> 00:19.142
Ja, liebe Gäste, liebes Streaming-Publikum.

00:19.842 --> 00:24.682
Vielen Dank für die Möglichkeit, hier auch
20 Minuten zu einem Thema zu referieren,

00:24.682 --> 00:29.162
was ganz offensichtlich im Kern des Mottos
der Tagung steht.

00:29.162 --> 00:32.942
Wenn Sie sich anschauen, der Mensch
im Zentrum lernender Systeme.

00:33.942 --> 00:37.302
Dann wissen wir schon länger
Menschen lernen.

00:38.122 --> 00:41.422
Wir wissen seit einiger Zeit
Maschinen können auch lernen.

00:42.322 --> 00:43.862
Und das Ganze hat Wechselwirkungen.

00:43.862 --> 00:45.702
Aber was heißt das jetzt eigentlich?

00:45.702 --> 00:47.482
Wenn Menschen lernen,
wenn Maschinen, dann.

00:47.482 --> 00:52.582
Wenn das aber nicht separat voneinander
passiert, sondern wenn sich dieses Lernen

00:52.582 --> 00:56.862
vielleicht wechselseitig unterstützt,
etwas miteinander zu tun hat,

00:57.302 --> 01:00.862
dann sind wir relativ schnell dabei,
uns mit Fragen zu befassen,

01:01.322 --> 01:05.742
was eigentlich künstliche Intelligenz
in Bildungs Kontexten so bedeutet.

01:06.022 --> 01:09.422
Und genau das bildet
den Kern meines Vortrags.

01:10.102 --> 01:10.942
Ich möchte mit Ihnen ein bisschen

01:10.942 --> 01:11.602
in die Geschichte

01:11.602 --> 01:15.822
von KI in der Bildung gehen, aber auch
in aktuelle Entwicklungen hineinschauen,

01:16.522 --> 01:20.702
Chancen und Risiken und auch
Praxisbeispiele ein wenig ausloten. Und

01:21.682 --> 01:24.802
schauen wir zunächst mal vielleicht
10 Jahre zurück, um in so ein bisschen

01:24.802 --> 01:28.022
eine Idee davon zu geben,
wie aktuell dieses Thema ist.

01:28.882 --> 01:32.562
Vor zehn Jahren hat sich
eine Forschungsgruppe, unterstützt

01:33.222 --> 01:36.262
von Marktforschungsinstitut in Amerika
auf den Weg gemacht,

01:36.462 --> 01:40.382
mal auszuloten, wie das eigentlich
mit mit KI so steht, mit der Nutzung

01:40.382 --> 01:44.722
von Daten, die ja gewissermaßen
der Grundstoff von KI heute sind.

01:44.722 --> 01:47.902
Und Sie sehen es hier
schon ziemlich prominent ausgedrückt von Roy Pea

01:48.522 --> 01:50.662
einem Forscher an der Stanford University

01:51.442 --> 01:56.602
und auch von dem entsprechenden McKinsey
Gutachten Education is far behind the curve.

01:57.142 --> 01:57.982
Das heißt, Bildung

01:57.982 --> 02:01.122
können Sie eigentlich vergessen
im KI Einsatz im Vergleich zu quasi

02:01.142 --> 02:03.242
allen anderen Sektoren.
Und warum ist das so?

02:03.282 --> 02:05.362
Selbst in den USA,
wo wir immer hinschauen und sagen

02:05.362 --> 02:08.342
da ist sozusagen der heilige Gral,
die sind so viel weiter.

02:08.722 --> 02:12.202
Ja, Public Sector ist ja,
wir haben eigentlich gar keine Daten.

02:12.942 --> 02:14.362
Und was fast noch schlimmer ist

02:14.362 --> 02:15.322
wir bekommen auch gar nicht

02:15.322 --> 02:18.702
wirklich Daten, weil wir gar nicht
dieses Daten Mindset haben.

02:18.702 --> 02:20.702
Bildung hat doch mit Daten
irgendwie nichts zu tun.

02:20.702 --> 02:24.062
Wohlgemerkt, das ist noch nicht allzu
lange her, das sind 10 Jahre,

02:24.262 --> 02:27.082
aber es sind auch ungefähr 10 Jahre,
die das ganze auch her sind.

02:27.982 --> 02:29.902
Schauen wir mal in
die aktuellen Entwicklungen.

02:29.902 --> 02:35.102
Wer sich damit beschäftigen möchte, was
so Trends im Bereich Bildungs Technologien

02:35.102 --> 02:37.542
sind, der hat eigentlich immer eine
ganz gute Adresse

02:37.542 --> 02:39.862
sich den sogenannten
Horizon Report anzuschauen.

02:39.862 --> 02:45.122
Das ist eine jährliche Studie,
die Experten Befragung, die gemacht wird,

02:45.762 --> 02:46.302
wo geschaut wird.

02:46.302 --> 02:47.342
Was sind eigentlich

02:47.342 --> 02:50.282
so die Trends der nächsten paar Jahre,
die sich im Bereich Bildung

02:50.282 --> 02:52.442
in den verschiedenen Sektoren
berufliche Bildung,

02:52.442 --> 02:55.782
schulische, hochschulische Bildung,
Weiterbildung durchsetzen werden?

02:56.202 --> 02:58.702
Und da sehen Sie K.I.

02:58.702 --> 03:02.262
Es neben durchaus verwandten Dingen
und wenig überraschend im Übrigen,

03:02.942 --> 03:06.362
dass Sie dort auch sehen,
dass so was wie blendet und hybride

03:06.362 --> 03:09.842
Kurse auf einmal
natürlich ein an Momentum gewonnen haben.

03:10.142 --> 03:12.702
Sie sehen aber, dass eben auch KI
und Learning Analytics,

03:13.382 --> 03:16.202
was damit verwandt ist, durchaus
Potenzial zugeschrieben wird.

03:17.402 --> 03:19.682
Und dass auf der rechten Seite
sehen Sie einen kleinen,

03:20.102 --> 03:22.962
eine kleine wirtschaftliche Perspektive,
dass das nicht nur aus

03:22.962 --> 03:26.022
ideologischen Gründen gesehen wird,
dass man, sondern dass man auch denkt.

03:26.582 --> 03:27.542
Dass dort erhebliches

03:27.542 --> 03:30.422
Marktpotenzial drin ist,
gerade was in automatischen Bewertungen

03:30.862 --> 03:33.422
von Lerner Lösungen zum Beispiel

03:33.422 --> 03:36.482
damit zu tun hat oder auch
was mit dem Umgang von Sprache zu tun hat.

03:37.062 --> 03:41.442
Jetzt denkt man sich natürlich Okay,
das muss ein ganz heißes Eisen sein.

03:41.762 --> 03:45.202
Das ist das aktuellste Nachricht.

03:45.502 --> 03:49.922
Ich denke, da darf ich Ihnen sagen
Nein, so richtig.

03:50.002 --> 03:51.342
Wenn Sie das mal hören und sagen,

03:51.342 --> 03:53.702
das ist nur reine Zukunftsmusik,
widersprechen Sie dem.

03:54.202 --> 03:56.002
Sie können nämlich
in die 70er-Jahre schauen.

03:56.002 --> 03:57.302
Und ich finde es immer sehr schön,

03:57.302 --> 04:00.902
wenn man heute auch noch
so ein Schreibmaschinenseiten zeigen kann,

04:01.822 --> 04:05.122
die ganz offensichtlich
schon paarmal kopiert worden sind,

04:05.142 --> 04:07.682
die ich jetzt mal digitalisiert hier habe.

04:08.382 --> 04:09.422
Und wenn Sie sich das anschauen,

04:09.422 --> 04:12.562
sind das Arbeiten an der Carnegie
Mellon University

04:12.562 --> 04:15.902
die sich damals mit dem Scholar
System beschäftigt hat.

04:15.902 --> 04:20.202
Das war eines der ersten sogenannten
CIA Computer

04:20.202 --> 04:23.882
Assistent Instruction System wohlgemerkt
Mitte der 70er Jahre.

04:23.882 --> 04:28.122
Und die Statements, die Sie darauf lesen,
die sind schon relativ stark.

04:28.222 --> 04:31.502
Also wenn hier nämlich Computer
basierte Instruktionen irgendwann

04:31.502 --> 04:34.342
mal einen größeren Einfluss haben sollte,

04:34.662 --> 04:38.282
dann müssten diese Systeme
die Flexibilität und die Skills

04:38.282 --> 04:39.702
von einem menschlichen Lerner,

04:39.702 --> 04:42.142
von einem menschlichen Tutor,
von einem menschlichen Lehrer haben.

04:43.362 --> 04:45.162
Gut, hat man in den 70er

04:45.162 --> 04:47.982
Jahren noch nicht so wirklich geschafft,
aber die die Idee.

04:48.202 --> 04:50.682
Wenn sie dann weiter schauen, sehen Sie,
wie kann man das eigentlich machen?

04:50.682 --> 04:53.362
Indem man zum Beispiel
das Wissen in Granulat repräsentiert.

04:53.362 --> 04:54.982
Und tatsächlich hatte ja

04:55.182 --> 04:58.282
seinerzeit in den 70er Jahren
ein erstes kleines Chatsystem,

04:58.702 --> 05:00.602
was zum Lernen von Geographie da war.

05:00.602 --> 05:02.402
Da konnten sie also dann irgendwo

05:02.402 --> 05:06.262
mit lernen, welche Inseln wo in der
Karibik liegen und an andere Dinge.

05:06.662 --> 05:08.462
Das hat sich weiterentwickelt.

05:08.462 --> 05:11.622
Mach einen kleinen Zeitsprung
in zwei Jahrzehnte weiter.

05:12.002 --> 05:15.342
Ende der 90er-Jahre, Anfang
der 2000er Jahre

05:15.502 --> 05:20.242
haben wir dann doch zunehmende Evidenz,
das fortgeführte Dinge,

05:21.442 --> 05:24.202
die nicht direkt
auf den Arbeiten von Cabonell aufbauten,

05:24.202 --> 05:27.982
aber die durchaus in Zusammenarbeit
mit Didaktikerinnen und Didaktiker

05:27.982 --> 05:31.262
mit soliden psychologischen Theorien
von von Lernen und Kognition

05:31.262 --> 05:32.862
aufgebaut worden sind.

05:32.862 --> 05:36.362
Dass solche intelligenten tutoriellen
Systeme sie sind hier ein ganz prominentes

05:36.362 --> 05:39.842
Beispiel das Andys System,
was an der University of Pittsburgh

05:39.902 --> 05:43.802
entwickelt worden ist,
dass die auf einmal unheimlich effizient

05:43.982 --> 05:49.042
wurden, einfach deswegen,
weil dort das im Prinzip Domänenwissen,

05:49.042 --> 05:53.582
weil das ganze Physik Wissen hinterlegt
ist und der Computer auch gelernt hat,

05:54.242 --> 05:57.342
was der Lernende so weiß
und was er nicht weiß, also ein Modell

05:57.342 --> 06:01.222
aufbaut von man würde heute sagen
Kompetenz Modell und darauf

06:01.222 --> 06:03.602
adaptiv reagieren kann, indem zum Beispiel

06:03.842 --> 06:06.762
jeweils genau die passenden Aufgaben
an Personen gegeben werden

06:06.762 --> 06:10.202
und nicht das Modell,
dass jeder jederzeit immer das Gleiche

06:10.542 --> 06:12.642
aus einem Arbeitsheft
beispielsweise macht.

06:12.642 --> 06:18.062
Das heißt, es konnte individuell auf Lern
und Bildungs Bedarfe eingegangen werden.

06:18.062 --> 06:19.822
Und im Rahmen vieler, vieler

06:19.822 --> 06:23.382
Studien konnte gezeigt
werden, dass dieses Computerprogramm rein

06:23.382 --> 06:25.222
was die kognitive
Wissensvermittlung angeht

06:25.222 --> 06:26.482
wir reden hier nicht von sozialen

06:26.482 --> 06:29.462
Dimensionen des Lernens, von vielen
anderen Dingen, die Bildung ausmachen,

06:29.962 --> 06:34.602
aber rein von der Wissensvermittlung
so gut ist wie eine Eins zu eins Nachhilfe

06:34.922 --> 06:38.482
bei einer geschulten Kraft
also durchaus nicht so schlecht.

06:39.402 --> 06:40.122
Das war Amerika.

06:40.122 --> 06:42.842
Wir schauen weiter, wir schon weiter
in die Zukunft und in die Gegenwart.

06:43.622 --> 06:47.022
Es ist eines der spannendsten
Startups, was ich kenne.

06:47.522 --> 06:48.802
Kurz vor der Corona Pandemie

06:48.802 --> 06:51.442
hatte ich noch mal die Möglichkeit
nach Shanghai zu reisen und dort mit dem

06:52.222 --> 06:56.742
Chief Scientist von Skurill AI
so heißt diese Firma zu sprechen.

06:56.742 --> 06:57.482
Es ist ein Startup,

06:57.482 --> 07:01.282
die zwei Millionen zahlende Kunden aus
China haben, die im Nachmittags Bereich.

07:01.822 --> 07:05.462
Äh ja, man würde heute auch sagen
Computer basierte Nachhilfe machen,

07:06.002 --> 07:08.722
die sich auch anschauen
wie stehen wir eigentlich

07:08.722 --> 07:11.982
im Verhältnis zu unserer Konkurrenz
ist ein kommerzielles Unternehmen,

07:11.982 --> 07:15.782
das heißt, die bieten Nachhilfe an
und die haben auch Studien durchgeführt.

07:15.782 --> 07:19.382
Sie sehen hier ein Set von 2017 bis 2018,

07:20.762 --> 07:22.362
wo diese Marke, das man so gut ist

07:22.362 --> 07:26.042
wie ein Nachhilfelehrer, mittlerweile
deutlich überschritten worden ist.

07:26.042 --> 07:31.622
Diese Systeme sind, was die Schulungs
Qualität angeht, menschlichen Lehrkräften.

07:31.622 --> 07:34.382
Mittlerweile überlegen wir das ist im.

07:35.042 --> 07:36.562
Ich komme auf den Vortrag von eben zurück.

07:36.562 --> 07:40.702
Das ist sicherlich keine starke KI,
aber auf diesen speziellen Bereich

07:41.722 --> 07:44.342
gesehen ist sind diese Anwendungen
mittlerweile besser

07:44.342 --> 07:47.162
und man kann sich dann fragen
Möchte ich vor einer Maschine lernen?

07:47.162 --> 07:47.922
Möchte ich das nicht.

07:47.922 --> 07:50.962
Das ist sozusagen eine andere Dimension.

07:50.962 --> 07:55.042
Aber das KI eingesetzt werden kann,

07:55.982 --> 07:58.202
um Bildung zu vermitteln,

07:58.322 --> 08:00.122
wird hier heute eigentlich
nachdrücklich bewiesen.

08:00.122 --> 08:04.222
Im Übrigen lernt diese KI wiederum
permanent von den Menschen,

08:04.762 --> 08:08.102
weil nämlich alle Daten,
die dort eingetragen werden,

08:08.222 --> 08:10.502
also von diesen zwei Millionen
zahlenden Kunden.

08:10.502 --> 08:12.742
Diese Daten werden
natürlich nicht weggeworfen,

08:12.742 --> 08:15.062
die werden permanent analysiert
und es wird geschaut

08:15.442 --> 08:18.202
Kann ich eigentlich die Algorithmen,
die dahinter stehen, verbessern?

08:18.542 --> 08:20.702
Kann ich die beispielsweise
Regionalisierung?

08:20.702 --> 08:23.822
Kann ich die auf individuelle Bedürfnisse
zuschneiden, so dass in diesem hier

08:23.822 --> 08:25.742
sehen wir schon ein Wechselspiel, das die.

08:26.902 --> 08:30.162
Bildungs Technologie
einerseits von den Menschen lernt,

08:30.182 --> 08:32.422
die Angabe andererseits dazu da ist,

08:32.422 --> 08:34.962
dass Menschen eigentlich auch wiederum
besser lernen können,

08:36.122 --> 08:39.982
wenn wir das Feld ein bisschen auffächern,
bevor wir zu Beispielen kommen,

08:40.342 --> 08:43.882
dann sehen wir, dass es mittlerweile
durchaus eine gewisse Komplexität hat.

08:44.422 --> 08:47.302
KI in der Bildung ist nämlich
nicht nur nachmittags Bereich Mathematik.

08:48.022 --> 08:50.782
Die Zeit reicht hier nicht aus,
um wirklich in die Breite zu gehen.

08:50.782 --> 08:53.242
Da kann man eine ganze Vorlesung
Serie drüber machen.

08:53.482 --> 08:55.522
Aber wenn wir uns über KI
in der Bildung unterhalten,

08:55.522 --> 08:59.542
dann gibt es mittlerweile Systeme,
die sind für die Lernenden selbst.

08:59.842 --> 09:03.082
Es gibt welche, die sind eher Lehrkräfte
unterstützend und es gibt welche,

09:03.082 --> 09:06.102
die sind für ganze Organisationen,
für Universitäten beispielsweise,

09:06.102 --> 09:09.422
die Daten und Analyse gestützt,
ihre Studiengänge verbessern wollen.

09:10.062 --> 09:14.302
Es gibt Einsatz auf der Mikro,
Meso und Makroebene, vereinfacht

09:14.302 --> 09:18.382
gesagt vom kurzen Moment,
dass ich irgendwie 2 3 Minuten was mache.

09:18.382 --> 09:21.802
Und ich kriege dabei
Unterstützung von der KI bis hin zu Live Long

09:21.802 --> 09:26.182
Learning oder im Meso Bereich
von so einem typischen Modul Ansatz.

09:26.442 --> 09:31.002
Wir interagieren mit KI auf unheimlich
verschiedene Arten und Weisen.

09:31.442 --> 09:32.742
Sprache ist heute möglich.

09:32.742 --> 09:36.122
Wir haben ein Beispiel und wir sehen auch
noch welche aus dem Bereich der Robotik.

09:36.282 --> 09:39.922
Aber natürlich kennen wir auch
die klassischen Apps, die wir verwenden.

09:40.582 --> 09:44.002
Die Art und Weise, wie die KI eingesetzt
wird, differiert auch.

09:44.802 --> 09:49.382
Wir haben vorwiegend bisher
von sogenannter maschinell lernender KI.

09:50.122 --> 09:55.622
Hier gehört tatsächlich KI,
die aus Daten lernt und dann statistische

09:56.062 --> 09:59.122
Signale mehr oder weniger verarbeitet
und dann zu Entscheidungen kommt.

09:59.122 --> 10:02.662
Es gibt aber auch symbolische KI.
Das ist das, was ich Ihnen vorhin sagte.

10:02.682 --> 10:04.722
Die Maschine weiß eigentlich
alles über Physik

10:04.722 --> 10:08.282
und das weiß sie deshalb,
weil es Physiker und Didaktiker gab,

10:08.282 --> 10:11.482
die das Ganze in mühevoller Arbeit
sozusagen rein codiert haben.

10:11.482 --> 10:12.862
Und dann ist sie in der Lage,

10:12.862 --> 10:14.942
Schlussfolgerungen zu ziehen,
gegebenenfalls dann

10:14.942 --> 10:16.482
zusammen mit Datenanalysen.

10:16.482 --> 10:20.262
Und wenn das zusammenkommt,
Datenanalysen und strukturelle Analysen,

10:20.262 --> 10:23.122
dann reden wir von hybriden KI Verfahren.

10:24.102 --> 10:26.542
Na, und die Ziele
sind auch wiederum relativ breit.

10:27.202 --> 10:30.082
Ganz oft verbindet man mit KI
in der Bildung aber so was

10:30.082 --> 10:31.702
wie eine Automatisierung.

10:31.702 --> 10:35.842
Das war also nicht unbedingt alles
durch Menschen bewerten lassen müssen.

10:35.842 --> 10:38.722
Und ehrlich gesagt können wir
mit Lehrkräften an Schulen reden.

10:38.722 --> 10:41.182
Dann verbinden die oft
genau diese Hoffnung damit, die sagen

10:41.182 --> 10:44.602
Warum muss ich denn jede Hausaufgabe
eigentlich von Hand korrigieren?

10:44.602 --> 10:46.762
Kann ich nicht diese meine Arbeitszeit?

10:46.762 --> 10:49.282
Kann das nicht eine Maschine machen,
wenn ich eine siebte Klasse

10:50.242 --> 10:51.502
Arbeitshefte kontrolliert?

10:51.502 --> 10:53.422
Soweit müsste doch eigentlich
KI mittlerweile sein.

10:53.422 --> 10:54.982
Da werden also auch Hoffnungen

10:54.982 --> 10:57.402
durchaus mit verbunden
und vielleicht sogar auch zu Recht.

10:58.882 --> 11:03.942
Wenn wir der nächste Schritt
vom automatisierten Feedback

11:03.942 --> 11:07.102
ist, es dann sozusagen
adaptive Lern Unterstützung zu geben.

11:07.102 --> 11:11.062
Das ist das, was ich vorhin sagte nicht
jeder kriegt die gleiche Sequenz, sondern

11:11.642 --> 11:15.842
jeder kriegt vielleicht Empfehlungen,
die ideal zum aktuellen Stand

11:15.842 --> 11:18.742
sozusagen seiner
oder ihrer Ausbildung passen.

11:19.202 --> 11:23.282
Es gibt Ansätze, KI
zu Assistenz und Kompensierung

11:23.942 --> 11:27.862
einzusetzen, beispielsweise bei Personen
mit Behinderungen oder Beeinträchtigungen

11:27.862 --> 11:29.442
oder auch bei heterogenen und diversen

11:29.442 --> 11:33.362
Zielgruppen sehr oft verwendet
oder Analytics zur System Verbesserung.

11:33.362 --> 11:36.602
Das Beispiel, dass eine Universität sich
Daten gestützt ihre Studiengänge anschaut.

11:37.522 --> 11:40.062
Das war einfach so ein bisschen
das Feld zu öffnen.

11:40.062 --> 11:42.682
Ich möchte Ihnen jetzt drei
konkrete Fallbeispiele

11:43.382 --> 11:46.242
zeigen, die ein bisschen was davon
was illustrieren.

11:46.342 --> 11:49.802
Das erste ist, dass im Hochschulbereich
es zu Kooperationen,

11:49.802 --> 11:53.822
die wir mit der Fernuniversität Hagen
machen, wo es um

11:54.742 --> 11:58.482
die Unterstützung von Studierenden
bei Textanalyse und Text Reflexion geht.

11:58.482 --> 12:01.482
Genau diese Idee,
die ich Ihnen vorhin sagte, da noch

12:02.202 --> 12:05.002
pointiert auf die siebte Klasse
Sprachunterricht.

12:05.302 --> 12:06.762
Hier mal die Idee
Wie kriegen wir das eigentlich

12:06.762 --> 12:09.222
in eine universitäre Bildung,
wo das ungleich schwieriger ist?

12:09.242 --> 12:10.922
Sie sehen hier eine Aufgabe. Oben rechts

12:11.942 --> 12:15.522
definieren Sie in wenigen Begriffen
den Begriff der Mediatisierung.

12:16.062 --> 12:18.182
Das sollten jetzt Studierende machen.

12:18.182 --> 12:20.782
Und unsere Frage in dem Forschungsprojekt
war: Kann eigentlich

12:21.282 --> 12:25.042
da eine KI irgendwie sinnvollerweise
Rückmeldung auf einem universitären

12:25.042 --> 12:26.302
Bildungsniveau geben,

12:26.302 --> 12:29.722
wo es gar nicht so einfach ist zu sagen
richtig und falsch, wo nicht zwei plus

12:29.722 --> 12:31.602
zwei gleich und dann der Computer

12:31.602 --> 12:33.922
natürlich entscheiden kann,
ob die Antwort richtig oder falsch ist?

12:33.922 --> 12:36.002
Das ist bei einer solchen
Frage nicht trivial.

12:36.922 --> 12:39.562
Und Sie sehen hier ganz klein unten,

12:40.622 --> 12:42.522
dass der Computer das kann.

12:42.522 --> 12:45.542
Sie sehen hier so
eine Bewertung von 0,5.

12:45.842 --> 12:46.682
Und tatsächlich ist hier

12:46.682 --> 12:49.802
genau das passiert, was ich
Ihnen vorhin auch schon dargelegt hatte

12:50.662 --> 12:53.362
Der Computer, ein maschinelles Lernen
Verfahren lernte

12:53.362 --> 12:56.782
aus den Daten, die wir aus den vergangenen
studierenden Generationen haben.

12:56.782 --> 12:58.942
Diese Frage wurde ja nicht
zum ersten Mal gestellt.

12:59.242 --> 13:03.202
Und es gab auch schon Tutorinnen und Tutoren,
die die Lerner Lösungen bewertet haben.

13:03.682 --> 13:08.702
Auf Basis dieser vorliegenden Daten
kann eine Maschine in dem Fall sie sind Es

13:09.262 --> 13:13.562
wurde ein maschinelles Lernen Verfahren,
ein sogenannter naive base classifier,

13:13.882 --> 13:17.802
ohne dass sie jetzt genau wissen müssen,
was das ist eingesetzt , der in der Lage

13:17.802 --> 13:20.982
war, eine neue Lerner Lösung
zu klassifizieren, ihn nicht so gut.

13:21.922 --> 13:24.302
Ganz in Ordnung und ziemlich gut.

13:25.642 --> 13:28.622
Und jetzt? Aber genau
die Frage, die man sich oft stellt

13:29.002 --> 13:32.862
Macht es eigentlich Sinn, dieses KI Ergebnis
so direkt in einen Bildungs

13:32.962 --> 13:34.162
Kontext zurück zu spielen?

13:34.162 --> 13:37.062
Ist es sinnvoll den Studierenden zu sagen

13:37.962 --> 13:41.442
0,5 ist so mittel?

13:41.642 --> 13:43.842
Wahrscheinlich. Sie sollten jetzt
den Kopf schütteln,

13:43.862 --> 13:45.022
weil wir natürlich

13:45.022 --> 13:48.282
universitären Bildung damit nicht
unbedingt leben wollen, dass eine Maschine

13:48.502 --> 13:52.222
ohne dass irgendeine Begründung kommt,
das kann dieses Verfahren nämlich nicht.

13:52.522 --> 13:56.322
Das kann nur lernen, Lösungen
Studierenden Lösungen in schlecht,

13:56.322 --> 13:59.782
mittel und gut klassifizieren, kann aber
kein Argument liefern, warum dem so ist.

14:00.102 --> 14:02.742
Und das ist natürlich in Bildungs Kontext
nicht so richtig ideal.

14:03.022 --> 14:03.922
In Universitäten,

14:03.922 --> 14:07.302
insbesondere im universitären, so
dass wir uns hier dazu entschieden haben,

14:07.982 --> 14:11.182
das Ganze zu einem hatte, das eben
genannte hybriden Verfahren zu machen.

14:11.602 --> 14:13.142
Dass die Studierenden gleichzeitig

14:13.142 --> 14:15.802
die Möglichkeit haben,
sie sehen das hier unten rechts auf der

14:16.542 --> 14:20.042
auf der Folie dargestellt,
ihren Text noch einmal zu reflektieren,

14:20.602 --> 14:23.982
dass im Hintergrund auch hinterlegt
ist, was typische passende Begriffe zu

14:24.002 --> 14:25.682
Mediatisierung sind, was typische,

14:25.682 --> 14:29.062
nicht so gut passende Begriffe
zum Mediatisierung sind.

14:29.402 --> 14:32.422
Dort kann man draufgehen und dann in
sogenannte Begriffsgeschichte reingehen.

14:32.722 --> 14:36.562
Wie hängen, wie hängen gewisse Dinge
wie Digitalisierung,

14:36.562 --> 14:39.262
Mediatisierung, viele andere Dinge
eigentlich zusammen?

14:40.102 --> 14:41.722
Wie ist das Ganze mit den Kursen?

14:41.722 --> 14:43.842
Materialien, die an der Fernuniversität
natürlich auch alle

14:43.842 --> 14:45.762
online sind, verknüpft,

14:45.762 --> 14:46.862
sodass eigentlich die Chance

14:46.862 --> 14:48.842
für die Studierenden besteht,
einerseits zu sehen Okay,

14:48.842 --> 14:52.762
mein Text wurde jetzt von einer
KI vielleicht als mittelgut bewertet

14:52.962 --> 14:56.502
und ich habe die Chance,
selber darüber zu reflektieren

14:56.982 --> 14:59.962
und damit auch über die Bewertung
der KI natürlich zu reflektieren.

15:00.302 --> 15:01.582
Aber insbesondere mal zu schauen,

15:01.582 --> 15:03.582
was ist eigentlich
vielleicht nicht so gut gewesen

15:03.842 --> 15:08.422
an meinem Text, das heißt, ohne eine
vollständige Detail Begründung zu geben,

15:08.422 --> 15:11.582
wie sie es vielleicht eine Professorin
oder ein Professor könnte .

15:11.582 --> 15:14.562
Was genau jetzt hier
vielleicht nicht Mediatisierung war,

15:15.742 --> 15:19.042
ist hier der Ansatz, die Studierenden
selbst in die Position zu versetzen,

15:19.642 --> 15:22.402
darüber zu reflektieren,
dass aber computergestützte zu tun.

15:22.582 --> 15:26.262
Ein Beispiel eines hybriden Verfahrens,
was im universitären Kontext

15:26.262 --> 15:29.542
im Einsatz ist. Im Bereich
der beruflichen Bildung,

15:30.282 --> 15:34.922
ist das zweite Beispiel XR als Abkürzung
für Augmented und Virtual Reality.

15:35.902 --> 15:38.442
Dort sehen Sie Fallbeispiele
links aus dem Projekt APPsist.

15:38.482 --> 15:41.102
Was wir am DFKI in einem
Konsortium gemacht haben,

15:42.502 --> 15:46.882
wo Augmented Reality eingesetzt worden
ist, in der beruflichen Ausbildung

15:47.122 --> 15:49.922
und beruflichen Weiterbildung,
wo also Personen,

15:50.662 --> 15:54.142
die beispielsweise
die Wartung einer Maschine zu erledigen

15:54.142 --> 15:56.102
hatten, aber vielleicht gerade

15:56.102 --> 15:59.242
wenn sie eine Ausbildung sind,
noch gar nicht unbedingt jederzeit, immer

15:59.242 --> 16:02.322
ganz genau wussten , wo sie hinschauen,
welchen Hebel sie anschauen müssen,

16:02.862 --> 16:05.542
welche Stände wichtig sind,
auf welche Geräusche sie achten müssen

16:05.542 --> 16:06.942
und so weiter und so fort.

16:06.942 --> 16:08.902
Das Ganze mit Augmented Reality zu machen,

16:08.902 --> 16:13.022
so dass dort Assistenz und Wissens Dienste
integriert waren und sind,

16:14.382 --> 16:15.302
die es dann erleichtern, mit

16:15.302 --> 16:18.922
einer gewissen Problemsituationen
Kontext gebunden zu agieren.

16:20.062 --> 16:22.882
Auf der rechten Seite sehen
Sie Arbeiten von Leila Mekacher,

16:23.062 --> 16:24.022
die auch Augmented

16:24.022 --> 16:28.042
Reality und Virtual Reality eingesetzt
hat, in der beruflichen Ausbildung,

16:28.322 --> 16:31.342
insbesondere für Schülerinnen
und Schüler mit Behinderungen.

16:31.642 --> 16:34.622
Sie sind hier Beispiele aus dem
Automobilsektor und aus dem Produktdesign

16:34.622 --> 16:37.942
Sektor, wo insbesondere Dinge
sichtbar gemacht werden,

16:38.402 --> 16:40.582
die sonst vielleicht
gar nicht sichtbar sind.

16:40.582 --> 16:44.502
Die geöffnete Kühlerhaube
und dort kann gleichermaßen rein

16:44.502 --> 16:47.662
projiziert werden, welche Verfahren,
welche Informationsflüsse

16:47.882 --> 16:51.982
denn eigentlich in einem KFZ stattfinden,
die ohne Unterstützungs Technologie

16:51.982 --> 16:53.422
überhaupt gar nicht sichtbar werden

16:53.422 --> 16:56.802
und die insbesondere wenn sie Personen
mit Behinderung Benachteiligung haben,

16:57.682 --> 16:59.982
doch sehr sehr unterstützend
im Bildungsprozess sein können.

17:00.702 --> 17:05.082
Das heißt hier einfach das Sichtbarmachen
des eigentlich nicht Sichtbaren durch ein

17:05.442 --> 17:09.502
in dem Fall Augmented
Reality ist eine weitere Anwendung von KI

17:09.502 --> 17:13.382
und ein Fallbeispiel... oben steht die Nummer
4 ist es immer noch Beispiel zwei...

17:13.882 --> 17:16.382
Aber was ich sehr, sehr spannend
finde, ist, wie das in den Kontext

17:16.642 --> 17:19.582
gebracht werden kann.
Sie sehen hier Arbeiten von Ken

17:19.602 --> 17:22.022
Holstein von der Carnegie
Mellon University.

17:22.642 --> 17:23.602
Der hat mit Lehrkräften

17:23.602 --> 17:25.282
in Schulen gearbeitet
und er hat sie gefragt.

17:25.282 --> 17:27.422
Das ist eine sehr
amerikanische Fragestellung.

17:27.422 --> 17:31.582
Aber wir hatten ja vorhin auch schon
das japanische Stereotyp Superpower.

17:31.702 --> 17:32.942
Wir sind jetzt im Amerikanischen.

17:32.942 --> 17:35.582
Was wäre eigentlich, wenn die Lehrkräfte
jetzt Superhelden wären?

17:35.882 --> 17:37.562
Welche Superkräfte bräuchten die?

17:38.602 --> 17:39.462
Und die haben ziemlich

17:39.462 --> 17:43.562
einfach ziemlich uniform gesagt,
was wir bräuchten, wenn wir Superkräfte hätten:

17:43.962 --> 17:47.202
Wir würden gerne sehen, was
unsere Schülerinnen und Schüler denken.

17:47.842 --> 17:49.322
Und warum würden wir das sehen wollen?

17:49.322 --> 17:52.862
Ja, wir wollen das nicht Allgemeinwissen,
sondern wir wollen eigentlich wissen,

17:53.102 --> 17:55.142
welche gerade wirklich ein Problem haben

17:55.142 --> 17:56.182
und welche nur eine ganz,

17:56.182 --> 17:59.782
ganz kleine Hilfe bräuchten, um dann
tatsächlich selber weitermachen zu können.

18:00.082 --> 18:01.462
Und wer von ihnen

18:01.462 --> 18:03.982
im Bereich der Bildung tätig ist,
wird das wahrscheinlich bestätigen, dass

18:04.002 --> 18:07.522
Das wäre eigentlich schön,
wenn wir, wenn Lehrkräfte sozusagen diese

18:08.322 --> 18:09.142
diese Information hätten.

18:09.142 --> 18:11.662
Es überrascht zumindest nicht sonderlich,

18:11.662 --> 18:13.062
dass das so passiert.

18:13.062 --> 18:15.462
Und insbesondere
hören wir das auch in unserer Arbeit.

18:15.462 --> 18:17.362
Mit Schulen ist das natürlich der Fall,

18:17.362 --> 18:20.122
wenn wir merken, wer mit Computern
im Klassenzimmer unterrichten

18:20.122 --> 18:24.622
und der Klassenraum Diskurs vielleicht
einer auch Einzelarbeit in Teilen weicht.

18:24.622 --> 18:26.722
Und dann sieht man noch weniger.

18:26.722 --> 18:28.442
Man kriegt eigentlich weniger mit.

18:28.442 --> 18:29.062
Übertroffen wurde

18:29.062 --> 18:32.242
das nur noch vom Fernunterricht,
den wir jetzt viele, viele Monate zu viel

18:33.222 --> 18:35.202
hatten, wo fast gar
nicht mehr mitgeteilt wurde,

18:35.202 --> 18:37.582
was eigentlich im Klassenraum
so los ist. Und diese Idee,

18:37.582 --> 18:40.282
dass über Computer zu unterstützen,
führte bei Ken Holstein auch

18:40.462 --> 18:44.382
einer,  ja, Augmented Reality Anwendung

18:44.382 --> 18:46.442
die Brillen basiert, war

18:46.442 --> 18:48.202
Brillen basiert deshalb,
weil die Lehrkräfte die Hände

18:48.202 --> 18:50.862
frei haben wollten, die wollten nicht
mit einem Tablet durch ihre Klasse rennen.

18:50.862 --> 18:52.622
Es wurde also projiziert.

18:52.622 --> 18:55.162
Sie sehen im Hintergrund
Statistiken der Klasse.

18:55.682 --> 18:59.442
Was sind typische Fehler,
die insgesamt gemacht werden?

19:00.362 --> 19:02.762
Und sie sehen aber auch
bei den einzelnen Personen im Overlay

19:04.322 --> 19:05.702
so explizite Handzeichen.

19:05.702 --> 19:07.122
Man kann sich also auch digital melden

19:07.122 --> 19:09.442
und muss nicht seine Hand
die ganze Zeit nach oben halten.

19:09.442 --> 19:10.362
Aber es gibt auch diese.

19:10.362 --> 19:14.962
Diese Ausrufezeichen
und ein paar andere Signale, die genau das

19:15.722 --> 19:19.282
darlegen, dass also bei einer Lernsoftware
wir hatten die vorhin schon.

19:19.302 --> 19:22.322
Das ist eine modernere Version
von diesen Physiklernsystemen,

19:22.322 --> 19:25.902
die eigentlich an sich schon effizient
sind, die aber dann noch erweitert worden

19:25.902 --> 19:29.222
sind, dass die Lehrkraft
in den Klassenräumen herumgehen kann

19:30.162 --> 19:32.382
und auf die Probleme direkt eingehen kann.

19:32.382 --> 19:34.502
Und das Ganze wurde ausführlich
in der Dissertation

19:35.142 --> 19:36.862
und darüber hinaus untersucht.

19:36.862 --> 19:39.942
Und man stellt fest
das ist wenig überraschend eigentlich

19:39.942 --> 19:43.502
das Auswirkungen auf die Aufmerksamkeit
der Lehrkraft hat. Natürlich.

19:43.742 --> 19:45.062
Es wird dann nicht mehr auf die

19:45.062 --> 19:46.262
die lautesten und die billigsten

19:46.262 --> 19:48.882
eingegangen, sondern auf diejenigen,
wo vermutlich Probleme sind.

19:49.262 --> 19:52.722
Aber interessanterweise auch wurde
herausgefunden, dass dabei tatsächlich

19:52.722 --> 19:56.162
die Lernprozesse selbst die Effizienz
erhöht werden konnten.

19:57.282 --> 19:59.482
Ist das dritte Beispiel
und damit auch das letzte.

19:59.502 --> 20:01.082
Bevor ich zum Ende komme,

20:01.082 --> 20:04.782
sind Cobots und Robots
für den Begriff Cobot noch nicht gehört.

20:04.902 --> 20:08.142
Das sind kollaborierende Roboter

20:08.142 --> 20:12.082
und ich habe die hier von oben links
nach unten rechts werden immer kleiner.

20:12.182 --> 20:16.402
Und sie illustrieren einfach auch,
wie KI in dem Fall manifestiert

20:16.402 --> 20:19.882
als Robotik in verschiedenen Szenarien
der Bildung zum Einsatz kommen kann.

20:20.362 --> 20:22.162
Oben links sehen Sie

20:22.742 --> 20:25.902
im Bereich der Automobil Ausbildung
einen Cobot, in dem tatsächlich

20:27.042 --> 20:31.762
Robotik teilweise Instruktionen
an einen Menschen gibt, diese Menschen

20:31.762 --> 20:35.282
aber auch wiederum Instruktionen
an Roboter geben können. Oben rechts

20:36.402 --> 20:38.822
sehen Sie, Trainer Trina ist ein Tile

20:38.822 --> 20:41.862
Robotik Intelligent Nursing
Assistent aus den USA.

20:42.422 --> 20:45.722
Stellt man sich die Frage Möchte ich
von einem Roboter gepflegt werden,

20:46.182 --> 20:48.062
wenn Sie den Artikel dazu lesen,

20:48.062 --> 20:50.682
das ist vor der Pandemie
publiziert worden.

20:51.322 --> 20:54.322
Nichtsdestotrotz weisen Sie darauf hin,
dass solche Arbeiten wichtig sein könnten,

20:54.322 --> 20:57.102
um beispielsweise
auch ein hoch infektiösen Szenarien

20:58.402 --> 21:01.182
Pflege geben zu können.

21:01.182 --> 21:06.662
Und von unten links nach unten rechts
sind Sie Pepper, NaOH und Kosmo,

21:07.082 --> 21:10.702
von Humanoid bis hin
zu so großen Robotern, die ebenfalls

21:10.702 --> 21:12.002
im Klassenraum eingesetzt werden.

21:12.002 --> 21:16.382
Aber nicht wie vorhin im ersten Keynote,
dass der Dozent sich repliziert,

21:16.962 --> 21:20.622
sondern eigentlich quasi
ausschließlich als zusätzlicher Akteur.

21:21.802 --> 21:22.622
Eine Kollegin aus St.

21:22.622 --> 21:23.462
Gallen beispielsweise

21:23.462 --> 21:25.002
hat diesen humanoiden Roboter

21:25.002 --> 21:28.282
mit in den Hörsaal genommen, damit er
einfach mal freche Fragen rein wirft.

21:28.662 --> 21:32.962
Diesen Monolog unterbricht,
auch mal mit dem Publikum was fragen kann,

21:33.162 --> 21:35.942
was normalerweise Studierende
nicht machen würden.

21:35.942 --> 21:38.822
Unten in der Mitte sehen
Sie Arbeiten aus der Yale University

21:38.822 --> 21:40.022
diese auch sehr interessant sind.

21:40.022 --> 21:42.722
Die nämlich zeigen,
dass wenn sie so einen kleinen Roboter,

21:43.222 --> 21:46.422
der Fehler macht, in
eine menschliche Lerngruppe reinbringen,

21:46.862 --> 21:47.482
so dass die also

21:47.482 --> 21:50.082
gleichermaßen dem vielleicht helfen
müssen, den

21:50.222 --> 21:53.942
unterstützen können, dass das
die Zusammenarbeit und den Austausch

21:53.942 --> 21:57.662
innerhalb der menschlichen Lerngruppe
tatsächlich noch steigern kann.

21:58.062 --> 22:01.062
Das heißt, hier ist auch wiederum
ein Roboter in dem Szenario drin,

22:01.442 --> 22:05.642
aber gar nicht als allwissende Superpower,
als als Allmacht,

22:06.182 --> 22:09.182
sondern einfach intelligent eingesetzt
als pädagogische Funktion.

22:09.942 --> 22:12.882
Und damit vermutlich komme ich zeitbedingt

22:12.882 --> 22:16.262
nicht mehr unbedingt zu allen acht Thesen
oder vielleicht als Abschluss.

22:16.662 --> 22:20.582
KI kann deutlich weiter als bisher
in bestehende Bildungs Technologien

22:20.942 --> 22:22.442
eingesetzt werden.

22:22.442 --> 22:25.682
Wir müssen dabei
bin ich voll bei dem Vorredner dabei

22:25.702 --> 22:30.182
Ethik betrachten, aber insbesondere auch
didaktische und pädagogische Annahmen

22:30.182 --> 22:33.102
und Theorien nicht wegwerfen
und in einer Datengläubigkeit.

22:33.802 --> 22:36.342
Wir müssen berücksichtigen,
dass diese Verfahren manchmal falsch sind.

22:36.742 --> 22:39.202
Siehe diese Mediatisierung
oder viele andere Dinge.

22:39.202 --> 22:40.802
Das ist nicht immer 100 prozent.

22:40.802 --> 22:44.542
Damit müssen wir umgehen
und nicht das einfach annehmen,

22:44.542 --> 22:47.742
dass wir vielleicht nur 90 prozent
Korrektheit in den KI Verfahren haben.

22:48.482 --> 22:51.342
Aber wir brauchen mehr Evaluation
Studien dazu, um tatsächlich

22:52.062 --> 22:54.942
gesichertes Wissen auch für unser
Bildungs Szenario abbilden zu können.

22:55.542 --> 22:58.042
Und diese Idee der hybriden
Mensch KI-Systeme

22:58.822 --> 23:02.082
Hybrid in dem Sinne,
dass Menschen von Maschinen lernen,

23:02.082 --> 23:03.622
Maschinen von Menschen
lernen, dass dadurch

23:03.622 --> 23:06.902
aber die Lehrkraft nicht weg
ist, sondern einfach

23:07.662 --> 23:11.382
Algorithmen ein Teil von Bildung werden,
so wie es vielleicht sonst mal Overhead,

23:11.382 --> 23:12.882
Projektor und vor einiger Zeit waren

23:12.882 --> 23:16.842
und das einfach integriert mitzudenken
als Design Element von Bildung

23:17.282 --> 23:20.562
natürlich ein etwas autonomeres als Overhead
Projektoren vermutlich.

23:21.322 --> 23:22.002
Das ist wichtig.

23:23.422 --> 23:26.142
KI bietet enorme
Chancen für Inklusion. Für.

23:26.142 --> 23:31.862
Für die Berücksichtigung von
von einer breiteren Menge von Teilhabenden.

23:31.862 --> 23:35.962
Denn in Bildung kann das aber nur,
wenn wir tatsächlich zum Beispiel

23:35.962 --> 23:40.602
die Trainingsdaten die Datenmenge auch
ausreichend breit repräsentiert. Haben.

23:41.242 --> 23:43.242
Ja, damit soll es das gewesen sein.

23:43.822 --> 23:49.362
Ich bedanke mich für Ihre Aufmerksamkeit
und bis gleich in der Podiumsdiskussion.