Logo des Repositoriums

P356 - DELFI 2024 - Die 22. Fachtagung Bildungstechnologien

https://dl.gi.de/handle/20.500.12116/44489
Auflistung nach:

Auflistung P356 - DELFI 2024 - Die 22. Fachtagung Bildungstechnologien nach Erscheinungsdatum

Zu einem Punkt im Index springen:
1 - 10 von 58
  • Keynote abstract
    The interplay between rich and big data in programming education research
    (Proceedings of DELFI 2024, 2024) Keuning, Hieke
    To conduct solid research on how students learn programming, we need both ‘rich data’ and ‘big data’. In the past decades, researchers have been collecting both types of data, such as large datasets of programs written by students, containing numerous mistakes, but also more fine-grained data, such as verbalizations of what students were thinking when solving a challenging programming problem. While there is an interplay between these two types of data, they are typically used to answer different questions. There are also several existing datasets available for conducting programming education research, however, these are more often ‘big’ rather than ‘rich’, and it is not trivial to find and use them. In this talk I will show several examples of my research, in which I have (re)used datasets to study aspects of how students learn to program, discussing the need for collecting, analyzing and sharing big as well as rich data.
  • Complete Volume
    DELFI 2024 - Complete Volume
    (Proceedings of DELFI 2024, 2024)
  • Conference paper
    KI-basierte Analyse von E-Portfolios
    (Proceedings of DELFI 2024, 2024) Gantikow, Alexander; Durski, Sara; Isking, Andreas; Libbrecht, Paul; Müller, Wolfgang; Ostermann, Simon; Rebholz, Sandra
    E-Portfolios stellen eine effektive Form des Assessments im Kontext des kompetenzbasierten Lernens dar. Die Sichtung und Bewertung solcher Lerntagebücher bringt allerdings bislang einen hohen Zeitaufwand mit sich. Die natürliche Sprachverarbeitung (NLP) liefert vielversprechende Ergebnisse in der Analyse von Texten und eröffnet auch in den Bereichen des formativen und summativen Assessments sowie Feedback von E-Portfolios neue Möglichkeiten, Lehrende bei der Bewertung, aber auch Studierende bei der Komposition von E-Portfolios zu unterstützen. Im Rahmen des hier vorgestellten Projekts wurde eine webbasierte Infrastruktur entwickelt, die E-Portfolios von Studierenden analysiert und für das Assessment relevante Indikatoren und Aspekte in Form von Dashboards visualisiert, um so neue Zugänge zu deren Inhalten zu schaffen. Verfolgte Ansätze und Methoden werden beschrieben und erste Evaluationsergebnisse präsentiert, die die Machbarkeit des Ansatzes demonstrieren, sowie erste Erkenntnisse über den potenziellen Mehrwert des Systems und dafür notwendige Weiterentwicklungen abgeleitet.
  • Conference paper
    Evaluating Task-Level Struggle Detection Methods in Intelligent Tutoring Systems for Programming
    (Proceedings of DELFI 2024, 2024) Dannath, Jesper; Deriyeva, Alina; Paaßen, Benjamin
    Intelligent Tutoring Systems require student modeling in order to make pedagogical decisions, such as individualized feedback or task selection. Typically, student modeling is based on the eventual correctness of tasks. However, for multi-step or iterative learning tasks, like in programming, the intermediate states towards a correct solution also carry crucial information about learner skill. We investigate how to detect learners who struggle on their path towards a correct solution of a task. Prior work addressed struggle detection in programming environments on different granularity levels, but has mostly focused on preventing course dropout. We conducted a pilot study of our programming learning environment and evaluated different approaches for struggle detection at the task level. For the evaluation of measures, we use downstream Item Response Theory competency models. We find that detecting struggle based on large language model text embeddings outperforms chosen baselines with regard to correlation with a programming competency proxy.
  • Conference poster
    Forschungsdaten in der Bildungstechnologie: Worüber sprechen wir und was ist wann relevant?
    (Proceedings of DELFI 2024, 2024) Striewe, Michael
    Die Notwendigkeit der guten Dokumentation und auffindbaren Publikation von Forschungs- daten ist auch in der Bildungstechnologie geläufig. Doch was genau sind alles Forschungsdaten in der Bildungstechnologie? Und hängt die Relevanz der Daten von der Forschungsfrage ab? Dieser Posterbeitrag versucht, eine praktisch motivierte Kategorisierung von Forschungsdaten vorzunehmen, die bei der Erkennung und Benennung relevanter Daten unterstützt. Diese kann perspektivisch auch als Grundlage dienen, um Daten in einer Forschungsdateninfrastruktur wiederverwendbar abzulegen und semantisch zu beschrieben.
  • Conference demo
    Sicherer Einsatz von xAI in der Bildung: Erkennung von LLM-Halluzinationen bei der Generierung von Lehr- und Lernmaterialien
    (Proceedings of DELFI 2024, 2024) Ledel, Benjamin; Schwarz, Tabea
    Diese Demonstration bietet einen praktischen Einblick in eine neu entwickelte generative xAI (explainable AI), die im Bildungskontext eingesetzt werden kann, da sie eine strikte Einhaltung der DSGVO gewährleistet. Es handelt sich hierbei um ein für den Bildungsbereich optimiertes Large Language Model (LLM) - ohne Bindung an Open AI o.ä. - das in Deutschland betrieben und gehostet wird. Der Schwerpunkt der Demonstration liegt auf der Veranschaulichung der Funktionsweise dieser xAI, die neben der Textgenerierung auch Video-, Bild- und Audiogenerierung umfasst. Es wird gezeigt, wie durch die Struktur der xAI im Gegensatz zu herkömmlichen KIs Halluzinationen erkannt werden können. Darüber hinaus wird einerseits demonstriert, wie die Schnittstelle zwischen dieser künstlichen Intelligenz und H5P es Lehrenden ermöglicht, interaktives Lehrmaterial zu erstellen. Des Weiteren wird gezeigt, wie die xAI auf Basis des Lehrmaterials Fragen beantworten und somit als virtueller Tutor fungieren kann.
  • Conference paper
    Learning Experience durch Content Curation und KI-basierte Lernempfehlungen
    (Proceedings of DELFI 2024, 2024) Sedlmeier, Teresa; Schmidt, Claudia; Sänger, Volker; Bauer, Katrin; Canz, Michael; Hillenbrand, Gisela; Dahal, Prabin; Nugroho, Saptadi
    Open Educational Resources (OER) fördern Lehren und Lernen. Content Curation unterstützt die Integration von OER in Lernumgebungen. Allerdings wächst durch die Einbindung von OER die Zahl an Lerninhalten an, so dass Lernende beim Auffinden passender Lerninhalte unterstützt werden sollten. Zu diesem Zweck bieten sich KI-basierte Lernempfehlungen an, die Lernende in ihrem Lernprozess auf relevante Inhalte hinweisen. In diesem Artikel wird die Erweiterung der Lernplattform Moodle hin zu einer Learning Experience Plattform (LXP) beschrieben, die individuelle Lernerfahrungen für Studierende schaffen soll, indem Content Curation gemeinsam mit KI-basierten Lernempfehlungen integriert werden.
  • Conference poster
    KI-basierte Unterstützung zum Abbau sprachlicher Barrieren für Kinder mit nichtdeutscher Herkunftssprache
    (Proceedings of DELFI 2024, 2024) Akao, Kensuke
    Seit einigen Jahren steigt der Anteil der Kinder und Jugendlichen mit nichtdeutscher Herkunftssprache in Deutschland weiter an. Damit sie in einer deutschen Regelschule gut integriert werden können, ist der Abbau sprachlicher Barrieren für das Lernen eine zentrale Aufgabe. Dabei ist es wünschenswert, dass die Chancengleichheit zur Unterstützung unabhängig von der Herkunft aller Kinder gewährleistet werden kann. Der Einsatz von der KI-Übersetzung wäre ein möglicher Ansatz, dies zu erreichen. Jedoch sollte die Qualität der Übersetzungen zu pädagogischen Zwecken und die Auswirkung des zweisprachigen Zugangs zu Fachinhalten auf das Lernen von Kindern noch sorgfältig untersucht werden. Unsere Ansätze sind: 1) die Genauigkeit der von unterschiedlichen KI-Diensten generierten Übersetzungen eines kompletten Informatiklehrbuchs in mehrere Sprachen zu überprüfen; 2) eine wöchentliche Nachhilfe für Informatik unter Verwendung der mittels Post-Editing korrigierten Übersetzungen an Kooperationsschulen umzusetzen, um ihre Nützlichkeit langfristig zu analysieren.
  • Conference paper
    A Multidisciplinary Approach to AI-based self-motivated Learning and Teaching with Large Language Models
    (Proceedings of DELFI 2024, 2024) Ranzenberger, Thomas; Freier, Carolin; Reinold, Luca; Riedhammer, Korbinian; Schneider, Fabian; Simic, Christopher; Simon, Claudia; Freisinger, Steffen; Georges, Munir; Bocklet, Tobias
    We present a learning experience platform that uses machine learning methods to support students and lecturers in self-motivated online learning and teaching processes. The platform is being developed as an agile open-source collaborative project supported by multiple universities and partners. The development is guided didactically, reviewed, and scientifically evaluated in several cycles. Transparency, data protection and the copyright compliant use of the system is a central part of the project. The system further employs large language models (LLMs). Due to privacy concerns, we utilize locally hosted LLM instances and explicitly do not rely on available cloud products. Students and lecturers can interact with an LLM-based chatbot in the current prototype. The AI-generated outputs contain cross-references to the current educational video’s context, indicating if sections are based on the lectures context or world knowledge. We present the prototype and results of our qualitative evaluation from the perspective of lecturers and students.
  • Conference paper
    Challenges of Computer Science Tutors in Their Teaching: How can Educational Technology help?
    (Proceedings of DELFI 2024, 2024) Egetenmeier, Armin; Strickroth, Sven
    Tutorial sessions led by student tutors are an essential part of teaching in large classes, e. g. in Computer Science (CS), to provide personal support and to guide learning. Although universities offer training and educators conduct regular meetings to assist tutors, the use of technology in their teaching practice is mostly unknown. This paper presents exploratory insights from focus group interviews with CS tutors to reveal tutors’ challenges, needs and current usage of educational technology in their teaching. The results show a lack of use of technology by tutors to improve their teaching or to gather useful information about their group in a structured way. The potential of educational technology to enhance tutorial sessions remains largely untapped. Possible technology-driven approaches and ideas proposed by tutors are discussed. Based on these initial results, the goal is to develop tailored technology-enhanced support and provide relevant information to tutors in the future.