BMBF-Projekt VoLL-KI
Projektbeschreibung
Das Ziel des VoLL-KI-Projekts ist es, die höhere Bildung auf drei Ebenen zu fördern: makro, meso und mikro. Dazu werden daten- und wissensbasierte künstliche Intelligenz (KI) -Ansätze kombiniert. Einige der entwickelten Komponenten sind intelligente Tutoren, erklärbare und interaktive Maschinelles Lernen, Chatbots, virtuelle Realität und Empfehlungssysteme. Zusätzlich werden AI-Einführungskurse für Teilgebiete entwickelt.
Auf makroskopischer Ebene wird ein evidenzbasierter Fortschritt von Studiengängen durchgeführt. Dies geschieht durch kontextadaptive, korrigierbare Empfehlungen für die individuelle Studienplanung.
Die meso-Ebene ist darauf fokussiert, lernerspezifische Diagnose und Unterstützung in Kursen. Studienfortschrittsdaten sind über ein etabliertes Datenwarenhaus-System verfügbar und werden systematisch erweitert. Daten über die individuellen Kompetenzen der Lernenden und die zu entwickelnden Kompetenzen werden mit Daten über spezifische Gruppen, wie zum Beispiel Geschlecht und Bildungsbiografien, kombiniert, um individualisierte Empfehlungen für die Studienplanung zu erstellen. Lernende können jederzeit Erklärungen für Empfehlungen anfordern, Alternativen und Korrekturen der Voraussetzungen erkunden.
Auf mikroskopischer Ebene wird der Lern- und Leistungspfad auf individueller und gruppenspezifischer Ebene überwacht. Diese Informationen werden in das Datenwarenhaus integriert und den Verantwortlichen für das Studienprogramm als Dashboard zur Verfügung gestellt. Die Angebote werden während des Projekts durch Umfragen und Logfile-Analysen optimiert.
Erfolgreiche Komponenten werden am Ende des Projekts und danach auf andere Studiengänge ausgeweitet und die Projektergebnisse in die Qualitätssicherungsprozesse der teilnehmenden Universitäten integriert.
**Forschungsfokus**
Forscherinnen und Forscher aus den Bereichen KI, KI-nahen Bereichen der Informatik, Informatikdidaktik und Bildungsforschung von drei benachbarten Universitäten arbeiten an dem Projekt. Der Fokus liegt auf den Informatik-Studiengängen an drei Standorten - einem großen, stark ingenieurwissenschaftlich orientierten Informatik, einem mittelgroßen, stark interdisziplinären Informatik und einem kleinen, stark anwendungsorientierten Informatik. Am Ende des Projekts und danach werden die erfolgreichen Komponenten auf andere Studiengänge ausgeweitet und die Projektergebnisse in die Qualitätssicherungsprozesse der teilnehmenden Universitäten integriert.
--- Dieser Text wurde so von unserem LLM übersetzt.
Forschungsfokus der Universität Bamberg:
- Untersuchung von semantischen Methoden zur Wissensrepräsentation sowie von Schlussfolgerungsmethoden für Process Discovery Ansätze.
- Semantische Repräsentation von Kausalitätsbeziehungen und Prozesseigenschaften in Knowledge Graphen, insb. semantisches Event Log.
- Entwicklung von Machine Learning Verfahren für Process Discovery (White Box Ansatz) mit Methoden des induktiven logischen Programmierens (ILP).
- Verfahren des erklärbaren interaktiven Machine Learnings für intelligente Dashboards mit einen Human-in-the-loop Ansatz.
- Durchführung von Studien und Experimenten im Rahmen einer Usability-Studie zur Evaluierung der Forschungsergebnisse.
Studentische Projekte
Wir sind immer auf der Suche nach Studenten, die einen Beitrag zum Projekt KIGA in Form einer Abschlussarbeit, eines Projekts oder als studentische Hilfskraft leisten möchten. Wenn Sie Interesse haben, können Sie sich gerne an uns wenden.