Eigenmotivation von Studierenden fördern

20.2.2018 |

Künstliche Intelligenz verbessert Prüfungsleistung der THD-Studierenden

Mit Hilfe eines Frühwarnsystems ist es an der Technischen Hochschule Deggendorf (THD) gelungen, die Durchfallquote im Studiengang Betriebswirtschaftslehre im Fach Mathematik zu halbieren. Möglich war dies durch eine Prognose des Prüfungserfolgs basierend auf Daten zum Lernfortschritt der Studierenden. Durchfallgefährdete Studierende konnten frühzeitig gewarnt und unterstützt werden, um Versäumnisse im Lernverhalten einzuholen. Entwickelt wurde das Frühwarnsystem von einem Team aus zwei wissenschaftlichen Mitarbeitern rund um den Mathematikprofessor Heribert Popp.

Im Vergleich zum Alltag als Schüler, sind Studierende im ersten Semester mit der neuen Situation konfrontiert ihr Lernpensum selbst zu steuern. Prüfungen werden im Studium erst vier Monate nach Semesterbeginn geschrieben, dazwischen fallen keine Pflichtprüfungen an. Nicht bei jedem klappt es von Anfang an mit der Eigenmotivation, so dass die Notwendigkeit eines konstanten Lernverhaltens oft unterschätzt wird. Prof. Dr. Dr. Heribert Popp unterrichtet Mathematik an der THD und suchte nach einer Lösung, Studierende frühzeitig an diesem Punkt abzuholen.

Die Vorteile von Blended Learning erkannt
Mit seinem Team, Rick Beer und Monica Ciolacu, startete er vor zwei Jahren das Projekt zur Entwicklung eines Frühwarnsystems und holte sich Hilfe bei Instrumenten der Künstlichen Intelligenz. Bereits seit zwölf Jahren nutzt Heribert Popp Blended Learning als Lehrmethode. Das bedeutet, dass Studierende die Hälfte der Zeit mit digitalem Unterrichtsmaterial lernen. Zum Beispiel wird ein Teil des Stoffes mit Lernvideos vermittelt oder Studierende arbeiten mit Quizzes. Bei der Benutzung dieser digitalen Materialien hinterlassen die Studierenden Spuren. Der Dozent kann nachverfolgen, wie weit die Gruppe in der Abarbeitung des Materials ist. Es entsteht eine Datenbasis, mit der Auswertungen zum Lernfortschritt und zur Wahrscheinlichkeit des Prüfungserfolgs erstellt werden können.

Neuronale Netze als Basis eines Frühwarnsystems
„Neuronale Netze“ als Form der Künstlichen Intelligenz sind eine Möglichkeit Daten auszuwerten und zu klassifizieren. Das Besondere ist, dass „Neuronale Netze“ angelernt werden können. Man füttert sie mit bestimmten Angaben (Input) und lernt ihnen, welche Ergebnisse je nach gelerntem Muster (Input) herauskommen soll. Im Fall von Semesterprüfungen können Daten zum Beispiel das Klickverhalten in den digitalen Kursen und der zeitliche Rahmen sein. Zusammenhängend mit dem betriebenen Lernaufwand kann das Ergebnis „Prüfung bestanden“ oder „Prüfung nicht bestanden“ lauten. Nach zweijähriger Vorarbeit startete Professor Popp im Wintersemester 2017 einen Feldversuch mit Studierenden des Studiengangs BWL. Mit Hilfe des „Neuronalen Netzes“ wertete er die Lerndaten der Studierenden im Fach Mathematik aus, um zu prognostizieren, wer gefährdet sei, die Semesterprüfung nicht zu bestehen.

Positive Auswirkung auf Prüfungsergebnisse
Die als gefährdet erachteten Studierenden erhielten 6 Wochen vor Prüfungstermin eine E-Mail mit dieser Einschätzung und den Hinweis, dass bei entsprechendem Engagement das Versäumte aufgeholt werden könne. Die Korrekturergebnisse der Mathematikklausur Ende Januar 2018 belegen, dass das Frühwarnsystem Wirkung zeigt. Die Durchfallquote hat sich, bei sonst gleich schwerer Klausur, nahezu halbiert. Zum Vergleich wurden zusätzlich die Mathematikprüfungen in anderen Studiengängen herangezogen. Professor Popp zeigt sich über das Ergebnis zufrieden: „Zum ersten Mal hat hier an der TH Deggendorf, vielleicht auch zum ersten Mal in Bayern, Künstliche Intelligenz die Prüfungsleistung verbessert.“

Für Heribert Popp ist dieses Projekt nur eine Facette seiner Forschung zur Lehre 4.0. Weitere Projekte zu Techniken der Künstlichen Intelligenz sind: Individuelle Strukturierung von Lernprozessen durch Personalisierungsmethoden, Mobile Vernetzung von Lernenden zu Communities of Practice, Lernmaterialanpassung an den Kenntnisstand der Lerner durch Adaptivitätsmethoden und Entlastung des Kommunikationsaufwandes der Dozenten durch Teletutoren in Form von „intelligenten“ Chatbots, wie es Alexa vormacht.

20. Februar 2018 | THD-Pressestelle (TK)