Forschungsprojekt VoLL-KI
Hochschule Coburg

KI Hintergrundbild (menschliches Gehirn)
KI Hintergrundbild

Willkommen bei VoLL-KI - Coburg

„Von Lernenden Lernen“ – kurz: VoLL-KI – ist ein Verbundprojekt der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) (Koordination), der Otto-Friedrich-Universität Bamberg und der Hochschule für Angewandte Wissenschaften Coburg.

Das Forschungsprojekt VoLL-KI entwickelt die Hochschulbildung durch Kombination von daten- und wissensbasierten Ansätzen der Künstlichen Intelligenz (KI) weiter.

Die folgenden Seiten stellen aktuelle Arbeitsbereiche & Publikationen des Teilprojektes Coburg vor.

 

Individualisierte Lernnavigation & Lernsituationen - Hintergrundbild

Individualisierte Lernnavigation & Lernsituationen

Mit iLE (individualized learning environment) wird in diesem Arbeitsbereich eine neue digitale Lernumgebung geschaffen, die Studenten ein bestmögliches Lernerlebnis bieten soll.

iLE ist Nachfolger der Lernvideo-Plattform iVCM, die zuvor im EVELIN-Projekt entwickelt und erfolgreich eingesetzt wurde. Obwohl iVCM eine reine Lernvideo-Plattform war, wird iLE eine Vielzahl unterschiedlicher Lernmedien nutzen.

iLE hat nicht den Anspruch eine reine Online-Lernplattform zu sein, sondern versteht sich als Ergänzung zur Präsenzlehre und ist ein erweitertes Angebot an Studierende und Lehrende.

iLE verfolgt den Ansatz eine Kombination von daten- und wissensgetriebener KI zu nutzen, um eine möglichst individualisierte Lernumgebung für den Einzelnen zu schaffen. Dabei nutzt iLE Techniken aus dem Machine Learning (datengetrieben), aber auch Ontologien zur Formalisierung des Wissens aus verschiedenen Fachbereichen (wissensgetrieben).

Ziel dabei ist u.a. die individuelle Lernpfadgenerierung, sowie Generierung von Ad-Hoc-Hilfen und Empfehlungen während des Lernprozesses, um Lernende situationsbedingt bestmöglich zu unterstützen.

Ihr Ansprechpartner
Prof. Dr. Dieter Landes

Projektleitung Teilprojekt Coburg

Lernendenmodelle

Heutzutage fallen allerlei Daten über Lernende und deren digitale Aktivitäten an, welche Bildungseinrichtungen dabei helfen könnten, Lernprozesse besser zu verstehen, zu verbessern und eine bessere Unterstützung der Lernenden bereitzustellen zu können. Dabei ist die verantwortungsbewusste Nutzung der persönlichen Daten essentiell, um nicht nur datenschutzrechtliche, sondern auch ethisch-moralischen Verpflichtungen nachzukommen. Das Angebot einer ganzheitlichen Lernbegleitung setzt ein möglichst umfassendes Lernenden-Modell voraus, um die Lernerfahrung individualisieren und personalisieren zu können.

Allgemeinen ist ein Lernermodell eine Repräsentation statischer und dynamischer Informationen über den individuellen Lerner, die während des gesamten Interaktionsprozesses verwendet wird, um eine Reihe von Anpassungs- und Personalisierungseffekten auszulösen. Dieses Modell umfasst alle Informationen, die als wichtig erachtet werden, um die Benutzeroberfläche (Inhalt und Navigation) und die Funktionalitäten an die charakteristischen Merkmale eines Lerners anzupassen und zu personalisieren. Abhängig von der konkreten Domäne und den Zielen des Systems können Lernermodelle verschiedene Arten von Merkmalen über die Lerner (z.B. Interessen, Vorlieben, Eigenschaften, etc.) oder Daten in Bezug auf den gesamten Nutzungskontext (z.B. Umgebung, Zeit, Interaktionsgerätetyp, etc.) enthalten.

Ihr Ansprechpartner
Prof. Dr. Dieter Landes

Projektleitung Teilprojekt Coburg

Wissensgraphen

Die Anwendung von Wissensgraphen ermöglicht eine strukturierte Darstellung der Beziehungen zwischen verschiedenen Konzepten, wie z.B. Lehr- und Lerninhalten, sowohl innerhalb eines bestimmten Themas als auch über verschiedene Themengebiete hinweg. Dadurch können Rückschlüsse gezogen werden, ob Schwierigkeiten im Verständnis eines bestimmten Lehrinhalts auf unzureichende Kenntnisse von grundlegenderen Konzepten zurückzuführen sind.

Die Integration von Wissensgraphen in iLE ermöglicht es, nicht nur auf erkannte Verständnisschwierigkeiten zu reagieren, sondern auch präventiv zu handeln. Wenn beispielsweise ein Studierender Schwierigkeiten beim Verstehen eines aktuellen Themas hat, kann die Wissensgraphen Analyse darauf hinweisen, dass grundlegende Konzepte aus vorherigen Vorlesungen nicht ausreichend verstanden wurden. Auf diese Weise können gezielte Empfehlungen für zusätzliche Ressourcen oder vertiefende Lernmaterialien gemacht werden, um sicherzustellen, dass die Studierenden eine solide Grundlage für das aktuelle Thema haben.

Ihr Ansprechpartner
Prof. Dr. Florian Mittag

Professor für Künstliche Intelligenz im Bereich Visual Computing

Chatbot

We are building a Web-based, search-based chatbot for learners, initially targeting the domain of "the university study of AI" as a subdomain of computer science. Our point of uniqueness is that we aspire to reuse lecture recordings that we now have as a relic from the CoViD19 pandemic time.

Wir entwickeln einen Webbasierten, suchbasierten Chatbot für Studierende, initial für Studierende der künstlichen Intelligenz als einen Teilbereich der Informatik. Unser Alleinstellungsmerkmal ist, daß wir anstreben, Vorlesungsaufzeichnungen von der CoViD19-Pandemie wiederverwenden möchten.

Ihr Ansprechpartner
Prof. Dr. Jochen L. Leidner

Professur für erklärbare und verantwortungsvolle Künstliche Intelligenz

Thematische Segmentierung/Topical Segmentation

We are collecting a corpus of donated AI lecture recordings. We are working on new methods for topic segmentation to splice whole lectures into snippets of audio, video and textual transcript that can serve as answers in our chatbot. We work on English and German languages.

Wir kurieren ein Korpus aus gespendeten KI-Vorlesungsaufzeichnungen. Wir arbeiten an neuen Methoden für die thematische Segmentierung ganzer Vorlesungen in Schnipsel bestehend aus Audio, Video und Transkiptionselementen, die unserem Chatbot als Antworten dienen können. Wir arbeiten mit Deutsch und Englisch als Sprachen.

Ihr Ansprechpartner
Prof. Dr. Jochen L. Leidner

Professur für erklärbare und verantwortungsvolle Künstliche Intelligenz

Virtueller sozialer Lernraum

Virtual Reality (VR) has successfully demonstrated learner support in various educational settings [1]. Also, VR has been applied to computer science education use cases [2, 3]. However, there is little evidence yet about the effectiveness of using VR over alternative teaching approaches, mainly due to the lack of comparative studies (with few exceptions being [4]). Hence, the VoLL- KI project investigates underlying VR-specific factors potentially influencing learning outcomes. Besides free- viewpoint, and stereoscopic views in large, unbounded display spaces, work will specifically focus on embodied interaction [5] to support the learning process in VR. For potential learning topics, the focus will be on learning networking concepts such as routing or neural network concepts (see Figure 1). To this end, we will conceptualize and implement both an interactive VR version and a desktop version of the learning experience. Those two systems will be evaluated w.r.t. learning effectiveness. At a later stage, the VR version is planned to be integrated as a web-based experience in an online course management system (Moodle).

Fig. 1 Current prototype of the visualization of neural networks

[1]Dorota Kamińska et al. “Virtual reality and its applications in education: Survey”. In: Information 10.10 (2019), p. 318.
[2]Friday Joseph Agbo et al. “Application of virtual reality in computer science education: A systemic review based on bibliometric and content analysis methods”. In: Education Sciences 11.3 (2021), p. 142.
[3]Andreas Dengel. “How important is immersion for learning in computer science replugged games?” In: Proceedings of the 51st ACM Technical Symposium on Computer Science Education. 2020, pp. 1165–1171
[4]Akhan Akbulut, Cagatay Catal, and Burak Yıldız. “On the effectiveness of virtual reality in the education of software engineering”. In: Computer Applications in Engineering Education 26.4 (2018), pp. 918–927.
[5]Robb Lindgren et al. “Enhancing learning and engagement through embodied interaction within a mixed reality simulation”. In: Computers & Edu- cation 95 (2016), pp. 174–187.

Ihr Ansprechpartner

Das Forschungsprojekt VoLL-KI wird gefördert vom

Förderer - Logo Förderer - Logo