ForschungTeam Erwachsenenbildung/WeiterbildungForschungsprojekte
Intelligenter digitaler Bildungsraum zur problem- und nutzerorientierten Suche von digitalen Lerninhalten (SEARCH)

Intelligenter digitaler Bildungsraum zur problem- und nutzerorientierten Suche von digitalen Lerninhalten (SEARCH)

Logos BMBF und BIBB
Leitung:  Verbundprojektleitung: Andre Wilms (NWS MB), Teilprojektleitung IfBE: Prof. Dr. Steffi Robak
E-Mail:  steffi.robak@ifbe.uni-hannover.de
Team:  Laura Seidel, Katharina Band
Projektstart:  2021
Datum Projektende:  31-08-24
Förderung:  BMBF
Laufzeit:  09/2021 bis 08/2024

In Zeiten einer jährlichen globalen Wissensverdopplung benötigt jedes (Weiter-)Bildungssystem eine intelligente Filterung der Inhalte, allein um seine Lernenden nicht zu überlasten. SEARCH richtet sich an das produzierende Gewerbe und verfolgt das Ziel, Weiterbildungsangebote nicht nur zu filtern, sondern zu individuellen Lernpfaden zu kombinieren. Dazu entwickeln wir ein KI-gestütztes Assistenzsystem, das bei der Individualisierung eines Lernpfades neben den inhaltlichen Bildungszielen didaktische Gestaltungsformate und persönliche Lernpräferenzen dynamisch integriert und adaptiert. Praktisch setzen wir dabei auf die Plattform Mobile Learning in Smart Factories (MLS), die von bereits 120 Unternehmen für innerbetriebliche Weiterbildungen genutzt wird, und erweitern diese sowohl inhaltlich als auch technisch. Die bestehenden Inhalte werden mittels KI in Lernnuggets/ Microlearnings zergliedert und mit maschinenlesbarer Information angereichert, sodass sie automatisiert in einen Lernpfad integriert werden können. Auch neue Inhalte sollen im Rahmen von SEARCH im entsprechenden Format erstellt werden. Ein übergeordnetes Ziel hierbei ist ein transparentes Content-Sharing zwischen den partizipierenden Unternehmen inkl. Datenstandards für Lernressourcen und formalisierter didaktischer Gestaltungskriterien. Auf der technischen Anwendungsebene verfolgen wir zwei Ziele: intelligente Suche und intelligente Empfehlungen. Die Suchfunktion soll den aktuellen Lernpfad, das Lernziel und den Lernfortschritt berücksichtigen und auf der semantischen Ebene operieren. Zusätzlich wird dabei etwa das Such- und Klickverhalten bzw. die Annahme von präsentierten Suchantworten anderer ähnlicher Benutzer:innen berücksichtigt (collaborative filtering). Die Empfehlungsfunktion lehnt sich algorithmisch an die Suchfunktion an, fokussiert aber die Begründung der Empfehlung. Ganz im Sinne von Explainable AI sollen Anwender:innen nachvollziehen können, warum die KI “denkt”, ein Lernnugget sei gerade für sie individuell relevant.

Weitere Informationen:

https://www.bibb.de/de/120851.php

https://www.mmb-institut.de/invite