Das Projekt «KI-basiertes Learning Analytics an Hochschulen» zielt darauf ab, die Potenziale von und Bedarfe an KI-basierter Learning-Analytics an den Institutionen der Kooperationspartner zu identifizieren. Hierbei liegt der Fokus darauf, pädagogisch-didaktische Potenziale zu explorieren und zu priorisieren. Um die Ergebnisse zu gewinnen, werden Gruppengespräche mit entsprechenden Expert*innen geführt.

Problemstellung und Forschungsfragen

Die zunehmende Digitalisierung im Bildungsbereich einschliesslich des Gebrauchs von Künstlicher Intelligenz (KI) eröffnen neue Möglichkeiten und Risiken der Nutzung und des Einbezugs von Learning-Analytics, um den Lehr- und Lernprozess nicht nur zu optimieren, sondern unter Umständen auch neu zu gestalten. Allerdings stehen Bildungseinrichtungen vor der Herausforderung, die Potenziale für die Lösung bestehender Probleme im Lehr-Lernkontext zu nutzen und dabei den Fokus auf pädagogische Sinnhaftigkeit zu legen. Die Frage, die deshalb übergeordnet diesem Projekt zugrunde liegt, lautet:

Welche konkreten Massnahmen sollte eine zukunftsgerichtete Hochschule in die Wege leiten, um hinsichtlich KI-basiertem Learning Analytics proaktiv den Bedarfen gerecht zu werden?

Zu diesem Zweck werden folgende Aspekte untersucht:

• Alleinstellungsmerkmale von KI-basiertem Learning Analytics: Was zeichnet KI-basiertes Learning Analytics aus? Was unterschiedet KI-basiertes Learning Analytics von bisherigen Herangehensweisen? Welche Potenziale und Risiken hat KI-basiertes Learning Analytics?
• Pädagogisch sinnvolles KI-basiertes Learning Analytics: Was zeichnet pädagogisch sinnvolles KI-basiertes Learning Analytics aus? Welche Szenarien sind denkbar? Welche wissenschaftlichen Studien (auch Metastudien) gibt es hierzu schon?
• Use Cases und Good Practice: Welche Beispiele für den Einsatz KI-basiertem Learning Analytics gibt es, die als Use Cases und Good Practice dienen können? Welche Learnings sind damit verbunden? Welche bisherigen Erfahrungswerte sind vorhanden?
• Vorhandene Systeme und zukünftige Entwicklungen: Welche Systeme sind aktuell schon vorhanden? Welche Systeme und Funktionalitäten sind gerade in Entwicklung? Welche theoretischen Ansätze für zukünftige Entwicklungen gibt es?
• Datenverfügbarkeit und Datenschutz: Welche Daten sind notwendig, um KI-basiertes Learning-Analytics umzusetzen? Welche Herausforderungen stellen sich aus technischer und rechtlicher Perspektive? Welche aktuellen Entwicklungen und Lösungsansätze gibt es im Bereich des Datenschutzes?

Ziele des Projekts

Das Hauptziel des Projekts besteht darin, die beteiligten Hochschulen in die Lage zu versetzen, fundierte Entscheidungen über die Integration und Nutzung von KI-basiertem Learning-Analytics zu treffen. Hierbei ist zentral, dass ein Mehrwert vor allem für die Lernenden selbst entstehen soll. Folgende Zielgruppe und spezifische Ziele liegen dem Projekt zugrunde: 

Zielgruppe

Das Projekt hat eine Orientierungsperspektive in der Hochschullehre und richtet sich entsprechend an Personen, die die Lehre an Hochschulen organisieren und durchführen. 

Ziele

1. Klarheit gewinnen über Funktionalitäten und Besonderheiten von KI-basiertem Learning Analytics.
2. Erstellung eines Kriterienkatalogs für pädagogisch sinnvolles KI-basiertes Learning Analytics und Auseinandersetzung mit der Frage, in welchen konkreten Lehr- und Lernszenarien KI-gestütztes Learning Analytics Sinn macht und wie es Unterrichten, Lernen und auch Lernverhalten unter Umständen beeinflusst.
3. Orientierungswissen zu schon vorhandenen Systemen und über geplante Entwicklungen der nahen Zukunft.
4. Zusammentragen von bisherigen Erfahrungswerten auf Grundlage von Use Cases und Good Practice.
5. Erstellung von Handlungsempfehlungen für Hochschulen im Kontext der Einführung von KI-basiertem Learning Analytics. Dies bedeutet auch eine Priorisierung von Projektfeldern zur Untersuchung von KI-basiertem Learning-Analytics an den Hochschulen, so dass Ressourcen zielgerichtet eingesetzt werden können.
6. Mehr Klarheit zu den Themen Datenverfügbarkeit und Datenschutz.
7. Intensiver Erfahrungsaustausch zwischen den Kooperationspartnern und Skalierung der Ergebnisse

Methodik

Für die Beantwortung der Forschungsfragen werden Gruppengespräche mit Expert*innen geführt. Die Expert*innen haben entweder einen Schwerpunkt im computer-technischen oder im pädagogischen Bereich bezüglich KI-basiertem Learning Analytics oder relevanten Teilaspekten davon. Als Expert*innen werden Personen angesehen, die zu diesen Themen forschen oder entwickeln, und deshalb eine im Idealfall langjährige Expertise aufweisen. Geplant sind zwei Gruppengespräche, die sich aus jeweils drei bis fünf Expert*innen zusammensetzen, wobei sowohl «Techniker*innen» als auch «Pädagog*innen» beteiligt sind (also beide Expertisen sollen innerhalb eines Gruppengesprächs vorhanden sein). Ein Gruppengespräch dauert rund 2,5 Stunden und wird von zwei Moderator*innen begleitet. Die Gespräche werden nach entsprechender Zustimmung aufgezeichnet und anhand eines halbstrukturierten Leitfragebogens geführt. Die Auswertung erfolgt durch eine qualitative Inhaltsanalyse, wobei die Software MAXQDA eingesetzt wird. Ein Ergebnisbericht beantwortet die Forschungsfragen und fasst die Ergebnisse zusammen. Insgesamt ist das Projekt zur qualitativen Forschung zu zählen.