Abstract
Neue und modifizierte didaktische Konzepte sind unabdingbar, um die Potenziale von Künstlicher Intelligenz (KI) in der Hochschullehre sinnvoll für Lernende und Lehrende zu nutzen. Hierzu werden ausgewählte didaktische Anwendungsszenarien und Impulse zum Einsatz von KI-basierten Technologien sowie KI als Lerninhalt beispielhaft für Online-, Präsenz- und Blended-Learning-Settings dargestellt. Um zur Entwicklung der wichtigen KI-Kompetenzen für das 21. Jahrhundert beizutragen, sind neben holistischen didaktischen Modellen auch Datenkompetenz, KI-Kompetenzrahmen und Datenschutz essenziell für ein bedeutsames Lernen und Lehren mit und über KI.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Acatech. (o.J.). KI-Landkarte. https://www.plattform-lernende-systeme.de/ki-landkarte.html?STU=1. Zugegriffen: 2. Juli 2021.
Aldowah, H., Al-Samarraie, H., & Fauzy, W. M. (2019). Educational data mining and learning analytics for 21st century higher education: A review and synthesis. Telematics and Informatics, 37, 13–49. https://doi.org/10.1016/j.tele.2019.01.007.
Arnold, K. E., & Pistilli, M. D. (2012). Course signals at Purdue: Using learning analytics to increase student success. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK ’12), S. 267–270. https://doi.org/10.1145/2330601.2330666.
Bates, T., Cobo, C., Mariño, O., & Wheeler, S. (2020). Can artificial intelligence transform higher education? International Journal of Educational Technology in Higher Education, 17(42). https://doi.org/10.1186/s41239-020-00218-x.
Bergdahl, N., Nouri, J., Karunaratne, T., Afzaal, M., & Saqr, M. (2020). Learning analytics for blended learning: A systematic review of theory, methodology, and ethical considerations. International Journal of Learning Analytics and Artificial Intelligence for Education (IJAI), 2(2), 46–79. https://doi.org/10.3991/ijai.v2i2.17887.
Berghoff, S., Horstmann, N., Hüsch, M., & Müller, K. (2021). Studium und Lehre in Zeiten der Corona-Pandemie. Die Sicht von Studierenden und Lehrenden. https://www.che.de/download/studium-lehre-corona/?wpdmdl=16864&refresh=6058894fcf3aa1616415055. Zugegriffen: 2. Juli 2021.
Biggs, J. (1996). Enhancing teaching through constructive alignment. Higher Education, 32, 347–364. https://doi.org/10.1007/BF00138871.
BMBF. (2021). Richtlinie zur Bund-Länder-Initiative zur Förderung der Künstlichen Intelligenz in der Hochschulbildung, Bundesanzeiger vom 24.02.2021. https://www.bmbf.de/foerderungen/bekanntmachung-3409.html. Zugegriffen: 2. Juli 2021.
Branch, R. M. (2009). Instructional design: The ADDIE approach. Springer. https://doi.org/10.1007/978-0-387-09506-6.
Brandt, S. (2020). Die Notwendigkeit von Kompetenzmodellen und Kompetenzstufen. In C. de Witt, F. Rampelt, & N. Pinkwart (Hrsg.), Künstliche Intelligenz in der Hochschulbildung. Whitepaper (S. 33–34). KI-Campus. https://doi.org/10.5281/zenodo.4063722.
Bundesregierung. (2018). Strategie Künstliche Intelligenz der Bundesregierung. November, S. 1–47. https://www.bmbf.de/files/Nationale_KI-Strategie.pdf. Zugegriffen: 2. Juli 2021.
Burchardt, A. (2020). Transparenz und Vertrauen schaffen. In C. de Witt, F. Rampelt, & N. Pinkwart (Hrsg.), Künstliche Intelligenz in der Hochschulbildung. Whitepaper (S. 39–40). KI-Campus. https://doi.org/10.5281/zenodo.4063722.
Drachsler, H., & Greller, W. (2016). Privacy and analytics: It’s a DELICATE issue a checklist for trusted learning analytics. LAK ’16 Proceedings of the Sixth International Conference on Learning Analytics & Knowledge, S. 8998. https://doi.org/10.1145/2883851.2883893.
Ebeling, J., Frank, A., Fritzsche, K., Roth-Grigori, A., & Wagner, B. (2021). EdTech-Start-Ups und Bildungsinstitutionen zusammenbringen (Issue 05).
Europäische Kommission (2020). Aktionsplan für digitale Bildung 2021–2027. Neuaufstellung des Bildungswesens für das digitale Zeitalter. Brüssel: Europäische Kommission.
FernUniversität in Hagen. (2020). Lernen neu denken. Das Hagener Manifest zu New Learning. https://www.fernuni-hagen.de/imperia/md/content/universitaet/hagenermanifest/hagener-manifest.pdf. Zugegriffen: 2. Juli 2021.
Fürst, R. A. (2020). Zukunftsagenda und 10 Thesen zur Digitalen Bildung in Deutschland. In R. A. Fürst (Hrsg.), Digitale Bildung und Künstliche Intelligenz in Deutschland – Nachhaltige Wettbewerbsfähigkeit und Zukunftsagenda (S. 301–347). Springer. https://doi.org/10.1007/978-3-658-30525-3_13.
Fürst, R. A., Grottke, M., Sibilio, A., & Steckelberg, A. V. (2020). Internationale Standortbestimmung – vom Exportweltmeister zum digitalen Entwicklungsland? In R. A. Fürst (Hrsg.), Digitale Bildung und Künstliche Intelligenz in Deutschland – Nachhaltige Wettbewerbsfähigkeit und Zukunftsagenda (S. 27–79). Springer Fachmedien. https://doi.org/10.1007/978-3-658-30525-3.
Goertz, L. (2014). Digitales Lernen adaptiv. Technische und didaktische Potenziale für die Weiterbildung der Zukunft. https://www.bertelsmann-stiftung.de/de/publikationen/publikation/did/digitales-lernen-adaptiv/. Zugegriffen: 2. Juli 2021.
Goertz, L., & Hense, J. (2021). Studie zu Veränderungsprozessen in Unterstützungsstrukturen für Lehre an deutschen Hochschulen in der Corona-Krise (Issue Arbeitspapier Nr. 56).
Haufe Akademie. (2021). Künstliche Intelligenz für Entscheider. Anwendungen – Strategien – Geschäftsmodelle. https://www.haufe-akademie.de/2547. Zugegriffen: 2. Juli 2021.
Howell, J. A., Roberts, L. D., Seaman, K., & Gibson, D. C. (2018). Are we on our way to becoming a »Helicopter University«? Academics’ views on learning analytics. Technology, Knowledge and Learning, 23(1), 1–20. https://doi.org/10.1007/s10758-017-9329-9.
Ifenthaler, D. (2015). Learning analytics. In The SAGE encyclopedia of educational technology (S. 448–451). Sage. https://doi.org/10.4135/9781483346397.n187.
Ifenthaler, D. (2017). Are higher education institutions prepared for learning analytics? TechTrends, 61(4), 366–371. https://doi.org/10.1007/s11528-016-0154-0.
Ifenthaler, D., & Schumacher, C. (2016). Learning Analytics im Hochschulkontext. Wirtschaftswissenschaftliches Studium WiSt, 45(4), 176–181. https://doi.org/10.15358/0340-1650-2016-4-176.
Jones, K. M. L. (2019). Learning analytics and higher education: A proposed model for establishing informed consent mechanisms to promote student privacy and autonomy. International Journal of Educational Technology in Higher Education, 16(24), 1–22. https://doi.org/10.1186/s41239-019-0155-0.
KI-Campus. (2021a). Das Fellowship-Programm des KI-Campus. https://ki-campus.org/fellowships?locale=de. Zugegriffen: 2. Juli 2021a.
KI-Campus. (2021b). Ideenwettbewerb 2021b – Offene und innovative Lernangebote zu KI- und Datenkompetenz. KI-Campus. https://ki-campus.org/wettbewerb. Zugegriffen: 2. Juli 2021.
Kieslich, K., Lünich, M., Marcinkowski, F., & Starke, C. (2019). Hochschule der Zukunft – Einstellung von Studierenden gegenüber Künstlicher Intelligenz an der Hochschule. Institute for Internet and Democracy (DIID). https://diid.hhu.de/wp-content/uploads/2019/10/DIID-Precis_Kieslich-et-al_Fin.pdf. Zugegriffen: 2. Juli 2021.
Mah, D. K. (2016). Learning analytics and digital badges: Potential impact on student retention in higher education. Technology, Knowledge and Learning, 21(3), 285–305. https://doi.org/10.1007/s10758-016-9286-8.
Mah, D.-K., & Büching, C. (2019). Künstliche Intelligenz in Studium und Lehre. VDI/VDE Innovation + Technik GmbH. https://www.plattform-lernende-systeme.de/files/Downloads/Diverses/Studie_KI_in_Studium_und_Lehre.pdf#page=1&zoom=auto,-296,843. Zugegriffen: 2. Juli 2021.
Mah, D.-K., & Torner, C. (2022a). Künstliche Intelligenz mit offenen Lernangeboten an Hochschulen lehren. Erfahrungen und Erkenntnisse aus dem Fellowship-Programm des KI-Campus. KI-Campus. https://doi.org/10.5281/zenodo.6673692.
Mah, D.-K., & Torner, C. (2022b). Anwendungsorientierte Hochschullehre zu Künstlicher Intelligenz. Impulse aus dem Fellowship-Programm zur Integration von KI-Campus-Lernangeboten. https://doi.org/10.5281/zenodo.7319832.
Mah, D.-K., Rampelt, F., Dufentester, C., Bernd, M., Gamst, C., & Weygandt, B. (2020). Digitale Lernangebote zum Thema Künstliche Intelligenz. Überblickstudie zu kostenlosen Online-Kursen auf deutschen Lernplattformen.https://doi.org/10.5281/zenodo.4293318.
Mirata, V., Hirt, F., Bergamin, P., & van der Westhuizen, C. (2020). Challenges and contexts in establishing adaptive learning in higher education: Findings from a Delphi study. International Journal of Educational Technology in Higher Education, 17(1). https://doi.org/10.1186/s41239-020-00209-y.
MMB-Institut (2014). Wenn der digitale Lernassistent uns an die Hand nimmt. Zukunftstrend adaptives Lernen – ein Überblick. MMB-Trendmonitor 1/2014.
Ostermeyer, G.-P. (2019). Lernen und Lehren mit KI, Augmented Reality und Audience-Response-Systemen. Magazin: Studium Und Lehre. https://magazin.tu-braunschweig.de/m-post/lernen-und-lehren-mit-ki-augmented-reality-und-audience-response-systemen. Zugegriffen: 2. Juli 2021.
Pardo, A., & Siemens, G. (2014). Ethical and privacy principles for learning analytics. British Journal of Educational Technology, 45(3), 438–450. https://doi.org/10.1111/bjet.12152.
Pistilli, M. D. (2017). Learner analytics and student success interventions. New Directions for Higher Education, 179, 43–52. https://doi.org/10.1002/he.20242.
Reinmann, G. (2015). Studientext didaktisches Design. Universität Hamburg.
Reinmann, G. (2020). Digitale Lehre. Kurzvideo – schnelle didaktische Hilfe zum Thema Digitalisierung in der Hochschullehre. https://lecture2go.uni-hamburg.de/l2go/-/get/v/25983. Zugegriffen: 2. Juli 2021.
Ridsdale, C., Rothwell, J., Smit, M., Ali-Hassan, H., Bliemel, M., Irvine, D., Kelley, D., Matwin, S., & Wuetherick, B. (2015). Strategies and Best Practices for Data Literacy Education. In Knowledge Synthesis Report. http://www.mikesmit.com/wp-content/papercite-data/pdf/data_literacy.pdf. Zugegriffen: 2. Juli 2021.
Schmohl, T., Löffl, J., & Falkemeier, G. (2019). Künstliche Intelligenz in der Hochschullehre. In T. Schmohl & D. Schäffer (Hrsg.), Lehrexperimente der Hochschulbildung. Didaktische Innovationen aus den Fachdisziplinen (2. Aufl., S. 117–122). wbv. https://nbn-resolving.org/html/urn:nbn:de:%200111-pedocs-185641. Zugegriffen: 2. Juli 2021.
Schüller, K., Busch, P., & Hindinger, C. (2019). Future Skills: Ein Framework für Data Literacy – Kompetenzrahmen und Forschungsbericht. Arbeitspapier Nr. 47. Hochschulforum Digitalisierung. https://doi.org/10.5281/zenodo.3349865.
Sclater, N., Peasgood, A., & Mullan, J. (2016). Learning analytics in higher education – A review of UK and international practice full report. London: Jisc, 2017, 176. https://doi.org/10.1201/9780429196614-9.
Seufert, S., Meier, C., Soellner, M., & Rietsche, R. (2019). A pedagogical perspective on Big Data and learning analytics: A conceptual model for digital learning support. Technology, Knowledge and Learning, 24(4), 599–619. https://doi.org/10.1007/s10758-019-09399-5.
Seyfeli, F., Elsner, L., & Wannemacher, K. (2020). Vom Corona-Shutdown zur Blended University? ExpertInnenbefragung Digitales Sommersemester. In Vom Corona-Shutdown zur Blended University? Tectum. https://doi.org/10.5771/9783828876484.
Shukla, V. K., & Verma, A. (2019). Enhancing LMS experience through AIML base and retrieval base Chatbot using R language. 2019 International Conference on Automation, Computational and Technology Management, ICACTM 2019, April, S. 561–567. https://doi.org/10.1109/ICACTM.2019.8776684.
Slade, S., & Prinsloo, P. (2013). Learning analytics: Ethical issues and dilemmas. American Behavioral Scientist, 57(10), 1510–1529. https://doi.org/10.1177/0002764213479366.
Stiftung Innovation in der Hochschullehre. (2020). Hochschullehre durch Digitalisierung stärken. Präsenzlehre, Blended Learning und Online-Lehre innovativ weiterdenken, erproben und strukturell verankern. https://stiftung-hochschullehre.de/wp-content/uploads/2020/11/fbm2020_foerderbekanntmachung.pdf. Zugegriffen: 2. Juli 2021.
Thelen, T. (2021). Siddata. Verbundprojekt zur Studienindividualisierung durch digitale, datengestützte Assistenten. https://www.siddata.de/. Zugegriffen: 2. Juli 2021.
Unesco (2019). Artificial Intelligence in education: Challenges and opportunities for sustainable development. Working papers on education policy, 7. https://en.unesco.org/themes/education-policy-. Zugegriffen: 2. Juli 2021.
Valimis (2018). Hier kommt ValBo – Der in Slack integrierte KI-Lernassistent. https://www.valamis.com/de/unternehmen/news/hier-kommt-valbo-der-in-slack-integrierte-ki-lernassistent. Zugegriffen: 2. Juli 2021.
Vogelsang, K., Greiff, P., Tenspolde, C., & Hoppe, U. (2019). Agile by technique – The role of technology enhanced learning in higher education. Beiträge Zur Hochschulforschung, 41(3), 28–46.
Wang, Q., Xu, Z., Chen, Z., Wang, Y., Liu, S., & Qu, H. (2021). Visual analysis of discrimination in machine learning. IEEE Transactions on Visualization and Computer Graphics, 27(2), 1470–1480. https://doi.org/10.1109/TVCG.2020.3030471.
Wannemacher, K., Jungermann, I., Scholz, J., Tercanli, H., & von Villiez, A. (2016). Digitale Lernszenarien im Hochschulbereich. In Arbeitspapier Nr. 15.
Weinert, F. E. (2001). Leistungsmessung in Schulen (2. Aufl.). Beltz.
Wiley, D. (2009). Defining »Open.« https://opencontent.org/blog/archives/1123. Zugegriffen: 2. Juli 2021.
Winde, M., Werner, S. D., Gumbmann, B., & Hieronimus, S. (2020). Hochschulen, Corona und jetzt? https://www.stifterverband.org/download/file/fid/9313. Zugegriffen: 2. Juli 2021.
de Witt, C., & Ionica, L. (2021). Kann KI die Hochschulbildung revolutionieren? Ein Interview mit Claudia de Witt. https://hochschulforumdigitalisierung.de/de/blog/ki-interview-claudia-de-witt. Zugegriffen: 2. Juli 2021.
de Witt, C., Rampelt, F., & Pinkwart, N. (2020). Künstliche Intelligenz in der Hochschulbildung.https://doi.org/10.5281/zenodo.4063722.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – Where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 1–27. https://doi.org/10.1186/s41239-019-0171-0.
Zeaiter, S., & Weber, K. (2018). Project H.E.A.R.T. (Humanoid Emotional Assistant Robots in Teaching). In J. Buchner, C. F. Freisleben-Teutscher, J. Haag, & E. Rauscher (Hrsg.), Inverted Classroom. Vielfältiges Lernen (Issue Begleitband zur 7. Konferenz Inverted Classroom an Beyond 2018, S. 231–249). Fachhochschule St. Pölten. https://www.researchgate.net/publication/339446611_Project_HEART_Humanoid_Emotional_Assistant_Robots_in_Teaching. Zugegriffen: 2. Juli 2021.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2023 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Mah, DK., Hense, J., Dufentester, C. (2023). Didaktische Impulse zum Lehren und Lernen mit und über Künstliche Intelligenz. In: de Witt, C., Gloerfeld, C., Wrede, S.E. (eds) Künstliche Intelligenz in der Bildung. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-40079-8_5
Download citation
DOI: https://doi.org/10.1007/978-3-658-40079-8_5
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-40078-1
Online ISBN: 978-3-658-40079-8
eBook Packages: Education and Social Work (German Language)