Kontakt: Kathrin Kennel 

Ausgangslage

Adaptive Lernsysteme analysieren die Entwicklung des Lernenden, passen sich an, geben Rückmeldung über den Lernfortschritt und bieten vielfältige Hilfestellungen. Wesentliche Kennzeichen solcher Lernsysteme sind Adaptivität, Flexibilität, Diagnosefähigkeit sowie die Möglichkeit der Automatisierung.

Es existieren bereits zahlreiche adaptive Lernsysteme, auch für den Bereich Mathematik. Hier wird dem Nutzer als Rückmeldung meist nur ein pauschales Feedback („Das war richtig“ / „Das war falsch“) gegeben. Dem Anspruch an ein adaptives Feedback werden diese Systeme meist nicht gerecht.

Ziele

Ziel in diesem Projekt ist es, die Grundlage für die Entwicklung eines Systems zu schaffen, welches ein diagnostisches Feedback gibt und individuelle Tipps zum richtigen Zeitpunkt einblendet. Das System soll schon bei der Bearbeitung einer Aufgabe erkennen, ob beim Nutzer Fehlkonzepte zu einem Thema vorliegen. Auf dieser Grundlage sollen Rückmeldungen generiert werden, welche die Schüler*innen im Lösungsprozess unterstützen.

Zur Verwirklichung dieses Ziels wird untersucht, inwiefern die Nutzung der Eye-Tracking-Technologie dazu beitragen kann, die Diagnosefähigkeit eines adaptiven Lernsystems zu verbessern. Ein Teilziel besteht darin, Zusammenhänge zwischen Fehlkonzepten und Blickmustern zu erforschen. Perspektivisch soll das Lernsystem auf Basis mehrerer Kriterien adaptieren: Neben den Eingaben der Nutzer sollen auch Eye-Tracking-Daten analysiert werden.

Das Vorhaben im Projekt befasst sich mit der folgenden Fragestellung:

Wie kann die Diagnosefähigkeit von adaptiven Lernsystemen mittels Eye-Tracking verbessert werden?

Vorgehen im Teilprojekt

1. Konzeption von Aufgaben
2. Untersuchung von Fehlkonzepten
3. Analyse und Vergleich der Blickdaten von Expert:innen und Noviz:innen
4. Konzeption von individuellen Hilfen und Feedback
5. Erstellung einer prototypischen Software