{"id":135,"date":"2023-11-30T17:00:24","date_gmt":"2023-11-30T17:00:24","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-speak-how-adaptive-systems-learn-the-learner-part-1\/"},"modified":"2024-01-31T11:43:39","modified_gmt":"2024-01-31T11:43:39","slug":"ai-speak-how-adaptive-systems-learn-the-learner-part-1","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-speak-how-adaptive-systems-learn-the-learner-part-1\/","title":{"raw":"KI Sprache: Wie adaptive Systeme \u00fcber die Lernenden lernen \u2014 Teil 1","rendered":"KI Sprache: Wie adaptive Systeme \u00fcber die Lernenden lernen \u2014 Teil 1"},"content":{"raw":"

\"\"Bei der Betrachtung eines adaptiven Lernsystems ist es sehr schwer zu sagen, wo es sich anpasst1<\/sup>. Welche Technologie verwendet wird und wof\u00fcr sie eingesetzt wird, \u00e4ndert sich ebenfalls von System zu System.<\/p>\n

Allerdings wissen alle adaptiven Lernsysteme, wen sie unterrichten (Wissen \u00fcber die Lernenden), was sie unterrichten (Wissen \u00fcber den Bereich) und wie sie unterrichten (Wissen \u00fcber die P\u00e4dagogik)2<\/sup>.<\/p>\n

Ein ideales ALS passt sich auf vielf\u00e4ltige Weise an. In der \u00e4u\u00dferen Schleife wird die Reihenfolge der Lernaktivit\u00e4ten angepasst\u00a0\u2014 \u00e4hnlich wie Youtube die Liste der empfohlenen Videos anpasst. Die \u00e4u\u00dfere Schleife k\u00f6nnte auch Lernans\u00e4tze und Schwierigkeitsgrade personalisieren.<\/p>\n

In der inneren Schleife, innerhalb jeder Aktivit\u00e4t, \u00fcberwacht das ALS den schrittweisen Fortschritt. Es passt Feedback und Hinweise an, um eventuelle Missverst\u00e4ndnisse zu korrigieren. Es kann auch auf zus\u00e4tzliche Inhalte hinweisen, wenn der Sch\u00fcler oder die Sch\u00fclerin Probleme hat, sich an ein zuvor gelerntes Konzept zu erinnern. Einige Fachleute sind der Meinung, dass die innere Schleife am besten der Lehrkraft \u00fcberlassen werden sollte: Es ist nicht nur kostspielig und zeitaufwendig, alle Regeln f\u00fcr jedes Fach und jede Aufgabe zu programmieren, sondern das Wissen und die Erfahrung des Lehrers werden immer gr\u00f6\u00dfer sein als die der Maschine.3<\/sup>.<\/p>\n\n

Wie adaptive Systeme \u00fcber die Lernenden lernen<\/h3>\n

Wie bei allen Empfehlungsproblemen (siehe Wie Youtube \u00fcber Sie lernt \u2014 Teil 1<\/a>), teilt ein ALS die Aufgabe in eine oder mehrere Ersatzfragen auf, die von der Maschine beantwortet werden k\u00f6nnen. Auch hier hat die Wahl der Frage \u2014 und damit der Vorhersage\u00a0\u2014 einen gro\u00dfen Einfluss darauf, welche Empfehlung angezeigt wird.<\/p>\n

In den Marketingunterlagen werden oft mehrere Ziele genannt: bessere Noten, Besch\u00e4ftigungsf\u00e4higkeit, Engagement. Da die Systeme firmeneigen sind, ist in der Regel unklar, welche Fragen in die Systeme einflie\u00dfen, welche Ziele optimiert werden und wie zwischen kurz- und langfristigen Zielen unterschieden wird. (z. B. die Beherrschung eines bestimmten Inhalts, um in die n\u00e4chste Klassenstufe zu gelangen)4<\/sup>.<\/p>\n

Wenn maschinelles Lernen eingesetzt wird, basiert die Vorhersage unabh\u00e4ngig von den gew\u00e4hlten Zielen auf anderen Lernenden mit \u00e4hnlichen F\u00e4higkeiten und Vorlieben. Das hei\u00dft, auf Lernenden, deren Modelle \u00e4hnlich sind.<\/p>\n\n

Das Lernermodell<\/h3>\n

F\u00fcr die Erstellung eines Lernermodells stellen die Entwickelnden die Frage, welche Merkmale die Sch\u00fclerinnen und Sch\u00fcler f\u00fcr den Lernprozess relevant sind. Im Gegensatz zu Lehrkr\u00e4ften, die ihre Lernenden direkt beobachten und ihre Vorgehensweise anpassen k\u00f6nnen, sind Maschinen auf die Daten beschr\u00e4nkt, die sie sammeln und verarbeiten k\u00f6nnen.<\/p>\n

Typische Merkmale, die in einem Lernermodell ber\u00fccksichtigt werden:<\/p>\n\n