Personalisiertes Lernen – eine Datenrevolution
Ansätze des 21. Jahrhunderts berücksichtigen den kognitiven und motivationalen Zustand des Lernenden.
Autorin
Wer wünscht sich nicht eine Welt, in der alles, womit er in Kontakt kommt, persönlich auf ihn zugeschnitten ist?
Das Aufkommen von große Datenmengen Maschinelles Lernen hat uns einem Punkt nähergebracht, an dem diese Vision in unglaublich schnellem Tempo Realität wird. Möglich macht dies unsere Fähigkeit, alles über uns zu erfassen und zu speichern – von den Tastatureingaben auf unseren Computern bis hin zu unseren genetischen Sequenzen und unserer DNA. Dies hat zum Aufstieg der personalisierten Medizin geführt, die Verfahren auswählt, die auf unsere individuelle Körperchemie abgestimmt sind, zu personalisierter Werbung, die uns die Jeansmarke zeigt, die uns am besten passt, und sogar zu Lernprogrammen, die auf unsere individuellen Bedürfnisse zugeschnitten sind.
Der immens wirkungsvolle Gedanke hinter personalisiertem Lernen besteht darin, dem Lernenden sinnvolle Lernumgebungen und -inhalte zu bieten, als Alternative zu einem standardisierten Ansatz, bei dem alle in einer Klasse gleichzeitig dasselbe Material sehen. Der Begriff personalisiert umfasst eine breite Palette von Methoden und Strategien, die für verschiedene Gemeinschaften unterschiedliche Bedeutungen haben, was es schwierig macht, genau zu verstehen, wie ein solcher Ansatz umgesetzt werden soll.
„Die Ansätze des 21. Jahrhunderts zur Personalisierung des Lernens basieren auf dem Prinzip, dass Lernen durch Handeln und nicht durch Zuhören erfolgt.“
Einige dieser Ansätze knüpfen an interessengeleitetes Lernen an, bei dem der Unterricht personalisiert wird, indem die Lernenden Projekte und Probleme auswählen können, die sie motivieren – sei es die Chemie im Umweltaktivismus oder die Physik des Fallschirmspringens. Andere Methoden beinhalten die Bildung von Lerngemeinschaften, die Gruppenarbeit ermöglichen und Lehrkräften die Gelegenheit geben, die Lernbedürfnisse ihrer Schülerinnen und Schüler besser zu verstehen.
Alternativ dazu befassen sich Ansätze des 21. Jahrhunderts zur Personalisierung des Lernens mit die kognitive und Motivationszustand des LernendenDiese Ansätze sind nur möglich, weil die Lernenden durch ihre zunehmende Online-Lernaktivität große Datenmengen generieren. Sie basieren auf dem Prinzip, dass Lernen durch aktives Handeln und nicht durch bloßes Zuhören erfolgt. Daher konzentrieren sie sich auf die praktische Bearbeitung wichtiger Probleme eines Fachgebiets.
Die KI erkennt und nutzt die Stärken und Schwächen jedes Lernenden.
Personalisierte Lernsysteme, die dies leisten, werden angetrieben von Künstliche Intelligenz Das System modelliert die kognitiven Fähigkeiten der Schüler, um den aktuellen Zustand des einzelnen Lernenden zu beurteilen und anschließend gezielten Unterricht anzubieten.
Dies geschieht in zwei Schritten. Zunächst erkennt das personalisierte Lernsystem während der Bearbeitung einer Aufgabe häufige Fehlvorstellungen des Lernenden. Dadurch kann das System gezieltes Feedback und Unterstützung geben, um das jeweilige Problem des Lernenden zu lösen. Beispielsweise könnte ein junger Lernender bei einer Bruchrechnung Zähler und Nenner verwechseln. Das System erkennt dies und gibt zusätzliches Feedback und Hinweise, die ihm helfen, die Konzepte von Zähler und Nenner zu verstehen und die Aufgabe zu lösen.
Der zweite Ansatz dieser Systeme besteht darin, geeignetes Lernmaterial auszuwählen, basierend auf den nachgewiesenen Kenntnissen und Wissenslücken des Lernenden. Dies beinhaltet in der Regel die Aufteilung von Lerninhalten in ihre grundlegendsten Teilfertigkeiten. So können sich Lernende gezielt auf die Bereiche konzentrieren, in denen sie es am meisten benötigen. Beispielsweise hat ein Lernender möglicherweise bereits das Addieren von Brüchen verstanden, jedoch nur bei Brüchen mit gleichem Nenner. In diesem Fall könnte das System für diesen Lernenden gezielt Übungen zu Brüchen mit unterschiedlichen Nennern anbieten.
„Die Lehrkraft ist von der Notwendigkeit befreit, ihren Unterricht zu vereinheitlichen, und kann durch die Klasse gehen, um denjenigen Schülern, die es benötigen, gezielte zusätzliche Hilfe anzubieten.“
Personalisiertes Lernen erweitert die Reichweite des Lehrers
Diese Systeme erfassen zwar digitale Datenströme, während Schüler am Computer arbeiten, sind aber typischerweise für den Einsatz im Klassenzimmer konzipiert. Beispielsweise unterrichtet die Lehrkraft drei Tage pro Woche im Klassenzimmer, während die Schüler an den anderen beiden Tagen am Computer arbeiten. Dadurch entfällt das Problem, dass die Lehrkraft auf das durchschnittliche Leistungsniveau der Klasse eingehen muss.
Vielmehr fühlen sich leistungsstarke Schüler, die sich im Unterricht oft langweilen, ermutigt, in ihrem eigenen Tempo voranzukommen und sich intensiver mit dem Lernstoff auseinanderzusetzen. Schüler, die Schwierigkeiten haben, mit dem Tempo der Lehrkraft mitzuhalten, erhalten hingegen individuelle Unterstützung durch das System. Vor allem aber wird die Lehrkraft von der Notwendigkeit befreit, ihren Unterricht zu vereinheitlichen, und kann sich im Klassenzimmer frei bewegen, um gezielt den Schülern zu helfen, die Unterstützung benötigen.
„Obwohl die Idee und die erste Implementierung solcher Systeme bereits seit einem Vierteljahrhundert existieren, ist jetzt der richtige Zeitpunkt, da Fortschritte im Bereich des Deep Learning, der kognitiven Modellierung und der Hardware zusammenlaufen.“
In zahlreichen Studien wurde nachgewiesen, dass diese Systeme Lernenden helfen, den Lerninhalt besser zu beherrschen. Tatsächlich haben einige Studien gezeigt, dass Sie sind besonders vorteilhaft für die bedürftigsten Schüler., die sonst Schwierigkeiten hätten, mit ihren Altersgenossen mitzuhalten, und neuere Arbeiten haben dies einbezogen zusätzliche Funktionen, die das Lernen verbessern, wie virtuelle Agenten, die die Schüler motivieren und Unterstützung für eine bessere Inanspruchnahme von Hilfe.
Die Idee und erste Umsetzung solcher Systeme existieren zwar schon seit einem Vierteljahrhundert, doch jetzt ist der richtige Zeitpunkt gekommen, da Fortschritte im Bereich Deep Learning, kognitiver Modellierung und Hardware zusammenlaufen. Das Zeitalter des personalisierten Lernens hat begonnen!
Autorin
Fußnoten
Referenzen
Johnson, WL, & Lester, JC (2016). Persönliche Interaktion mit pädagogischen Fachkräften, zwanzig Jahre später. International Artificial Intelligence in Education Society 2015, 26, 25–36.
Roll, I., Aleven, V., McLaren, BM, & Koedinger, KR (2011). Verbesserung der Hilfesuchfähigkeiten von Schülern durch metakognitives Feedback in einem intelligenten Tutorsystem. Learning and Instruction, 21(2), 267-280.
Koedinger, KR, Anderson, JR, Hadley, WH und Mark, MA (1997). Intelligente Nachhilfe geht in der Großstadt zur Schule..
Ein Kommentar
Kommentare sind geschlossen.
Ich bin gespannt, wie Wearables dies aus pädagogischer Sicht weiterentwickeln werden; bitte nehmen Sie Kontakt auf.