Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

of

Bots in der Lehre Slide 1 Bots in der Lehre Slide 2 Bots in der Lehre Slide 3 Bots in der Lehre Slide 4 Bots in der Lehre Slide 5 Bots in der Lehre Slide 6 Bots in der Lehre Slide 7 Bots in der Lehre Slide 8 Bots in der Lehre Slide 9 Bots in der Lehre Slide 10 Bots in der Lehre Slide 11 Bots in der Lehre Slide 12 Bots in der Lehre Slide 13

YouTube videos are no longer supported on SlideShare

View original on YouTube

Bots in der Lehre Slide 15 Bots in der Lehre Slide 16 Bots in der Lehre Slide 17 Bots in der Lehre Slide 18 Bots in der Lehre Slide 19 Bots in der Lehre Slide 20 Bots in der Lehre Slide 21 Bots in der Lehre Slide 22 Bots in der Lehre Slide 23 Bots in der Lehre Slide 24 Bots in der Lehre Slide 25 Bots in der Lehre Slide 26 Bots in der Lehre Slide 27 Bots in der Lehre Slide 28 Bots in der Lehre Slide 29
Upcoming SlideShare
Open Bades Action Lab
Next
Download to read offline and view in fullscreen.

2 Likes

Share

Download to read offline

Bots in der Lehre

Download to read offline

Vortrag beim E-Learning NRW Tag an der RWTH Aachen über Bots, Künstliche Intelligenz, Roboterjournalismus und BigData und wie eine Automatisierung der Lehre aussehen könnte. Der Vortrag wurde von Andreas Wittke (FH Lübeck) @onlinebynature und Malte Persike (Uni Mainz) @methodenlehre gehalten.

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all

Bots in der Lehre

  1. 1. Bots in der Lehre E-Learning in den Ingenieurwissenschaften Andreas Wittke Malte Persike CDO@oncampus persike@uni-mainz.de
  2. 2. Ist Technology der bessere Lehrer? Andreas Wittke CDO@oncampus
  3. 3. Game Changer MOOCs sollte man mit Netflix und Tesla vergleichen, nicht mit Mediatheken oder HybridAutos MOOC
  4. 4. Digital ist besser!? ■ Wiki ■ Learning Analytics ■ Slack ■ Social Media ■ Papierlos ■ Cloud ■ YouTube ■ Responsiv Design ■ mooin
  5. 5. Schauen wir in die Zukunft ■ MOOCs ■ Big Data ■ Roboterjournalismus ■ Social Bots ■ Künstliche Intelligenz ■ Wearable ■ Quantify Self ■ Biohacking
  6. 6. What happened when a professor built a chatbot to be his teaching assistant? Quelle Washington Post https://www.washingtonpost.com/news/innovations/wp/2016/05/11/this-professor-stunned-his-stude nts-when-he-revealed-the-secret-identity-of-his-teaching-assistant/?utm_term=.1b523d310acc
  7. 7. Scripted Bot oder AI ■ Skripted Response Chatbots: Hier handelt es sich um weitgehend statische Systemagenten, die durch bestimmte Trigger ausgelöst werden und feste Aktionen einleiten. Dem Lernenden ist mehrheitlich bewusst, dass es sich um eine Interaktion mit einem automatischen System handelt. ■ Covert oder Overt Turing Chatbots: Hier handelt es sich um dynamische Systemagenten, die in eine natürliche Interaktion mit den Lernenden treten. Den Lernenden ist entweder bewusst (overt) oder nicht bewusst (covert), dass sie mit einem automatischen System interagieren.
  8. 8. Bot Frameworks ■ Microsoft Cortana: Sehr gute API, gute Doku, für Development gratis https://dev.botframework.com/ https://www.microsoft.com/cognitive-services/en-us/face-api (Gesichtserkennung) ■ IBM Dr. Watson: http://www-05.ibm.com/de/watson/ ■ Alexa: https://developer.amazon.com/alexa-skills-kit
  9. 9. Standardfragen Studierende ■ Was ist klausurrelevant? ■ Wann sind die Prüfungen? ■ Welche Hilfsmittel sind erlaubt? ■ Fachfragen (1-10) ■ 1-3 echt schwierige Fragen ■ Gibt es eine Probeklausur mit Lösungen?
  10. 10. Was ist gute Lehre? ■ Erreichbarkeit ■ schnelle Response Time bei Antworten ■ keine widersprüchlichen Aussagen ■ Objektivität ■ Motivation ■ fachliche Qualifikation
  11. 11. Können Bots Lehrer ersetzen?
  12. 12. Können Bots Lehrer ersetzen?
  13. 13. Roboterjournalismus Ab 5:25 Minute https://youtu.be/u4twheuhrIA?t=325
  14. 14. Unique Content in 5 Jahren http://www.huffingtonpost.de/alexander-siebert/roboterjournalismus-im-jah re-2020---acht-thesen_b_5655061.html ■ personalisierte Artikel (Neigung, Ansprache, Sozialisierung, Sprache) ■ ortsbezogen, datengetrieben ■ Verstärkung der Filterblase ■ Qualität kann nicht automatisiert werden ■ Satire, Ironie, Kreativität und Humor bleibt beim Menschen ■ Was wird aus Fachbüchern?
  15. 15. Entwicklung eines Motivations-MoodleBots ■ Skripted Response Bot: ■ 3 Szenarien Inaktivität If no login since 10 days then write mail “Hey meld dich mal wieder, sonst fällst du durch.” Lerngruppe If profil.hometown is the same by more than 5 people then “Frag doch mal im Forum ob ihr ne Lerngruppe bilden wollt, es gibt min. 5 Leute aus hometown” Lernfortschritt If only 2 Badges, then write mail “Du hast schon 80% aller Badges, jetzt noch 2 und du hast es” ■ keine Core Änderungen ■ keine Logdaten ■ unabhängiges Moodle Plugin ■ editierbar über Language Packages
  16. 16. Motivationsbot 1 ■ Was ist klausurrelevant? ■ Wann sind die Prüfungen? ■ Welche Hilfsmittel sind erlaubt? ■ Fachfragen (1-10) ■ 1-3 echt schwierige Fragen ■ Gibt es eine Probeklausur mit Lösungen?
  17. 17. Motivationsbot 2 ■ Bild plus Sprache ■ Emotion plus Information ■ Standardisiert aber nicht individualisiert ■ Verschiedene Eskalationsstufen ■ Multilingual
  18. 18. Motivationsbot Fragen ■ Kurs- oder Portal-Feature? ■ Unsubscribe oder Block? ■ Rollout? ■ Multilingual ■ Schriftzeichen (Arabisch RTL) ■ Hoheit - Admin oder Teacher? ■ Stil? ■ Catcontent in der Uni?
  19. 19. Motivationsbot - Work out how it works out ■ Wissenschaftliche Begleitung als Lehr-/Lernforschung ■ Wirkungen und Nebenwirkungen ermitteln ■ Wirkmechanismen aufdecken (“Dismantling”) ■ Solides Forschungsdesign ■ Multiple Datenquellen ■ Multiple Aggregationsebenen
  20. 20. Motivationsbot - Work out how it works out Leitfragen Welche Gestaltungsaspekte für den Bot und die Interaktion mit dem Lerner spielen für den erfolgreichen Einsatz von Bots zur Lernunterstützung eine Rolle? Welche individuellen und kontextuellen Einflussfaktoren spielen für den erfolgreichen Einsatz von Bots zur Lernunterstützung eine Rolle? Ein Bot kann den Lerner auf drei Ebenen unterstützen: fachlich, motivational, strukturell. Welche Outcome- und Prozessvariablen gibt es auf diesen Ebenen? Welche Methoden/Instrumente sind geeignet, um die Outcome- und Prozess-Variablen zu operationalisieren und zu messen?
  21. 21. Motivationsbot - Work out how it works out
  22. 22. Soziodemografie Kognitiv Affektiv Nutzungsverhalten Alter Geschlecht Bildungsgrad Kultureller Hintergrund (Sprache, Herkunft, SES) Anzahl Kurse Vorwissen Eingangsquiz Selbsteinschätzung Konzentration IQ Studienmotivation Lerntypen/Lerninven- tare/Lernstrategien Selbstregulation/ -organisation Persönlichkeitstyp Einstellung zum Ler- nen, Lernerfahrung Anzahl/Dauer/Regel- mäßigkeit Logins Videominuten, Downloads ... Nutzung/Qualität von Quizzes, Beiträgen ... Abschlusstest Einstellung zu BOTs Motivationsbot - Work out how it works out
  23. 23. Motivationsbot - Work out how it works out FAM Rheinberg, Vollmeyer & Burns (2001) Fragebogen zur Erfassung aktueller Motivation in Lern-/ Leistungssituationen LIST Wild & Schiefele (1994) Lernstrategien im Studium MSLQ Pintrich, Smith, Garcia & McKeachie (1993) Motivated Strategies for Learning Questionnaire LSI Kolb (2005) Learning Styles Inventory d² Brickenkamp (1962) Test des Aufmerksamkeits- und Konzentrations- vermögens LAF Schütz, Kruglanski & Higgins (2003) Locomotion-Assess- ment-Fragebogen für Dimensionen der Selbstregulation BFI-K Rammstedt & John (2005) Kurzversion des Big Five Inventory zur Persönlichkeits- messung KAI Lehrl, Zipp, Schwarzfischer & Eissing (2016) Kurztest für allgemeine Intelligenz Server Data Nutzungs- daten und Logs FBOT N.N. (2017) Frage- bogen zum BOT- Einsatz
  24. 24. Motivationsbot - Work out how it works out ■ Obligatorische/freiwillige Teilnahme ■ Zeitliche Verteilung der Trait-Tests über den Kursverlauf ■ Benefits durch Teilnahme ■ Badges für Teilnahme ■ Post-hoc Information
  25. 25. Verteilte einmalige Erhebung (Lernstrategien, Einstellungen, Persönlichkeitsvariablen) Motivationsbot - Work out how it works out Kein BotAlle oder ausgewählte MOOIN Kurse und Lerner Opt-Out Kein Bot Opt-Out LIST MSLQ Eingangs Quiz Abschluss Test Server Daten KAI d² LSI LAF Regelmäßige Erhebung (Lernmotivation) einmalige Erhebung einmalige Erhebunglaufende Erhebung Vorher Nachher FAM
  26. 26. ■ Deskriptive Auswertung ■ Hierarchische (Multilevel) Modelle ■ Logistische oder multinomiale Modelle ■ Pfad-/Strukturgleichungsmodellierung ■ Prädiktion von Lernerfolg/Dropout ■ Deep Learning ■ Clusterbildung ■ Multivariate Lernerprofile ■ Big Data Motivationsbot - Work out how it works out
  27. 27. Danke Andreas Wittke & Malte Persike @onlinebynature & @methodenlehre Slides: http://bit.ly/botsinderlehre CC-BY
  28. 28. Quellen ■ Roboterfrau https://pixabay.com/de/roboter-k%C3%BCnstliche-intelligenz-frau-507811/ CC0 ■ Student mit Buch https://pixabay.com/de/student-professor-uni-b%C3%BCcher-2052868/ CC0 ■ Schülerin https://pixabay.com/de/lernen-schule-sch%C3%BClerin-mathematik-1996846/ CC0 ■ Badges https://de.pinterest.com/source/edudemic.com ■ Würfel https://pixabay.com/p-1294902 CC0 ■ Apfel https://pixabay.com/de/apple-bildung-schule-wissen-%C3%A4pfel-256263/ CC0 ■ Netflix Logo https://de.wikipedia.org/wiki/Netflix#/media/File:Netflix_2015_logo.svg ■ Tesla Logo https://de.wikipedia.org/wiki/Tesla_(Unternehmen)#/media/File:Tesla_Motors.svg
  • andreasdoerich

    Apr. 3, 2017
  • MichaelLanzinger

    Mar. 21, 2017

Vortrag beim E-Learning NRW Tag an der RWTH Aachen über Bots, Künstliche Intelligenz, Roboterjournalismus und BigData und wie eine Automatisierung der Lehre aussehen könnte. Der Vortrag wurde von Andreas Wittke (FH Lübeck) @onlinebynature und Malte Persike (Uni Mainz) @methodenlehre gehalten.

Views

Total views

3,723

On Slideshare

0

From embeds

0

Number of embeds

2,145

Actions

Downloads

15

Shares

0

Comments

0

Likes

2

×