Forschungsrichtung
Untersuchung von Möglichkeiten und Herausforderungen von KI in der physikalischen Bildung.
Kurzbeschreibung
Die Nachwuchsgruppe AIPE erforscht und entwickelt Lernumgebungen und Prinzipien der Personalisierung auf Basis von Charakteristika von Lernenden und Prozessdaten (Eye Tracking und EEG). Dabei werden sowohl neue Lernplattformen basierend auf klassischen Maschine Learning Methoden als auch auf Large Language Models untersucht. Ein inhaltlicher Schwerpunkt der Nachwuchsgruppe ist die empirische Untersuchung und Entwicklung von Visualisierungen zu Konzepten von Quantentechnologien.
Ziele/Zielgruppe
Zu den Zielen von AIPE gehört die Ermöglichung und Optimierung einer schulischen Binnendifferenzierung, die Lernenden vielfältig und individuell Unterstützungsmöglichkeiten beim Lernen von Physik anbietet. Eine so gezielte Rückmeldung des Lernstands und Fortschritts von Lernenden kann üblicherweise von Lehrkräften aufgrund des großen Aufwands nicht regelmäßig geleistet werden. Hier untersucht die Nachwuchsgruppe AIPE, wie KI effektiv der Lehrkräfte in der Binnendifferenzierung unterstützen und so Lernende individuelle Lernunterstützungen bereit stellen kann.
Ein weiteres Ziel von AIPE besteht in der gezielten Nutzung von KI zur Reduktion der Belastung von Lehrkräften, indem verschiedene Aufgaben in der Unterrichtsvor- und Nachbereitung sowie in der Unterrichtsdurchführung durch KI (teilweise) übernommen werden. Hierzu zählen bspw. (Vor-)korrekturen von Haus- oder Schulaufgaben, die Erstellung von Aufgaben sowie die Planung und Durchführung des Unterrichts.
Inhalte
- Der Einfluss von personalisiertem kognitivem und metakognitivem Feedback auf selbstregulierte Lernprozesse, Konzeptverständnis und kritisches Denken
- Die Untersuchung von erfolgreichen Interaktionen von Lernenden mit Sprachmodellen beim Problemlösen
- Blickverhalten beim Lernen und Problemlösen mit multiplen Repräsentationen, insbesondere mit konventionsbasierten Repräsentationen wie Graphen etc.
- Adaptive Bereitstellung von Lernunterstützungen auf Basis von Prozessdaten, wie bspw. Blickdaten und EEG
- Lernpfadanalyse und Prädiktion von Lernerfolg
- Automatisierte Aufgabenerstellung in der Physik
- Diagnose und Relevanz von Kompetenzen im Zusammenhang mit Large Language Models für das Lernen
- Entwicklung eines Smartphone-Spiels und Untersuchung der Kooperation Mensch und KI-Charakteren beim spielbasierten Lernen von Quantentechnologien
- Multiple Repräsentationen in der Quantentechnologien
- Entwicklung eines europaweiten Austauschprogramms im Rahmen von Quantentechnologien
- Erweiterung von klassischen Praktikumsexperimenten durch KI-basierte Inhalte
- Kritisches Argumentieren und Problemlösen in Online-Umgebungen
Gruppenleiter/Ansprechpartner
