Adaptivität und Personalisierung für spielebasiertes Lernen in der Bildauswertung - machen auch Sie Ihr Lernspiel oder Ihre Computersimulation nutzeradaptiv
Für eine nutzerzentrierte Wissensvermittlung müssen Computersimulationen und digitale Lernspiele den Erfahrungs- und Wissensstand der Nutzer berücksichtigen sowie deren intrinsische Motivation zur Interkation für die Wissensvermittlung ausnutzen.
Die adaptive und adaptierbare Wissensvermittlung hat zum Ziel, den Wissenserwerb durch personalisiertes Wissensmanagement bei der Bildauswertung zu fördern. Die Fähigkeiten eines Lehrers, Tutors oder Lernbegleiters und die Vorteile durch die individuelle, personalisierte Unterstützung sollen dabei auf die Maschine übertragen werden. Das heißt, abhängig vom Wissensstand des Lerners und den zur Verfügung stehenden Lernhilfen soll sich das Lernsystem an die Bedürfnisse der Nutzer und situativ an die Aufgabenkontexte anpassen und geeignete Unterstützung liefern.
Ziel der Adaptivität ist es, die Nutzer im sogenannten Flow-Kanal zu halten, ausbalanciert zwischen individuellen Herausforderungen und Fähigkeiten.
Die Architektur „E-Learning A.I.“ (ELAI) erlaubt durch den Einsatz der Experience API (xAPI) die einfache Konnektivität mit anderen Spielen oder Simulationen, und sie bietet zudem Möglichkeiten für Learning Analytics bietet.
Es werden Konzepte, Verfahren und Komponenten zur adaptiven Wissensvermittlung entwickelt, die das Lernerverhalten an verschiedenen Systemen (Computersimulationen und Serious Games) erfassen, die gesammelten Daten analysieren und darauf basierend reagieren.
Im Vordergrund steht hier die Anpassung von Wissenseinheiten und der Lernumgebung an den Bildauswerter, seinen Lernerfolg sowie an die Lernsituation insgesamt.
Adaptivität bedeutet im Rahmen dieses Beitrags die Anpassung der Computersimulationen und Serious Games an den Lernfortschritt und an die Lernbedürfnisse, d.h. die Interaktionsmechanismen, Inhalte oder Vorschläge werden durch eine intelligente Tutoring-Komponente personalisiert – analog zu den Mechanismen bei Intelligenten Tutorsystemen (ITS). Wie bei ITS werden hierzu Techniken des maschinellen Lernens eingesetzt, um einerseits die Parameter und andererseits die zugehörigen Parameterwerte zu finden. Es werden Adaptivitätsmechanismen implementiert, die sowohl die Schwierigkeit als auch die Hilfestellungen dynamisch an den Lernfortschritt der Nutzer anpassen.
Eine Übertragbarkeit auf andere Serious Games, Computersimulationen oder andere Anwendungsfelder ist machbar. Kernelement der ELAI ist die Interoperabilität mit existierenden Systemen.
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB