Ausblick

Abschließend wollen wir noch einen Ausblick geben, wie die zukünftigen Entwicklungen von Lehr- und Lernsystemen aussehen könnten. Insbesondere scheinen zwei davon sehr interessant zu sein:

1. Semantik:KI: Semantik-WebKünstliche Intelligenz wie beispielweise ChatGPT oder Gemini bringen viele Möglichkeiten, um das Lernen noch personalisierter und aktivierender zu machen. Individuelles und sofortiges Feedback könnte hiermit realisiert werden. Allerdings kommen mit dem Einsatz von KI auch ethische Fragen hinzu, wie die Sicherheit der Daten, oder die Richtigkeit und Vollständigkeit (Alshahrani & Qureshi, 2024). Es ist eine Erweiterung des World Wide Web (WWW) und wird als ‚web of data‘ oder ‚Web 3.0‘ bezeichnet. Dabei werden die Informationen im WWW in einer strukturierten Form derart aufbereitet,vorstellbar, dass esKI Computerneinen ermöglichtgroßen wird,Einfluss sieauf inhaltlichallen zuhier verstehen und zu verarbeiten. Im Semantik-Web sind die Inhalte und deren Bedeutung also von Maschinen interpretierbar und analysierbar (Softic et al., 2013). Durch Verknüpfung und Analyse der strukturierten Daten können aus den bestehenden Daten automatisiert neue Informationen generiert und neue Erkenntnisse gewonnen werden. Dadurch ist es zum Beispiel möglich, intelligentevorgestellten Systeme zuhaben bauen, die passende Lernressourcen automatisiert ohne menschliches Eingreifen finden und den Lernenden zur Verfügung stellen.wird.
2. Empfehlungsalgorithmen: Angesichts der rasch wachsenden Informationen, Dienste und Ressourcen im Web wird es für Lernende immer schwieriger, die passenden erwünschten Informationen zu einem bestimmten Thema zu finden. Es liegt nahe, dass Systeme die passenden Informationen und Ressourcen vorschlagen sollten. Empfehlungssysteme werden in vielen Bereichen, unter anderem in LehrLehr- -und Lernsystemen, als Lösung dieser Probleme gesehen. Wie ein Empfehlungsalgorithmus aufgebaut ist, hängt stark von den Systemanforderungen ab. Im ‚content based filtering‘-Verfahren versucht man, den Lernenden Ressourcen zu empfehlen, welche den bereits verwendeten ähnlich sind. Zieht man ähnliche Lernende, nämlich die mit ähnlichen Lernzielen, in einem geschlossenen System in Betracht, spricht man vom ‚collaborative filtering‘-Verfahren, wobei das System Ressourcen vorschlägt, welche die ähnlichen Lernenden intensiv verwendeten. Um die Ziele eines Empfehlungssystems zu optimieren, werden oft verschiedene Algorithmen und Technologien, wie semantische und künstliche Intelligenz, miteinander kombiniert. Diese so genanntensogenannten Hybridsysteme versuchen, den Lernenden bestmöglich Lernressourcen zu empfehlen (Taraghi et al., 2013).

?

Sie wollen einen Online-Kurs durchführen? Beschreiben Sie das Kursziel, die Kursinhalte und das didaktische Konzept. Wählen Sie danach einen geeigneten Plattform-Typ aus und begründen Sie Ihre Auswahl.