News

Personalisierte Rückmeldungen in digitalen Lernprozessen

Feedback spielt bei Lernprozessen eine zentrale Rolle. Die Digitalisierung eröffnet Lehrkräften zunehmend mehr Möglichkeiten, Schülerinnen und Schülern personalisierte Rückmeldungen zu geben. Prof. Dr. Uwe Maier und Christian Klotz von der Abteilung Schulpädagogik der PH Schwäbisch Gmünd haben die Forschungsarbeiten der letzten 10 Jahre zu den Auswirkungen der personalisierten Rückmeldungen auf die Lernerfolge ausgewertet und systematisiert. Im Fokus stand, welche digitalen Technologien hierzu in den letzten 10 Jahren erforscht wurden, was künstliche Intelligenz zur Personalisierung von Feedback beiträgt, welche Lernerfolge damit erzielt werden können und wo noch Forschungslücken sind.

Die Auswertung ergab, dass personalisiertes Feedback vor allem für digitale Lernumgebungen an Hochschulen entwickelt und erforscht wurde. Nur ein Viertel der publizierten Studien beschäftigen sich mit digitalem, personalisiertem Feedback im Schulbereich. Auch bei den Lerndomänen gibt es ein großes Ungleichgewicht. Die überwiegende Mehrheit der Studien wurde im Bereich der MINT-Fächer durchgeführt. Die in den Studien entwickelten Verfahren der Personalisierung von Rückmeldungen an Lernende sind vielfältig und vielversprechend. Sehr häufig kommen sog. „Recommender-Systeme“ zum Einsatz. Diese Programme analysieren Log-Daten aus Lernmanagementsystemen und generieren automatisch Feedback-Emails für Studierende zu vorab definierten Zeitpunkten im Semester. Evaluationsstudien zeigen, dass damit Studierende mit Motivationsdefiziten oder ungünstigen Lernstrategien gezielt unterstützt werden können. Während diese „Recommender-Systeme“ mit klassischen, regelbasierten Algorithmen arbeiten, finden sich zunehmend auch Feedbacksysteme, die Verfahren des maschinellen Lernens (oder umgangssprachlich: Künstliche Intelligenz) anwenden. In einer Studie wurde beispielsweise ein neuronales Netz trainiert, um die Studierendenantworten bei einer Programmieraufgabe zu analysieren. Das personalisierte Feedback zeigt dann, welches Bewertungskriterium bei der Überarbeitung der Aufgabe beachtet werden sollte. Das Literatur-Review kann aber auch eine Reihe von Forschungsdefiziten benennen. Beispielsweise gibt es bisher noch kaum Verfahren, in denen die emotionalen Zustände von Lernenden genutzt werden, um Feedback zu personalisieren. Auch die personalisierte Rückmeldung von Lernverläufen und Lernzuwächsen ist bisher kaum erforscht.

Das Review ist in der aktuellen Ausgabe der Fachzeitschrift „Computers & Education: Artificial Intelligence" erschienen (https://doi.org/10.1016/j.caeai.2022.100080).