E-Learning hält bereits seit mehreren Jahren vermehrt Einzug in Klassenzimmer, Hörsäle und Weiterbildungsangebote. Der rasch notwendige Umstieg auf Online-Lehre infolge der Corona-Pandemie hat diese Entwicklung zuletzt beschleunigt. Es bestehen bereits viele größtenteils frei zugängliche datenbasierte Lernangebote, die schnelle und effektive Lernerfolge zu verschiedensten Themen versprechen. Bei den meisten Angeboten handelt es sich bisher um starre „one-fits-all“-Lösungen, die in zum Teil interaktiv und multimedial gestaltet sind.

Aufbauend auf empirisch gesicherten Erkenntnissen aus dem Bereich Learning Analytics, die auf eine verbesserte Lernerfahrung schließen lassen, wenn Art, Umfang und Ausgestaltung der Lerninhalte zu den Bedürfnissen der Lernenden passen, soll ein adaptiver KI-Grundlagenkurs erstellt werden. Das übergeordnete Lernziel besteht darin, die Teilnehmenden durch Bearbeitung des Online-Kurses zu informierten Gesprächspartner:innen zu machen, die in der Lage sind, grundlegende Meldungen zu KI-bezogenen Themen einordnen und bewerten zu können. Der adaptive E-Learning-Kurs richtet sich an ein nicht-technisches Publikum und kann sowohl im Kontext betrieblicher Weiterbildung als auch von interessierten Studierenden und Schüler:innen genutzt werden.

Bei der Entwicklung des adaptiven E-Learning-Kurses wird ein hybrider Ansatz verfolgt. Einerseits werden theoriebasierte Empfehlungen zur adaptiven Gestaltung der Lerninhalte basierend auf dem Learning Style Model (Felder & Silverman, 1988) erstellt. Nach diesem Modell wird der Lernprozess hinsichtlich den vier Dimensionen Wahrnehmung, Input, Verarbeitung und Verständnis charakterisiert. In Abhängigkeit der Ausprägungen der Lernenden auf diesen Dimensionen, können Inhalte in einer optimalen Darstellungsform präsentiert werden. Andererseits sollen die für die jeweiligen Lernenden optimalen Kursinhalte datenbasiert zusammengestellt werden. Die Kursinhalte werden hierzu in viele kleine Lerneinheiten unterteilt, wobei am Ende jeder Einheit eine Lernfortschrittsüberprüfung des Lernfortschritts in Form eines Quiz erfolgt. Die Daten der Nutzer:innen werden verwendet, um Modelle in mehreren Iterationen zu trainieren und die Kursinhalte datenbasiert in der Form zusammenzustellen, dass optimale Lernerfolge erzielt werden.

Im Kontext dieses Anwendungsfalls sollen generalisierbare Fragen bezüglich der Interaktion mit KI-basierten Systemen im Bildungsbereich beforscht werden: Wie müssen diese Systeme gestaltet sein, um als nützlich und attraktiv bewertet zu werden? Empfinden die Nutzer:innen ein adaptives E-Learning System als unterstützend? Wie können KI-gestützte Lernerfolge ganzheitlich operationalisiert und evaluiert werden? Resultiert eine adaptive Lernerfahrung in effektiveren oder effizienteren Lernerfahrungen (Zeit vs. Qualität)?