KI-basierter digitaler Weiterbildungsraum
Methodik
Der zentrale Fokus des methodischen Vorgehens in WBsmart bildet der KI-basierte digitale Weiterbildungsraum, welcher interdisziplinär und partizipativ sowohl methodisch als auch technologisch entwickelt wird.
Dieser bildet das interdisziplinäre Zusammenspiel von innovativer berufsbezogener Weiterbildung und des User Centered Designs zur Erweiterung und Optimierung der KI-basierten Weiterbildungsplattform ab.
Das Bindeglied sind dabei verschiedene von allen Projektpartner*innen interdisziplinär zu entwickelnde smarte Spaces im Digitalen Weiterbildungsraum bestehend aus einem Think Space zur partizipativen Entwicklung mit der Zielgruppe, einem Development Space in welchem die Erkenntnisse in Prototypen für User Frontend, Prozesse und Wissensgraph überführt werden sowie einem Design und Usability Space welcher darauf abzielt, das konkrete didaktische Konzept in der Plattform zu implementieren und innerhalb eines Dissemination Spaces mit dem Ziel einer nachhaltigen Nutzung zu bündeln.
KI-basierter digitaler Weiterbildungsraum – Methodisches Vorgehen
Der Block der Berufsbezogenen Weiterbildung zeigt die inhaltlich notwendigen Schritte zur Erarbeitung eines Weiterbildungsformats mit didaktischem Konzept, ebenso wie der späteren Evaluation der Umsetzung. Der Lernfortschritt bzw. die Erprobung der prototypischen Umsetzung erfolgen dabei in Form von Workshops, so dass die gewonnenen Erkenntnisse als Iteration in die Verbesserung der Plattform einfließen können. Hierbei wird ein agiler Ansatz verfolgt, so dass nach jedem Workshop die Ergebnisse in neuen abgegrenzten Funktions- oder Designfeatures der Plattform abgebildet und umgesetzt werden. Hierzu erfolgt eine enge Zusammenarbeit zwischen dem Projektteam und der Anwendergruppe.
Dies zeigt sich auf der rechten Seite der Abbildung im Block User-
Centered KI Design welches die korrespondierenden Schritte zur technischen Weiterentwicklung von semantischer Wissensrepräsentation, Oberflächendesign, funktionalem und benutzerbezogenem Test und Erprobung abbildet. Hierbei wird auch ein spezieller Fokus auf die Ermittlung der Einschätzung zur Vertrauenswürdigkeit und Verständlichkeit (Erklärbarkeit) der KI-Empfehlungen durch die Anwendergruppe gelegt. Zusammenfassend bildet dieser Block das softwaretechnische Design, Entwicklung und Test ab.
Erklärbare, individuelle Empfehlungen für die Lernenden
Der KI-basierte digitale Weiterbildungsraum setzt auf der bereits existierenden eDoer-Lernplattform auf. Im Zentrum steht die KI-basierte Generierung von individuell bzw. personalisierten Empfehlungen für die Lernenden. Hierzu werden die partizipativ entwickelten Lerninhalte und -themen als sogenannter Wissensgraph modelliert auf welchem dann die Empfehlungsalgorithmen arbeiten. Wissensgraphen sind eine semantische Form der Wissensrepräsentation, welche inhaltlich verwandte oder voneinander abhängige Themen verknüpfen und so sowohl eine Modellierung von Themenkarten als auch Lernpfaden zur Weiterbildung ermöglichen. Weitergehend ist eine Verknüpfung der Themen mit Weiterbildungsmaterialien, in diesem Falle Open Educational Resources (OER), geplant. Bildlich kann man sich dies wie verschiedene Knoten vorstellen, welche über Kanten miteinander verbunden sind.
Die gewählten Weiterbildungsthemen ergeben sich dabei anhand der oben beschriebenen Spaces unter Mitwirkung der späteren Zielgruppe. Weiterhin werden Methoden aus dem Bereich des Text Mining eingesetzt, welche eine Extraktion von Inhalten oder Entitäten aus bestehenden Texten (z.B. Weiterbildungscurricula) ermöglichen, die wiederum zur Anreicherung des Wissensgraphen eingesetzt werden können. So wird eine semi-automatisierte Aktualisierung und Erweiterung des Graphen unterstützt. Regelbasierte Algorithmen bilden hierbei ein Zusammenspiel mit tiefen neuronalen Netzen um eine semantische Extraktion und Identifikation der wichtigsten Entitäten in den zu verarbeitenden Texten zu ermöglichen. Dieser Anteil passiert jedoch „unter der Haube“ der Plattform und ist für die Lernenden nicht sichtbar.
KI-basierter digitaler Weiterbildungsraum – Digitale Lernkonzepte
Die Generierung der Empfehlungen verfolgt einen hybriden Ansatz. WBsmart setzt hierzu zu einem Teil auf Collaborative Filtering, eine Form der Empfehlungsgenerierung basierend auf ähnlichen Lernenden, und zu einem anderen Teil auf semantischer Inferenz und dem Ableiten von Kontextinformationen aus dem Wissensgraphen.
Zur Unterstützung einer besseren Verständlichkeit der jeweiligen Empfehlungen für die Lernenden, im Sinne der Erklärbarkeit, wird ebenfalls der Wissensgraph herangezogen und anhand der durchlaufenen Lernpfade in eine natürlich-sprachliche Erklärung überführt.
Letztendlich ergibt sich für jede/n Anwender*in so ein individuelles Lernprofil für welches die KI-Elemente in WBsmart individualisierte und an den Lernbedarf und Lernfortschritt angepasste Empfehlungen generieren kann.