Diese Arbeit beschäftigt sich mit der Erstellung und Evaluation eines E-Mentoring Systems auf Basis eines Chatbots in der Hochschullehre. Innerhalb des Verbundprojekts tech4comp und dessen zugrundeliegender technischer Infrastruktur ist ein erster Chatbot zur Unterstützung der digitalen Lehre implementiert worden. Dieser Bot hat die Aufgabe, anhand von Aufgabenempfehlungen den Lernerfolg zu steigern. In einer Studie mit Lernenden eines Mathematikmoduls an der Hochschule für Technik, Wirtschaft und Kultur Leipzig (HTWK) hat eine erste Evaluation stattgefunden. Mit den gesammelten Erfahrungswerten und dem detektierten Verbesserungspotenzial ist daraufhin ein Expertensystem mit auf Lerndaten basierenden Empfehlungsfunktionen realisiert worden. Die Arbeit zeigt das erfolgreiche Zusammenspiel verschiedener Komponenten innerhalb des Verbundprojekts. Gleichzeitig wird damit die Grundlage für weitere Entwicklungen innerhalb des E-Mentorings gelegt. Ergänzend dazu sind die Entwicklungspotenziale und die nächsten Schritte aufgezeigt, welche notwendig sind, um in Zukunft die Hochschullehre mittels selbstlernender künstlicher Intelligenz zu unterstützen.:1 Einleitung 2 Wissenschaftliche Grundlagen 2.1 Mentoring 2.1.1 Allgemein-pädagogische Perspektive 2.1.2 Inhaltliche Perspektive 2.1.3 Systemische Perspektive 2.1.4 E-Mentoring 2.2 Einordnung des Projekts 2.2.1 Verbundprojekt tech4comp 2.2.2 Bestehende Projekte 2.3 Chatbots 2.3.1 Historische Entwicklung 2.3.2 Chatbots in der Hochschullehre 2.4 Grundlagenmodellierung 2.4.1 Domänenmodellierung mittels einer Ontologie 2.4.2 Lernendenmodellierung 3 Technische Analyse der bestehenden Infrastruktur 3.1 Technische Gesamtinfrastruktur des Bildungsnetzwerks 3.2 Social Bot Framework 3.3 Rocket.Chat 3.4 Datenspeicher - Learning Record Store 3.5 Mentoring Workbench 3.6 KI-Infrastruktur 3.7 Lernmanagementsystem OPAL 3.8 ONYX-Aufgabeneditor 3.9 Authentifizierung 4 Umsetzung 4.1 Vorgehensweise 4.2 Aufbereitung der Lerninhalte 4.3 Erstellung der Ontologie 4.3.1 Überblick 4.3.2 Modellierung der Lernobjekte 4.4 Entwicklung des Chatbots und Durchführung der Studie 4.4.1 Entwicklung des Chatbots 4.4.2 Vorbereitungen im OPAL-Kurs 4.4.3 Datenschutzerklärung 4.4.4 Anleitung für die Studierenden 4.4.5 Auswertung der Studie 4.5 Entwicklung des dynamischen Expertensystems 4.5.1 Aufbereitung der Daten zur weiteren Nutzung 4.5.2 Entwicklung des KI-Service 5 Schlussbetrachtungen 5.1 Ausblick 5.1.1 Entwicklungen außerhalb der Chat-Interaktionen 5.1.2 Entwicklungen innerhalb der Chat-Interaktionen 5.1.3 Anpassungen der Aufgaben 5.2 Fazit Abbildungsverzeichnis Tabellenverzeichnis Quelltextverzeichnis Literaturverzeichnis Eidesstattliche Erklärung Anhang / This master thesis is about the creation and evaluation of an e-mentoring system based on a chatbot in higher education. In a first approach, a chatbot was used to support the students. The entire technical infrastructure and knowledge was shared as part of the tech4comp joint project. The primary objective is the recommendation of tasks for an increased learning experience. To get first feedback on the system, a study with students in a math class at the HTWK is conducted. Based on the results, an expert system got implemented and developed. In addition, the recommendation functions work with newly generated data from the students. This thesis shows the cooperation between different parts of the joint project. Moreover, it serves as a basis for further developments and studies in the field of e-mentoring. With the help of the implemented system, it is possible to gain insights into further potentials. The next iteration should include self-learning artificial intelligence to improve the bot’s suggestions.:1 Einleitung 2 Wissenschaftliche Grundlagen 2.1 Mentoring 2.1.1 Allgemein-pädagogische Perspektive 2.1.2 Inhaltliche Perspektive 2.1.3 Systemische Perspektive 2.1.4 E-Mentoring 2.2 Einordnung des Projekts 2.2.1 Verbundprojekt tech4comp 2.2.2 Bestehende Projekte 2.3 Chatbots 2.3.1 Historische Entwicklung 2.3.2 Chatbots in der Hochschullehre 2.4 Grundlagenmodellierung 2.4.1 Domänenmodellierung mittels einer Ontologie 2.4.2 Lernendenmodellierung 3 Technische Analyse der bestehenden Infrastruktur 3.1 Technische Gesamtinfrastruktur des Bildungsnetzwerks 3.2 Social Bot Framework 3.3 Rocket.Chat 3.4 Datenspeicher - Learning Record Store 3.5 Mentoring Workbench 3.6 KI-Infrastruktur 3.7 Lernmanagementsystem OPAL 3.8 ONYX-Aufgabeneditor 3.9 Authentifizierung 4 Umsetzung 4.1 Vorgehensweise 4.2 Aufbereitung der Lerninhalte 4.3 Erstellung der Ontologie 4.3.1 Überblick 4.3.2 Modellierung der Lernobjekte 4.4 Entwicklung des Chatbots und Durchführung der Studie 4.4.1 Entwicklung des Chatbots 4.4.2 Vorbereitungen im OPAL-Kurs 4.4.3 Datenschutzerklärung 4.4.4 Anleitung für die Studierenden 4.4.5 Auswertung der Studie 4.5 Entwicklung des dynamischen Expertensystems 4.5.1 Aufbereitung der Daten zur weiteren Nutzung 4.5.2 Entwicklung des KI-Service 5 Schlussbetrachtungen 5.1 Ausblick 5.1.1 Entwicklungen außerhalb der Chat-Interaktionen 5.1.2 Entwicklungen innerhalb der Chat-Interaktionen 5.1.3 Anpassungen der Aufgaben 5.2 Fazit Abbildungsverzeichnis Tabellenverzeichnis Quelltextverzeichnis Literaturverzeichnis Eidesstattliche Erklärung Anhang

Ein Gespräch mit Ingo Schwarzer, DB Systel, und Prof. Tim Fingscheidt, TU Braunschweig, mFUND-Projekt Automatisch generierte Erklärungen maschineller Entscheidungen (AGEME).

Die Industrie 5.0 fordert neue Lernansätze und zeitgleich auch passende Lernumgebungen. Parallel müssen diese neben den didaktischen Herausforderungen auch den Transfer- und Übertragungsgedanken auf die industriellen Anwendungen gerecht werden. Durch die täglich steigende Anzahl vielfältiger KI-Tools insbesondere textgenerierenden Tools, braucht es Systeme mit einem breiten Anwendungsbereich. Im Rahmen des vorliegenden Beitrags geben die Autoren einen Einblick in die Wildauer Smart Production, welche den transdisziplinären Gedanken von Lern- und Transferumgebungen Rechnung trägt, Möglichkeiten der Gestaltung komplexer Produktionssysteme widerspiegelt, die Integration menschzentrierter Ansätze ermöglicht und als Forschungsumgebung eingesetzt wird.

No description available.

Darmstadt, Techn. Universiẗat, Diss., 2007. / Dateien im PDF-Format.

Zugl.: Kassel, Universiẗat, Diss., 2006. / Includes bibliographical references (p. 455-497).

Universiẗat, Diss.--Münster, 2007. / Literaturverz. S. XXXI - XCVIII.

Zugl.: Bielefeld, Univ., Diss., 2009

Following Snyderman and Rothman (1987, 1988), we surveyed expert opinions on the current state of intelligence research. This report examines expert opinions on causes of international differences in student assessment and psychometric IQ test results. Experts were surveyed about the importance of culture, genes, education (quantity and quality), wealth, health, geography, climate, politics, modernization, sampling error, test knowledge, discrimination, test bias, and migration. The importance of these factors was evaluated for diverse countries, regions, and groups including Finland, East Asia, sub-Saharan Africa, Southern Europe, the Arabian-Muslim world, Latin America, Israel, Jews in the West, Roma (gypsies), and Muslim immigrants. Education was rated by N = 71 experts as the most important cause of international ability differences. Genes were rated as the second most relevant factor but also had the highest variability in ratings. Culture, health, wealth, modernization, and politics were the next most important factors, whereas other factors such as geography, climate, test bias, and sampling error were less important. The paper concludes with a discussion of limitations of the survey (e.g., response rates and validity of expert opinions).

This thesis addresses the question of how to teach dynamic motor skills to synthetic humanoids. A general approach based on imitation learning is presented and evaluated on a number of synthetic humanoids, as well as a number of different motor skills. The approach allows for intuitive and natural specification of motor skills without the need for expert knowledge. Using this approach we show that various important problems in robotics and computer animation can be tackled, including the synthesis of natural grasping, the synthesis of locomotion behavior or the physical interaction between humans and robots.