Vortrag beim E-Learning NRW Tag an der RWTH Aachen über Bots, Künstliche Intelligenz, Roboterjournalismus und BigData und wie eine Automatisierung der Lehre aussehen könnte. Der Vortrag wurde von Andreas Wittke (FH Lübeck) @onlinebynature und Malte Persike (Uni Mainz) @methodenlehre gehalten.

1. Bots in der Lehre
E-Learning in den Ingenieurwissenschaften
Andreas Wittke Malte Persike
CDO@oncampus persike@uni-mainz.de

2. Ist Technology der
bessere Lehrer?
Andreas Wittke
CDO@oncampus

3. Game Changer
MOOCs sollte man mit Netflix und Tesla vergleichen,
nicht mit Mediatheken oder HybridAutos
MOOC

4. Digital ist besser!?
■ Wiki
■ Learning Analytics
■ Slack
■ Social Media
■ Papierlos
■ Cloud
■ YouTube
■ Responsiv Design
■ mooin

5. Schauen wir in die Zukunft
■ MOOCs
■ Big Data
■ Roboterjournalismus
■ Social Bots
■ Künstliche Intelligenz
■ Wearable
■ Quantify Self
■ Biohacking

6. What happened when a professor built a chatbot to
be his teaching assistant?
Quelle Washington Post
https://www.washingtonpost.com/news/innovations/wp/2016/05/11/this-professor-stunned-his-stude
nts-when-he-revealed-the-secret-identity-of-his-teaching-assistant/?utm_term=.1b523d310acc

7. Scripted Bot oder AI
■ Skripted Response Chatbots: Hier handelt es sich um weitgehend
statische Systemagenten, die durch bestimmte Trigger ausgelöst
werden und feste Aktionen einleiten. Dem Lernenden ist mehrheitlich
bewusst, dass es sich um eine Interaktion mit einem automatischen
System handelt.
■ Covert oder Overt Turing Chatbots: Hier handelt es sich um
dynamische Systemagenten, die in eine natürliche Interaktion mit den
Lernenden treten. Den Lernenden ist entweder bewusst (overt) oder
nicht bewusst (covert), dass sie mit einem automatischen System
interagieren.

8. Bot Frameworks
■ Microsoft Cortana: Sehr gute API, gute Doku, für Development
gratis
https://dev.botframework.com/
https://www.microsoft.com/cognitive-services/en-us/face-api
(Gesichtserkennung)
■ IBM Dr. Watson:
http://www-05.ibm.com/de/watson/
■ Alexa:
https://developer.amazon.com/alexa-skills-kit

9. Standardfragen Studierende
■ Was ist klausurrelevant?
■ Wann sind die Prüfungen?
■ Welche Hilfsmittel sind erlaubt?
■ Fachfragen (1-10)
■ 1-3 echt schwierige Fragen
■ Gibt es eine Probeklausur mit Lösungen?

10. Was ist gute Lehre?
■ Erreichbarkeit
■ schnelle Response Time bei Antworten
■ keine widersprüchlichen Aussagen
■ Objektivität
■ Motivation
■ fachliche Qualifikation

11. Können Bots Lehrer ersetzen?

12. Können Bots Lehrer ersetzen?

13. Roboterjournalismus
Ab 5:25 Minute https://youtu.be/u4twheuhrIA?t=325

14. Unique Content in 5 Jahren
http://www.huffingtonpost.de/alexander-siebert/roboterjournalismus-im-jah
re-2020---acht-thesen_b_5655061.html
■ personalisierte Artikel (Neigung, Ansprache,
Sozialisierung, Sprache)
■ ortsbezogen, datengetrieben
■ Verstärkung der Filterblase
■ Qualität kann nicht automatisiert werden
■ Satire, Ironie, Kreativität und Humor bleibt beim
Menschen
■ Was wird aus Fachbüchern?

15. Entwicklung eines
Motivations-MoodleBots
■ Skripted Response Bot:
■ 3 Szenarien
Inaktivität If no login since 10 days then write mail “Hey meld dich mal
wieder, sonst fällst du durch.”
Lerngruppe If profil.hometown is the same by more than 5 people then
“Frag doch mal im Forum ob ihr ne Lerngruppe bilden wollt, es gibt min. 5
Leute aus hometown”
Lernfortschritt If only 2 Badges, then write mail “Du hast schon 80% aller
Badges, jetzt noch 2 und du hast es”
■ keine Core Änderungen
■ keine Logdaten
■ unabhängiges Moodle Plugin
■ editierbar über Language Packages

16. Motivationsbot 1
■ Was ist klausurrelevant?
■ Wann sind die Prüfungen?
■ Welche Hilfsmittel sind erlaubt?
■ Fachfragen (1-10)
■ 1-3 echt schwierige Fragen
■ Gibt es eine Probeklausur mit Lösungen?

17. Motivationsbot 2
■ Bild plus Sprache
■ Emotion plus Information
■ Standardisiert aber nicht individualisiert
■ Verschiedene Eskalationsstufen
■ Multilingual

18. Motivationsbot Fragen
■ Kurs- oder Portal-Feature?
■ Unsubscribe oder Block?
■ Rollout?
■ Multilingual
■ Schriftzeichen (Arabisch RTL)
■ Hoheit - Admin oder Teacher?
■ Stil?
■ Catcontent in der Uni?

19. Motivationsbot - Work out how it works out
■ Wissenschaftliche Begleitung
als Lehr-/Lernforschung
■ Wirkungen und
Nebenwirkungen ermitteln
■ Wirkmechanismen aufdecken
(“Dismantling”)
■ Solides Forschungsdesign
■ Multiple Datenquellen
■ Multiple Aggregationsebenen

20. Motivationsbot - Work out how it works out
Leitfragen
Welche Gestaltungsaspekte für den Bot und die Interaktion mit dem Lerner spielen für
den erfolgreichen Einsatz von Bots zur Lernunterstützung eine Rolle?
Welche individuellen und kontextuellen Einflussfaktoren spielen für den erfolgreichen
Einsatz von Bots zur Lernunterstützung eine Rolle?
Ein Bot kann den Lerner auf drei Ebenen unterstützen: fachlich, motivational, strukturell.
Welche Outcome- und Prozessvariablen gibt es auf diesen Ebenen?
Welche Methoden/Instrumente sind geeignet, um die Outcome- und Prozess-Variablen
zu operationalisieren und zu messen?

21. Motivationsbot - Work out how it works out

22. Soziodemografie Kognitiv Affektiv Nutzungsverhalten
Alter
Geschlecht
Bildungsgrad
Kultureller Hintergrund
(Sprache, Herkunft, SES)
Anzahl Kurse
Vorwissen
Eingangsquiz
Selbsteinschätzung
Konzentration
IQ
Studienmotivation
Lerntypen/Lerninven-
tare/Lernstrategien
Selbstregulation/
-organisation
Persönlichkeitstyp
Einstellung zum Ler-
nen, Lernerfahrung
Anzahl/Dauer/Regel-
mäßigkeit Logins
Videominuten,
Downloads ...
Nutzung/Qualität von
Quizzes, Beiträgen ...
Abschlusstest
Einstellung zu
BOTs
Motivationsbot - Work out how it works out

23. Motivationsbot - Work out how it works out
FAM
Rheinberg, Vollmeyer &
Burns (2001)
Fragebogen zur
Erfassung aktueller
Motivation in Lern-/
Leistungssituationen
LIST
Wild & Schiefele (1994)
Lernstrategien im
Studium
MSLQ
Pintrich, Smith, Garcia &
McKeachie (1993)
Motivated Strategies
for Learning
Questionnaire
LSI
Kolb (2005)
Learning Styles
Inventory
d²
Brickenkamp (1962)
Test des
Aufmerksamkeits-
und Konzentrations-
vermögens
LAF
Schütz, Kruglanski &
Higgins (2003)
Locomotion-Assess-
ment-Fragebogen
für Dimensionen der
Selbstregulation
BFI-K
Rammstedt & John (2005)
Kurzversion des Big
Five Inventory zur
Persönlichkeits-
messung
KAI
Lehrl, Zipp, Schwarzfischer
& Eissing (2016)
Kurztest für
allgemeine
Intelligenz
Server
Data
Nutzungs-
daten und
Logs
FBOT
N.N. (2017)
Frage-
bogen
zum BOT-
Einsatz

24. Motivationsbot - Work out how it works out
■ Obligatorische/freiwillige Teilnahme
■ Zeitliche Verteilung der Trait-Tests über den
Kursverlauf
■ Benefits durch Teilnahme
■ Badges für Teilnahme
■ Post-hoc Information

25. Verteilte einmalige Erhebung
(Lernstrategien, Einstellungen, Persönlichkeitsvariablen)
Motivationsbot - Work out how it works out
Kein BotAlle oder
ausgewählte
MOOIN Kurse
und Lerner
Opt-Out
Kein Bot
Opt-Out
LIST
MSLQ
Eingangs
Quiz
Abschluss
Test
Server
Daten
KAI
d²
LSI
LAF
Regelmäßige Erhebung
(Lernmotivation)
einmalige Erhebung einmalige Erhebunglaufende Erhebung
Vorher Nachher
FAM

26. ■ Deskriptive Auswertung
■ Hierarchische (Multilevel) Modelle
■ Logistische oder multinomiale Modelle
■ Pfad-/Strukturgleichungsmodellierung
■ Prädiktion von Lernerfolg/Dropout
■ Deep Learning
■ Clusterbildung
■ Multivariate Lernerprofile
■ Big Data
Motivationsbot - Work out how it works out

27. Danke
Andreas Wittke & Malte Persike
@onlinebynature & @methodenlehre
Slides: http://bit.ly/botsinderlehre
CC-BY

28. Quellen
■ Roboterfrau https://pixabay.com/de/roboter-k%C3%BCnstliche-intelligenz-frau-507811/ CC0
■ Student mit Buch https://pixabay.com/de/student-professor-uni-b%C3%BCcher-2052868/ CC0
■ Schülerin https://pixabay.com/de/lernen-schule-sch%C3%BClerin-mathematik-1996846/ CC0
■ Badges https://de.pinterest.com/source/edudemic.com
■ Würfel https://pixabay.com/p-1294902 CC0
■ Apfel https://pixabay.com/de/apple-bildung-schule-wissen-%C3%A4pfel-256263/ CC0
■ Netflix Logo https://de.wikipedia.org/wiki/Netflix#/media/File:Netflix_2015_logo.svg
■ Tesla Logo https://de.wikipedia.org/wiki/Tesla_(Unternehmen)#/media/File:Tesla_Motors.svg