Individuelle Förderung von Programmierfertigkeiten im Studium am Beispiel von Intelligenten Tutor Systemen für SQL
Faculty/Professorship: | Cognitive Systems ; Faculty of Information Systems and Applied Computer Science |
Author(s): | Thaler, Anna Magdalena ; Paukner, Franziska Karin ; Troles, Jonas-Dario ![]() ![]() |
Publisher Information: | Bamberg : Otto-Friedrich-Universität |
Year of publication: | 2022 |
Pages: | 61-77 |
is version of: | 10.57684/COS-986 |
Language(s): | German |
Licence: | Creative Commons - CC BY-NC-ND - Attribution - NonCommercial - NoDerivatives 4.0 International |
URN: | urn:nbn:de:bvb:473-irb-568342 |
Abstract: | Trotz vermehrter Technologisierung im (Hoch-)Schulkontext finden konkrete auf Künstlicher Intelligenz (KI) basierte Ansätze in den Lehr- und Lernumgebungen relativ wenig Anwendung. In diesem theoriebasierten Konzeptpapier erklären wir Einsatzmöglichkeiten von KI-basierten Methoden in der Hochschullehre anhand von sog. Intelligenten Tutor Systemen (ITS) im Anwendungskontext der Datenbanksprache SQL und allgemeiner Programmierfertigkeiten. Wir zeigen individuelle, technische und organisationale Rahmenbedingungen für eine erfolgreiche Umsetzung von ITS innerhalb der Hochschullehre auf. Es wird als Literaturüberblick dargestellt, wie mit ITS prozedurales und deklaratives Wissen ermittelt und die anzueignenden Fertigkeiten durch individuelles Feedback ausgebaut werden können. Insbesondere gehen wir dabei auf Overlay-Modelle und Algorithmic Debugging ein. Als interaktiver Feedbacktyp werden strukturanaloge Beispiele als Anwendung analogen Schlussfolgerns diskutiert. Als Reflexion des Forschungsprozesses beschäftigen wir uns mit relevanten theoretischen Überlegungen für die akademische Lehrpraxis, insbesondere der Schaffung einer offeneren Fehlerkultur und produktiven Scheiterns sowie kritischer Überlegungen zu Evaluationsmethoden bestehender ITS. |
GND Keywords: | Intelligentes Tutorsystem; Künstliche Intelligenz; Hochschulbildung; Programmierung; Lernerfolg |
Keywords: | Intelligente Tutor Systeme, Strukturanaloge Beispiele, AI in Education |
DDC Classification: | 004 Computer science 370 Education |
RVK Classification: | ST 304 |
Peer Reviewed: | Ja |
International Distribution: | Nein |
Type: | Contribution to an Articlecollection |
URI: | https://fis.uni-bamberg.de/handle/uniba/56834 |
Release Date: | 5. December 2022 |
Project: | DiKuLe: Digitale Kulturen der Lehre entwickeln |
File | Size | Format | |
---|---|---|---|
fisba56834.pdf | 214.47 kB | View/Open |

originated at the
University of Bamberg
University of Bamberg