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  ; Schmid, Ute  
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 SizeFormat  
fisba56834.pdf214.47 kBPDFView/Open