{"id":742,"date":"2023-05-31T08:59:26","date_gmt":"2023-05-31T08:59:26","guid":{"rendered":"https:\/\/digitalfueralle.codip.tu-dresden.de\/?p=742"},"modified":"2023-05-31T09:01:15","modified_gmt":"2023-05-31T09:01:15","slug":"was-macht-eigentlich-emil-adaptives-lernen-im-lernmanagementsystem-ilias","status":"publish","type":"post","link":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/was-macht-eigentlich-emil-adaptives-lernen-im-lernmanagementsystem-ilias\/","title":{"rendered":"What does EMIL actually do? \u2013 Adaptive learning in the learning management system ILIAS"},"content":{"rendered":"

\"\"Im Verbundprojekt ELe-com<\/a> entwickelt und erprobt das CODIP in Kooperation mit verschiedenen Partner:innen eine digitale adaptive Lernanwendung f\u00fcr die berufsbezogene Weiterbildung zum Thema Customer Journey\/E-Commerce f\u00fcr das ILIAS-basierte Lernmanagementsystem myFlexNet.de<\/a>. In den letzten Monaten haben wir neben der Produktion von Mikro-Lerneinheiten im Text-, Audio- und Video-Format zum Thema Customer Journey auch intensiv an dem KI-unterst\u00fctzten Entscheidungsmodul EMIL gearbeitet.<\/p>\n

Ziel des zu entwickelnden KI-Modul EMIL<\/strong> ist es, Empfehlungen zu individuellen Lernpfaden und Lernangeboten auf Grundlage der Bed\u00fcrfnisse der jeweiligen Nutzer:innen zu geben. Zu diesem Zweck wurden verschiedene Empfehlungssysteme systematisch untersucht, um ihre Eignung f\u00fcr das Projekt zu ermitteln. Das Hauptaugenmerk lag dabei auf den zu erwartenden Daten, die entweder direkt aus dem Lernmanagementsystem (LMS) ILIAS oder indirekt \u00fcber eingebettete Plug-ins wie H5P<\/a>\u00a0bezogen werden. Die so erhaltenen Daten werden in einem Learning Record Store (LRS) gespeichert. Die damit erstellten Nutzerprofile liefern der KI weitere Test- und Trainingsdaten. Nach dem Vergleich von elf Empfehlungssystemen wurde ein hybrides Modell entwickelt, das aus einem kollaborativen und einem inhaltsbasierten Empfehlungssystem (Recommender System) besteht.<\/p>\n

 <\/p>\n

Begleitend wird von unserem Partner Qualitus GmbH<\/a> das Modul LENA<\/strong> innerhalb von ILIAS entwickelt, um die unterschiedlichen Motivationen, Erwartungen und Voraussetzungen der Zielgruppe sowie deren Lernpr\u00e4ferenzen beim digitalen Lernen zu erheben.<\/p>\n

Zus\u00e4tzlich zu den Nutzer:innendaten, die \u00fcber LENA erhoben werden, dienen EMIL s\u00e4mtliche Interaktionsdaten der Lernenden mit den Mikrolerneinheiten (MLE) als Input. Um die MLE zu klassifizieren und die \u00c4hnlichkeiten zueinander zu identifizieren, wird eine Support Vector Machine mit Kosinus-\u00c4hnlichkeit eingesetzt. Als Output liefert EMIL eine Vorhersage der Interaktionswahrscheinlichkeiten der Nutzer:innen mit anderen MLE im LMS.<\/p>\n

\"\"
Abb. 1: Personalisierte Lernpfade<\/em><\/figcaption><\/figure>\n

 <\/p>\n

Schlie\u00dft ein:e Nutzer:in eine MLE ab, erstellt das Empfehlungssystem f\u00fcr jede:n Nutzer:in einen neuen personalisierten Lernpfad. Die Feststellung, wann eine MLE beendet ist, kann je nach Medientyp unterschiedlich ausfallen. Erh\u00e4lt EMIL solch ein sogenanntes Event, verarbeitet es alle ihm vorliegenden Daten. Auf Grundlage dieser Auswertung trifft EMIL Entscheidungen f\u00fcr passende Lerninhalte, welche an LENA zur\u00fcckgegeben und den Lernenden als Empfehlung pr\u00e4sentiert werden (siehe Abbildung 1).<\/p>\n

Bekannte Herausforderungen beim Einsatz von KI stellen das Problem der Datenknappheit und das Cold-Start Problem dar. Im Rahmen des Projekts wird die L\u00f6sung beider unter Einsatz verschiedener Strategien untersucht und eine Bew\u00e4ltigung wie folgt angestrebt:<\/p>\n

 <\/p>\n

    \n
  1. Das Problem der Datenknappheit ergibt sich aus einer zu geringen Anzahl von Trainingsdaten.[1]<\/a> Um dies zu umgehen, werden im Projekt zwei Strategien erprobt:\n
      \n
    1. Online-Batch Training: Das neuronale Netz wird w\u00e4hrend des Betriebs trainiert und evaluiert.<\/li>\n
    2. Generative Adversarial Network (GAN): Das neuronale Netz wird vor der Ausf\u00fchrung des Modells mit k\u00fcnstlich generierten Daten erg\u00e4nzt und trainiert, um so die Genauigkeit der Gewichte einzelner Neuronen zu verbessern. Die k\u00fcnstlichen Daten basieren dabei auf wenigen, aber realen Daten von Nutzer:innen.<\/li>\n<\/ol>\n<\/li>\n
    3. Das Cold-Start Problem ergibt sich daraus, dass das System keine Aussagen \u00fcber Nutzer:innen treffen kann, \u00fcber die es noch nicht gen\u00fcgend Informationen gesammelt hat. Um diese Tatsache zu umgehen, wird eine Initiativumfrage durchgef\u00fchrt, die dem KI-Modell erste Informationen \u00fcber die\/den Nutzenden liefert, bevor das System die Vorhersagen trifft.<\/li>\n<\/ol>\n

      Sobald wir im Projekt ausreichend MLE zum Thema konzipiert und produziert haben, wird EMIL getestet und angepasst. F\u00fcr uns bleibt es also spannend!<\/p>\n

      Autor*innen: Maria M\u00fcller, Robert Lorenz<\/p>\n

       <\/p>\n

      [1]<\/a> Die geringe Anzahl an Trainingsdaten ergibt sich aus dem Umstand, dass einerseits zu wenige (Test-) Nutzende verf\u00fcgbar sind und dass andererseits LENA als Teilprodukt noch nicht fertig ist. Deshalb k\u00f6nnen bisher keine Testnutzer:innen \u00fcber LENA Daten an uns \u00fcbermitteln.<\/p>\n","protected":false},"excerpt":{"rendered":"

      In the joint project ELe-com, CODIP, in cooperation with various partners, is developing and testing a digital adaptive learning application for job-related training on the topic of customer journey\/e-commerce for the ILIAS-based learning management system myFlexNet.de. In recent months, in addition to producing micro-learning units in text, audio and video format on the topic of customer journey, we have also worked intensively on the AI-supported decision module EMIL. The aim of the...<\/p>","protected":false},"author":13,"featured_media":744,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[29,60],"tags":[86,31,2,107,6,26,3],"class_list":["post-742","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-berufliche-bildung","category-digitale-bildung","tag-berufliche-bildung","tag-berufsbildung","tag-digitales-lehren-und-lernen","tag-ele-com","tag-neue-lehr-lernkulturen","tag-projektbericht","tag-projekte"],"_links":{"self":[{"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/posts\/742","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/users\/13"}],"replies":[{"embeddable":true,"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/comments?post=742"}],"version-history":[{"count":2,"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/posts\/742\/revisions"}],"predecessor-version":[{"id":746,"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/posts\/742\/revisions\/746"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/media\/744"}],"wp:attachment":[{"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/media?parent=742"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/categories?post=742"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/digitalfueralle.codip.tu-dresden.de\/en\/wp-json\/wp\/v2\/tags?post=742"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}