Projektbeschreibung
Die dynamische Digitalisierung unserer Arbeitswelt macht umfassende digitale Kompetenzen unverzichtbar. Statt diese gezielt zu vermitteln, konzentriert sich der Unterricht an Hochschulen jedoch mehr auf die Nutzung digitaler Werkzeuge als auf das eigentliche Verständnis digitaler Themen. Dadurch fehlen Studierenden wichtige Fähigkeiten, die sie benötigen, um in einer zunehmend digitalisierten Welt erfolgreich zu sein.
Das interdisziplinäre Forschungsprojekt in Kooperation von bidt und der Technischen Universität München adressierte diese Lücke. Das Projektteam erforschte das Ausmaß digitaler Lerninhalte in der Hochschullehre, indem es das Wissen aus den Bereichen Informatik und der Bildungswissenschaft kombinierte.
Im Zentrum der methodischen Herangehensweise stand die Analyse von Lehrveranstaltungsbeschreibungen aus aktuellen Vorlesungsverzeichnissen bzw. Modulhandbüchern verschiedener Universitäten. Bei der Untersuchung setzte das Projektteam auf die Anwendung von Natural-Language-Processing(NLP)-Modellen, wobei die Analyse sowohl bereits etablierte NLP-Methoden umfasste, als auch die eigene Entwicklung einer speziellen NLP-Methode zur Auswertung von Lehrveranstaltungsbeschreibungen einschloß. Diese ermöglichte eine tiefgehende Auswertung des Digitalisierungsgrads und der Qualität der vermittelten Inhalte.
Ziel des Projekts war es, basierend auf diesen Erkenntnissen eine benutzerfreundliche Website zu entwickeln, die Studierenden einen umfassenden Überblick über digitale Lehrinhalte an ausgewählten Universitäten vermittelt. Zudem ermöglichten die Erkenntnisse eine einfache Einschätzung des Ausmaßes und der Verbreitung digitalisierungsrelevanter Inhalte in Lehrveranstaltungen der Universitäten, generierten einen Überblick über die Wissensvermittlung und identifizierten Lücken im Lehrangebot.
Das Forschungsprojekt entwickelte erfolgreich eine NLP-basierte Methodik zur automatisierten Analyse von Modulbeschreibungen und quantifizierte den Digitalisierungsgrad der Lehrinhalte an fünf deutschen Universitäten. Aufbauend auf diesen Erkenntnissen wurde das System zu einem RAG-basierten Empfehlungssystem (Beta-Version) weiterentwickelt, das Large Language Models nutzt, um Studierenden mittels natürlicher Spracheingabe personalisierte Modulempfehlungen zu generieren [https://nerd.sse.cit.tum.de/].
Das Projekt wurde zum 30. September 2023 abgeschlossen. Die Weiterentwicklung des Tools wird jedoch bis Ende 2026 an der Technischen Universität München fortgesetzt.
Ansprechpartner
Forschung
Projektteam
Prof. Dr. Alexander Pretschner
Vorsitzender im bidt-Direktorium und Mitglied im Geschäftsleitenden Ausschuss | Professor für Software & Systems Engineering, Technische Universität München | Vorsitzender des wissenschaftlichen Direktoriums, fortiss
Ehemalige
