Illuminate: Adaptive KI-Nachhilfe für Forschung und Praxis
KI-gestütztes Tutoring, das sich an dein Wissensniveau anpasst: vom geduldigen Instruktor zur anspruchsvollen Diskussionspartnerin, je weiter deine Kompetenz wächst.
Laufzeit: Januar 2026 – Dezember 2027
Status: Laufend
Bildungsstufe: Tertiärstufe
Thema: Artificial Intelligence AI, Data Science for Education
Keywords: KI-Nachhilfe, Bayesian Knowledge Tracing, Adaptives Lernen, Personalisierte Bildung, Learning Analytics
Ausgangslage
Aktuelle KI-Tutoringsysteme behandeln alle Student*innen gleich, unabhängig davon, was sie bereits wissen. Das ignoriert ein grundlegendes Lernprinzip: Die beste Art zu unterrichten hängt vom Ausgangspunkt der Lernenden ab. Lehrmethoden, die für Anfänger*innen gut funktionieren, scheitern oft bei Fortgeschrittenen, und Ansätze, die Expert*innen herausfordern, können Neulinge überfordern. Schritt-für-Schritt-Anleitungen helfen denen, die gerade erst anfangen, langweilen aber jene, die über die Grundlagen hinaus sind; offene Erkundungsaufgaben stimulieren fortgeschrittene Lernende, frustrieren aber Anfänger*innen. Dieser Einheitsansatz wirft auch Bedenken auf, dass Student*innen zu abhängig von KI werden. Wenn Systeme einfach Antworten liefern, verpassen Student*innen die Auseinandersetzung, die echtes Verständnis aufbaut; sie erhalten Lösungen, ohne die Fähigkeit zu entwickeln, Probleme selbst zu lösen. Die Forschung in diesem Bereich hat ihr eigenes Problem: Fragmentierung. Verschiedene Forschungsteams bauen ihre eigenen separaten Systeme mit unterschiedlichen Ansätzen, was es nahezu unmöglich macht, Ergebnisse zu vergleichen oder auf der Arbeit anderer aufzubauen. Gute Ideen bleiben in einzelnen Labors gefangen, anstatt das Feld als Ganzes voranzubringen. Diese Probleme betreffen alle Beteiligten: Student*innen erhalten Hilfe, die nicht ihren Bedürfnissen entspricht, Forscher*innen können nicht systematisch testen, was tatsächlich funktioniert, und Dozent*innen haben keine klare Anleitung, wie sie KI effektiv in ihren Kursen einsetzen können.
Ziele
Illuminate entwickelt ein adaptives KI-Tutoringsystem, das seinen Unterricht an das Wissen jeder einzelnen Person anpasst. Das System verfolgt den Lernfortschritt und wechselt zwischen Lehrstilen: von geduldiger Schritt-für-Schritt-Anleitung für Anfänger*innen zu herausfordernder Diskussion für Fortgeschrittene. Darüber hinaus bietet Illuminate eine gemeinsame Forschungsplattform, auf der verschiedene Tutoring-Ansätze unter kontrollierten Bedingungen getestet und verglichen werden können. Dies ermöglicht es Forscher*innen herauszufinden, welche Strategien für welche Lernenden am besten funktionieren, und bringt sowohl die Wissenschaft als auch die Praxis KI-gestützter Bildung voran.
Methode
Wir verwenden bayesianische statistische Methoden, um das Wissen der Student*innen zu modellieren und erfassen dabei sowohl das aktuelle Verständnis als auch die Unsicherheit in unseren Schätzungen. Dieser Ansatz unterstützt vier integrierte Komponenten: ein Wissens-Tracking-Modell, das schätzt, was jede Person weiss, ein Aufgabenauswahlsystem, das passende Probleme auswählt, eine Reihe von Tutoring-Strategien von direkter Erklärung bis zu gelenktem Fragen, und einen Auswahlmechanismus, der Ansätze mit Lernzuständen abgleicht. Das System ermöglicht adaptive Experimente: randomisierte kontrollierte Designs vergleichen Lehrstrategien über verschiedene Wissensniveaus hinweg und testen direkt Vorhersagen aus der Lernwissenschaft, insbesondere den Expertise-Reversal-Effekt. Das Pilotprojekt in einem Mathematikkurs an der Universität Bern dient als Testumgebung für diese Untersuchungen.
Geplante Translation
Illuminate wird in einem Einführungskurs in Mathematik an der Universität Bern unter realen Lehrbedingungen pilotiert. Dieser Kurs nutzt bereits eine digitale Lernumgebung mit formativen Assessments und Übungen, die an spezifische Lernziele gekoppelt sind, und bietet damit eine ideale Grundlage für die Integration. Das System ist für eine modulare Implementierung konzipiert, die eine iterative Weiterentwicklung basierend auf Rückmeldungen von Student*innen und Dozent*innen ermöglicht. Die Erkenntnisse fliessen direkt in die Entwicklung adaptiver Tutoring-Funktionen ein. Für Dozent*innen bietet die Plattform Einblicke in die Lernwege der Student*innen und ermöglicht frühzeitige Interventionen. Für Institutionen unterstützt die integrierte Datenerhebung evidenzbasierte Entscheidungen über die Wirksamkeit der Lehre.
Für die Forschung bietet Illuminate eine Infrastruktur, die den systematischen Vergleich von KI-Tutoring-Ansätzen ermöglicht. Indem Forscher*innen Strategien innerhalb derselben Plattform testen können, unterstützt das Projekt reproduzierbare Erkenntnisse und beschleunigt den Fortschritt hin zu evidenzbasiertem KI-Tutoring. Für die Praxis bietet das System Student*innen personalisierte Unterstützung, die sich an ihr Wissensniveau anpasst und potenziell die Lernergebnisse verbessert. Dozent*innen erhalten Echtzeit-Einblicke in den Lernfortschritt der Student*innen, was frühzeitige Interventionen ermöglicht. Die Wirkungsmessung umfasst: den Vergleich von Lernergebnissen zwischen Gruppen durch Kursbewertungen sowie die Zählung von Forschungsergebnissen wie Publikationen und Abschlussarbeiten, die mithilfe der Plattform entstanden sind.
