ZIB Akademie 2022 Beiträge

Opening Keynote: Envisioning forms of Hybrid Intelligence in Education

Education is a unique area for application of artificial intelligence (AI). There are multiple educational arrangements in which AI could improve teaching and learning. In this talk, I will discuss the augmentation perspective and hybrid intelligence to frame our thinking about AI in education. I suggest critical components of  a common language to accommodate interdisciplinary discussions around AI in education. First the detect-diagnose-act framework describes the functioning of AI in education, second the six levels automation model is introduced to develop our thinking about roles of AI, learners, and teachers in educational arrangements. In this model, the transition of control between teacher and technology is articulated at different levels and related to the augmentation perspective and hybrid intelligence.  Finally, I introduce the need for pedagogical models with attention for the role of self-regulated learning. I will position the concept of Hybrid Human-AI Regulation and give an example of a first prototype of a Hybrid Human-AI Regulation (HHAIR) system. HHAIR supports self-regulated learning (SRL) in the context of adaptive learning technologies (ALTs) with the aim to develop learners’ self-regulated learning skills.

Hence the keynotes proposes a common language which will help orchestrate an interdisciplinary dialogue to further strengthen meaningful combinations of human and artificial intelligence, which is critical to envision learning in the future.

Workshop: Trace-Daten aus der Learning Analytics Perspektive

In diesem Workshop geht es um die Erhebung und Analyse von Trace-Daten in Online-Lernumgebungen. Je nach Format und Granularität der Trace-Daten unterscheiden sich die Herausforderungen und die Möglichkeiten sowohl bei der technischen Umsetzung, also auch bei der Interpretierbarkeit von Daten. Im ersten Teil des Workshops teilen wir unsere Erfahrungen bezüglich dieser Herausforderungen und Möglichkeiten.
Im weiteren Verlauf des Workshops erfolgt die Extraktion und die Analyse von Trace-Daten. Damit eigene, nachvollziehbare Daten erzeugt werden, werden einige Inhalte des Workshops in einer Online-Lernumgebung präsentiert. Diese Daten sollen dann von den Teilnehmer:innen zunächst extrahiert und anschließend analysiert werden. Die Grundlagen für das Vorgehen werden dabei ausführlich erläutert.
Für Teilnehmer:innen die eine Erhebung in Online-Lernumgebungen erst noch vor sich haben, bietet der Workshop Anregungen und Hilfestellungen. Für Teilnehmer:innen mit Vorerfahrung bietet sich die Möglichkeit zum Erfahrungsaustausch.

Workshop: Introduction to Machine Learning in Education Sciences/Psychology

This short course will introduce the basics of machine learning and how it can be applied in education and psychology research. No/little prior knowledge is assumed. The course will be held in English. The first day will introduce methods and models conceptually, and the second day will be slightly more hands-on. Principles such as cross validation, out-of-sample prediction, and hyper-parameter tuning will be introduced as well as simple and interpretable machine learning models such as regression analyses, decision trees, and random forests. We will discuss conceptually how and why these methods can be useful in psychology and education research. You will be introduced to the python package scikit-learn, and you will carry out some simple exercises in python code. No prior knowledge of python is required.

Paneldiskussion: Soziale Verantwortlichkeit und Ethik des Einsatzes von Bildungstechnologien

Ein Kernproblem beim Einsatz von KI in Hochschulen ist die Kontextabhängigkeit, Fragmentierung und Verzerrung verfügbarer Daten. Ziel der aktuellen Forschung sind Systeme mit KI, die theoretisch fundierte und transparente Datenanalysen mit pädagogisch relevanten Indikatoren und verlässlichen Interventionen ermöglichen. Es wird ein Diskurs um ethische Leitprinzipien im Zusammenhang mit KI im Kontext der Hochschule angeregt. Daraus sollen auf KI basierte Fehlentscheidungen vermieden und Schäden für Beteiligte der Hochschulen abgewendet werden.

Closing Keynote: Designing Learning Analytics, for whom, for what and does it pay off?

The presentation will talk about the background and ideas of Learning Analytics linking back to the roots in learner modelling and user adaptive systems. It will offer some opportunities for reflection on personalization, user autonomy, and learner agency. The talk with illustrate some effects of learning analytics solutions in context and effects of framing dashboards. The talk will argue for a new culture in working and learning with data also linked to a new culture of assessment.