Eine aktuelle Forschungsstudie von der Technischen Universität München zeigt innovative Ansätze zur Unterstützung von Schülern mit Schwierigkeiten im Mathematiklernen. Unter der Leitung von Prof. Achim Lilienthal hat sich ein Team darauf spezialisiert, den Einsatz von Künstlicher Intelligenz zur Diagnose und Förderung von Mathematikschwächen zu erforschen. Anhand einfacher Technik – ein PC, gute Grafikkarte und Webcam – können die Lernstände von Schülern präzise erfasst werden. Die Webcam registriert dabei die Blickbewegungen der Schüler und visualisiert diese in einer Heatmap.
In dieser Heatmap färbt sich der Bereich rot, wo häufiger hingesehen wird, und grün, wo kaum ein Blick verweilt. Mithilfe von KI werden die Muster der Blickbewegungen klassifiziert, was die Auswahl spezifischer Lernvideos und Übungsaufgaben ermöglicht. Professorin Maike Schindler, die im Rahmen des Projekts KI-ALF eng mit Lilienthal zusammenarbeitet, hebt hervor, dass das System gezielt Schüler mit großen Herausforderungen im Mathematiklernen unterstützen soll. Das Projekt wird vom Bundesministerium für Bildung und Forschung gefördert.
Einblicke in das Projekt
Für das Projekt wurden hunderte von mathematischen Aufgaben entwickelt, die verschiedene Fähigkeiten der Schüler testen, darunter das Erkennen von Zahlen und grundlegende Rechnungsarten wie Addition, Subtraktion, Multiplikation und Division. Ein entscheidender Vorteil des Eyetracking-Systems ist die Nutzung kostengünstiger Webcams, wodurch die Technologie für Schulen zugänglicher wird. Hochentwickelte Systeme sind oft sehr teuer, einige kosten mehrere Tausend Euro. Lilienthal und sein Team haben große Fortschritte erzielt und das System so angepasst, dass es auch mit der begrenzten Präzision von Webcams funktioniert, was zu einer breiteren Anwendung im Schulbereich führen kann.
Parallel dazu wird an die Fortschritte aus einer Eyetracking-Studie an der Rheinland-Pfälzischen Technischen Universität (RPTU) erinnert. Unter der Leitung von Professor Dr. Stefan Ruzika nahmen 104 Oberstufenschüler von fünf Schulen in Rheinland-Pfalz an dieser Untersuchung teil. Dabei setzten die Schüler Eyetracking-Technologie ein, um mathematische Probleme am Computer zu lösen. Die Blickbewegungen wurden aufgezeichnet, und im Anschluss hatten die Schüler die Möglichkeit, ihren Lösungsweg zu reflektieren und zu erklären.
Technologische Entwicklungen und ihre Bedeutung
Diese Studie zielt darauf ab, wertvolle Erkenntnisse über die kognitiven Prozesse beim Lösen von Aufgaben zu gewinnen und Schwierigkeiten bei der Aufgabenerledigung zu identifizieren. Die Datenanalyse und das maschinelle Lernen sind zentrale Methoden zur Auswertung der Blickdaten, die letztlich die Diagnosefähigkeit adaptiver Lernsysteme verbessern sollen. Ruzika betont die Wichtigkeit einer umfangreichen Datenbasis und die Unterstützung seitens der Schulen, um ein robustes Feedback-System zu entwickeln.
Beide Projekte verdeutlichen die Relevanz innovativer Technologien und Methoden in der Bildung. Insbesondere im Zuge der Corona-Pandemie, wo adaptive Lernsysteme häufig im Distanzunterricht eingesetzt wurden, zeigt sich der Bedarf, solche Systeme kontinuierlich zu optimieren. Der Prototyp des Projekts „MAL-i“ (Mathematical Adaptive Learningsystems Enhanced by Eye-Tracking) wird in Zusammenarbeit mit Jun.-Prof. Dr. Shoya Ishimaru vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) entwickelt. Diese Initiative könnte die Art und Weise revolutionieren, wie Bildungstechnologien zur Unterstützung von Schülern mit Lernschwierigkeiten beitragen.