Menü

Wie eine App mit KI das Lernen erleichtert

KI-Transfer-Hub SH begleitet bei der Erstellung eines Prototyps zur effektiven Beantwortung von Multiple-Choice-Fragen für die Siggi-Lernapp der Hecht und Marciniak GmbH

Erfolgreiche Machbarkeitsstudie verbessert den Content der Siggi-App und schafft Mehrwerte für die Lernenden

Informatiker Malte Hecht hat mit seiner Partnerin Joanna Marciniak die Siggi-Lernapp entwickelt.

Karolina Ochs vom KI-Transfer-Hub SH ist KI-Projektmanagerin im Bereich Zuverlässige Systeme am Institut für Informatik der CAU zu Kiel. Sie begleitete die Machbarkeitsstudie zwischen Malte Hecht und der Universität, bei der ein wesentlicher Bestandteil die Abschlussarbeit des Studierenden Falk Kujath ausmachte. Gemeinsam mit Prof. Dr. Dirk Nowotka, dem Leiter für Zuverlässige Systeme am Institut für Informatik, wurden die Lösungsansätze konzipiert und das Thema ausgearbeitet: die Erstellung eines Prototyps zur automatischen Ermittlung der Schwierigkeit der Beantwortung von Multiple-Choice Fragen.

Grundlage für die Machbarkeitsstudie war das Datenmaterial: „Malte Hecht hat uns sehr gutes Material zur Verfügung gestellt“, sagt Karolina Ochs, „die Struktur war super aufbereitet und der Datensatz auch in der Qualität gut und vollständig. Wir hatten alles, was wir brauchten und haben die Daten nur ein wenig bereinigen müssen, um eine sinnvolle Teilmenge vom gesamten Datensatz zu bekommen.“

In der Bachelorarbeit wurde anhand von Multiple-Choice Fragen zunächst geschaut, was überhaupt eine Frageschwierigkeit ist und wie man diese gut ausrechnen kann. „Falk hatte unter anderem die Fragen- und Antworttexte zur Verfügung sowie die Informationen, welcher anonymisierte Nutzer welche Frage richtig oder falsch beantwortet hat“, erläutert Karolina Ochs, „daraus ermittelte er den Schwierigkeitswert. Für die Definition dieses Schwierigkeitswertes zog er statistische Modelle – konkret das Rasch-Modell – hinzu, um die Fähigkeit des einzelnen Nutzers herauszurechnen.“

Im zweiten Schritt wurde mit Hilfe dieses Datensatzes versucht, ein Modell zu trainieren, das nur anhand von Text die Schwierigkeit möglichst gut vorhersagen kann. „Als Methode der Künstlichen Intelligenz wurde XGBoost verwendet, ein bekannter, effizienter Algorithmus des maschinellen Lernens“, ergänzt die KI-Projektmanagerin, „einen Teil der Eingabedaten stellt der Fragen- und Antworttext aller Multiple-Choice-Fragen dar. Zusätzlich wird die Anzahl aller Antwortmöglichkeiten und der Anzahl der korrekten Antwortmöglichkeiten als Eingabe geliefert.“ Basierend auf diesen Eingabedaten lernt das Modell, sowohl einen skalaren Wert zwischen -1 und 1 als auch eine Klassifizierung in die drei Klassen leicht, mittel und schwer vorherzusagen. 

Die Machbarkeitsstudie war ein sichtbarer Erfolg: „Einen Teil der Bachelorarbeit, nämlich den Aspekt, eine Schwierigkeit zu definieren und pro Klausur auszurechnen, können wir unmittelbar nutzen. Wie haben sich die Altklausuren überhaupt entwickelt? Wie schwer ist eine Klausur gewesen? Dies ist sehr spannend und ein absoluter Mehrwert für die Lernenden“, fasst Malte Hecht zusammen, „und beim zweiten Teil, der Vorhersage der Schwierigkeiten, haben wir einen ausgezeichneten Startpunkt erreicht, weiter zu forschen und eventuell neue Machbarkeitsstudien zu entwickeln – mit den Hochschulen und dem KI-Transfer-Hub SH.“

Hecht + Marciniak GbR
Schauenburgerstr. 16, 24118 Kiel
Tel. +49 (0)151 419 018 78
hello@siggi-learn.com
https://siggi-learn.com 

Hecht + Marciniak GbR / SIGGI

Domäne

Bildung

Methode

Sprach- und Textverarbeitung | Natural Language Processing (Chatbot)
Zusammenarbeit mit KI-Transfer-Hub SH
 Icon
Einstieg und KI-Check
 Icon
Use Case Workshop
 Icon
Machbar­keits­studie
 Icon
Vernetz­ung
 Icon
Förder­begleit­ung
Nach oben scrollen