Zusammenfassung
Recommendersysteme gehören zu den Software-Tools und -verfahren, die für digitale Lehr-Lernprozesse eine immer größere Rolle spielen, und gleichzeitig stellen sie noch ein relativ junges Forschungsgebiet dar. Sie sind für die Didaktik von großem Interesse, da sie das Potenzial haben, auf der Grundlage verschiedener Entscheidungsprozesse von Lernenden in einer Lernumgebung personalisierte Vorschläge zu machen, Empfehlungen zu geben und Lernende somit beim Wissenserwerb und bei der Kompetenzentwicklung zu unterstützen. In der langjährigen didaktischen Diskussion über wirkungsmächtige Einflussfaktoren für die Weiterentwicklung von Lernprozessen spielen Lerndialoge eine bedeutende Rolle, die heute besonders als Feedback Beachtung finden und für die schon eine Reihe von Qualitätsmerkmalen formuliert worden sind. Recommendersysteme bieten sich für digitales, automatisiertes und autonomes Feedback an. Die Frage ist jedoch, wie didaktische Anforderungen an die Qualität von Feedback durch Recommendersysteme umgesetzt werden können. Dazu geht der Beitrag zunächst aus einer didaktischen Perspektive der Frage nach, welche Anforderungen Lernprozesse an Feedback stellen und welche Qualitätsmerkmale sich daraus ableiten lassen. Davon ausgehend schließt sich eine Analyse technologischer Feedbackgebung und im Speziellen eine Qualitätsanalyse von Recommendersystemen bzw. deren Empfehlungsgebung an.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Baier, J., & Brehm, E. (2022). Prompts as a means of scaffolding literacy discourse. In K. Thomson (Hrsg.), Classroom discourse competence (S. 89–104). Gunter Narr.
Berliner, D. C. (1988). The development of expertise in pedagogy. AACTE. https://www.jstage.jst.go.jp/article/itel/1/1/1_1.1.Trans.s003/_pdf/-char/en. Zugegriffen: 15. Jan. 2022.
Buch, S. R. (2019). Feedback von Lehrenden für Lernende – Feedback for Learning. jlb (journal für lehrerInnenbildung, 1. https://doi.org/10.35468/jlb-01-2019.
Carless, D., & Boud, D. (2018). The development of student feedback literacy: Enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325. https://doi.org/10.1080/02602938.2018.1463354.
Carless, D., & Winstone, N. (2020). Teacher feedback literacy and its interplay with student feedback literacy. Teaching in Higher Education, 28, 150–163. https://doi.org/10.1080/13562517.2020.1782372.
Deschênes, M. (2020). Recommender systems to support learners’ agency in a learning context: A systematic review. International journal of educational technology in higher education, 17(1). https://doi.org/10.1186/s41239-020-00219-w.
Drachsler, H., Verbert, K., Santos, O. C., & Manouselis, N. (2015). Panorama of recommender systems to support learning. In F. Ricci, L. Rokach & B. Shapira (Hrsg.), Recommender systems handbook (2. Aufl.) (421–452). Springer. https://doi.org/10.1007/978-1-4899-7637-6.
Fengler, J. (2017). Feedback geben: Strategien und Übungen (5. Aufl.). Beltz.
Hartelt, S. (2017, 15. Juni). Der Unterschied zwischen Automatisierung und Autonomisierung. https://medium.com/@stefanhartelt/der-unterschied-zwischen-automatisierung-und-autonomisierung-ddf0bc0a6815. Zugegriffen: 15. Jan. 2022.
Hartung, S. (2017). Lernförderliches Feedback in der Online-Lehre gestalten. In H. R. Griesehop & E. Bauer (Hrsg.), Lehren und Lernen online (S. 199–217). Springer. https://doi.org/10.1007/978-3-658-15797-5_10.
Hattie, J. A. C. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement (Reprinted.). Routledge.
Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487.
Hibbi, F.Z., Abdoun, O., & Haimoudi, E. (2021). Smart tutoring system: A predictive personalized feedback in a pedagogical sequence. International Journal of Emerging Technologies in Learning (iJET), 16(20), 263–268. https://www.learntechlib.org/p/220549/. Zugegriffen: 15. Jan. 2022.
Holmes, W., Anastopoulou, S., Schaumburg, H., & Mavrikis, M. (2021). Technology-enhanced personalised learning: Untangling the evidence. Robert Bosch Stiftung.
Ifenthaler, D., & Drachsler, H. (2018). Learning analytics. In H. Niegemann & A. Weinberger (Hrsg.), Lernen mit Bildungstechnologien (S. 1–20). Springer. https://doi.org/10.1007/978-3-662-54373-3_42-1.
Irons, A., & Elkington, S. (2022). Enhancing learning through formative assessment and feedback. Key guides for effective teaching in higher education series. Routledge. https://doi.org/10.4324/9781138610514.
Kagan, D. M. (1992). Profession growth among preservice and beginning teachings. Review of Educational Research, 62(2), 129–169.
Kerres, M., & Buntins, K. (2020). Recommender in AI-enhanced learning: An assessment from the perspective of instructional design. Open Education Studies, 2(1), 101–111. https://doi.org/10.1515/edu-2020-0119.
Kopp, B., & Mandl, H. (2014). Lerntheoretische Grundlagen von Rückmeldungen. In H. Ditton & A. Müller (Hrsg.), Feedback und Rückmeldungen: Theoretische Grundlagen, empirische Befunde, praktische Anwendungsfelder (S. 29–42). Waxmann.
van der Laan, P. (2021). Automated writing feedback. Master Thesis. Delft University of Technology. http://resolver.tudelft.nl/uuid:440cc75f-6695-4d4a-94d5-f79532ed0d63. Zugegriffen: 15. Jan. 2022.
Manouselis, N., Drachsler, H., Verbert, K., & Duval, E. (2013). Recommender systems for learning. SpringerBriefs in electrical and computer engineering. Springer.
Marwan, S. (2021). Investigating best practices in the design of automated hints and formative feedback to improve students’ cognitive and affective outcomes. PhD Thesis. https://doi.org/10.13140/RG.2.2.13347.32805.
Molloy, E., Boud, D., & Henderson, M. (2019). Developing a learning-centred framework for feed-back literacy. Assessment & Evaluation in Higher Education, 45(4), 527–540. https://doi.org/10.1080/02602938.2019.1667955.
Morris, R., Perry, T., & Wardle, L. (2021). Formative assessment and feedback for learning in higher education: A systematic review. Review of Education, 9(3). https://doi.org/10.1002/rev3.3292.
Müller, A., & Ditton, H. (2014). Feedback: Begriff, Formen und Funktionen. In H. Ditton & A. Müller (Hrsg.), Feedback und Rückmeldungen: Theoretische Grundlagen, empirische Befunde, praktische Anwendungsfelder (S. 11–28). Waxmann.
Müller, S. (2020). Didaktische Mythen im Hochschulwesen am Beispiel der »Learning Styles«. die hochschullehre, 6(36), 479–488. https://doi.org/10.3278/HSL2036W.
Narciss, S. (2006). Informatives tutorielles Feedback. Entwicklungs- und Evaluationsprinzipien auf der Basis instruktionspsychologischer Erkenntnisse. Pädagogische Psychologie und Entwicklungspsychologie (Bd. 56). Waxmann.
Narciss, S. (2013). Designing and evaluating tutoring feedback strategies for digital learning environments on the basis of the interactive tutoring feedback model. Digital Education Review, 23, 7–26. https://doi.org/10.1344/DER.2013.23.7-26.
Narciss, S. (2017). Conditions and effects of feedback viewed through the lens of the interactive tutoring feedback model. In D. Carless, S. M. Bridges, C. K. Y. Chan, & R. Glofcheski (Hrsg.), Scaling up assessment for learning in higher education (S. 173–189). Springer. https://doi.org/10.1007/978-981-10-3045-1_12.
Narciss, S. (2018). Feedbackstrategien für interaktive Lernaufgaben. In H. Niegemann & A. Wein-berger (Hrsg.), Lernen mit Bildungstechnologien. Springer. https://doi.org/10.1007/978-3-662-54373-3_35-1.
Neudecker, A. (2021). Digitale Transformation und John Hatties Bildungsforschung: Implikationen auf den Bildungsfaktor Feedback.https://doi.org/10.25656/01:23653.
Popenici, S. A. D., & Kerr, S. (2017). Exploring the impact of Artificial Intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning, 12(1). https://doi.org/10.1186/s41039-017-0062-8.
Resch, K. (2019). Feedback in der Hochschule und der Schule. Eine Begriffsbestimmung. Journal für LehrerInnenbildung, 19(1), 98–104. https://doi.org/10.25656/01:18115.
Ricci, F., Rokach, L., & Shapira, B. (2015). Recommender systems: Introduction and challenges. In F. Ricci, L. Rokach, & B. Shapira (Hrsg.), Recommender systems handbook (2. Aufl., S. 1–36). Springer US. https://doi.org/10.1007/978-1-4899-7637-6.
Sadler, D. R. (1998). Formative assessment: Revisiting the territory. Assessment in Education: Principles, Policy & Practice, 5(1), 77–84.
Sakuma, D., Yoshii, T., & Murota, M. (2021/2016 i. O.). A study on formative feedback categories for the period for integrated studies. Information and Technology in Education and Learning, 1(1). https://doi.org/10.12937/itel.1.1.Trans.S003.
Sassenrath, J. M., & Garverick, C. M. (1965). Effects of differential feedback from examinations on retention and transfer. Journal of Educational Psychology, 56(5), 259–263.
Shute, V. J. (2008). Focus on formative feedback. Review of Educational Research, 78(1), 153–189. https://doi.org/10.3102/0034654307313795.
Siemens, G., & Gasevic, D. (2012). Guest editorial – Learning and knowledge analytics. Educational Technology & Society, 15(3), 1–2.
Straka, G. (1999). Perceived work conditions and self-directed learning in the process of work. International Journal of Training and Development, 3, 240–249. https://doi.org/10.1111/1468-2419.00083.
Tarus, J. K., Niu, Z., & Kalui, D. (2018). A Hybrid recommender system for e-learning based on context awareness and sequential pattern mining. Soft Computing, 22(8), 2449–2461. https://doi.org/10.1007/s00500-017-2720-6.
Tasdemir, M. S., & Yalcin Arslan, F. (2018). Feedback preferences of EFL learners with respect to their learning styles. Cogent Education, 5(1), 1481–1560. https://doi.org/10.1080/2331186X.2018.1481560.
Wahlen, A., Kuhn, C., Zlatkin-Troitschanskaia, O., Gold, C., Zesch, T., & Horbach, A. (2020). Auto-mated scoring of teachers’ pedagogical content knowledge – A comparison between human and machine scoring. Frontiers in Education, 5, Artikel 149. https://doi.org/10.3389/feduc.2020.00149.
Winstone, N. E., & Boud, D. (2022). The need to disentangle assessment and feedback in higher education. Studies in Higher Education, 47(3), 656–667. https://doi.org/10.1080/03075079.2020.1779687.
Wisniewski, B., Zierer, K., & Hattie, J. (2019). The power of feedback revisited: A meta-analysis of educational feedback research. Frontiers in Psychology, 10, 3087. https://doi.org/10.3389/fpsyg.2019.03087.
Zawacki-Richter, O., Marín, V.I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on Artificial Intelligence applications in higher education – Where are the educators? International Journal of Educational Technology in Higher Education, 16(39). https://doi.org/10.1186/s41239-019-0171-0.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2023 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Wrede, S.E., Gloerfeld, C., de Witt, C. (2023). KI und Didaktik – Zur Qualität von Feedback durch Recommendersysteme. In: de Witt, C., Gloerfeld, C., Wrede, S.E. (eds) Künstliche Intelligenz in der Bildung. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-40079-8_7
Download citation
DOI: https://doi.org/10.1007/978-3-658-40079-8_7
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-40078-1
Online ISBN: 978-3-658-40079-8
eBook Packages: Education and Social Work (German Language)