Zusammenfassung
Obgleich im Bildungsbereich in den letzten 60 Jahren zahlreiche Studien und Forschungen zum Thema KI durchgeführt wurden, hat die tatsächliche Anwendungsrelevanz erst in jüngerer Zeit an Dynamik gewonnen. Insbesondere die Entwicklung datengetriebener und KI-gestützter Educational Technology (EdTech) gilt als aufstrebendes Feld im Bildungssektor, das eine Veränderung der Lehr- und Lernkultur verspricht. In diesem Beitrag werden konzentrierte Einblick in ausgewählte Subdiskurse zu KI in EdTech gegeben und Handlungsbedarfe aufgezeigt, die für eine nachhaltige Gestaltung von KI essenziell sind. Ein Ziel dabei ist es, die Veränderungen, die mit KI im EdTech-Bereich einhergehen, zu verstehen, um so ein Bewusstsein für die eigene Partizipationskraft und damit einen selbstbestimmten Umgang im Kontext von Datafizierung und Digitalisierung der Bildung zu schaffen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Unter EdTech können alle Maßnahmen zusammengefasst werden, die eine Erleichterung des Lernens sowie eine Verbesserung der Lernleistung durch die Schaffung, Nutzung und Verwaltung geeigneter technologischer Prozesse und Ressourcen anstreben (Robinson et al., 2007).
- 2.
BIFOLD, MCML, ML2R, DFKI, TUE.AI Center und ScaDs.Ai Dresden/Leipzig.
- 3.
Die aktuell noch unveröffentlichte Onlineumfrage der Forschungsgruppe Datenbasierte Geschäftsmodellinnovation am Weizenbaum-Institut wurde im ersten und zweiten Quartal 2021 unter 120 Berliner EdTech-Unternehmen durchgeführt.
- 4.
Beispiele: AWS EdTech Start-Up Accelerator von Amazon, Dreambox Learning von Netflix, LinkedIn Learning etc.
Literatur
Anthony, A. B., & Clark, L. M. (2011). Examining dilemmas of practice associated with the integration of technology into mathematics classrooms serving urban students. Urban Education, 46(6), 1300–1331. https://doi.org/10.1177%2F0042085911416015.
Arnold, N., Frieß, H.-J., Roose, J., & Werkmann, C. (2020). Künstliche Intelligenz in Einstellungen und Nutzung bei unterschiedlichen Milieus in Deutschland. Konrad-Adenauer-Stiftung e. V.
De Witt, C., Rampelt, F., & Pinkwart, N. (Hrsg). (2020). Künstliche Intelligenz in der Hochschulbildung. Berlin. https://doi.org/10.5281/zenodo.4063722.
Dorn, T., & Rojas, R. (2018). Die können was! Aber können Roboter auch fühlen? Aus Politik und Zeitgeschichte, 68(6–8), 4–7.
Gorur, R., Sellar S., & Steiner-Khamsi, G. (2019). Big data and even bigger consequences. In R. Gorur, S. Sellar, & G. Steiner-Khamsi (Hrsg.), Comparative methodology in the era of big data and global networks (World Yearbook of Education 2019, S. 1–9). Routledge.
Hansen, J., Rensing, C., Herrmann, O., & Drachsler, H. (2020). Verhaltenskodex für Trusted Learning Analytics. Version 1.0. http://www.dipfdocs.de/volltexte/2020/18903/pdf/Hansen_Rensing_Herrmann_Drachsler_2020_Verhaltenskodex_Trusted_Learning_Analytics_A.pdf. Zugegriffen: 30. Juni 2021.
Hartong, S. (2019). Learning Analytics und Big Data in der Bildung: Zur notwendigen Entwicklung eines datenpolitischen Alternativprogramms. https://www.gew.de/index.php?eID=dumpFile&t=f&f=91791&token=702ec8d5f9770206a4aa8a1079750ec9021b90bf&sdownload=&n=Learning-analytics-2019-web-IVZ.pdf. Zugegriffen: 30. Juni 2021.
Hilbig, R., Renz, A., & Schildhauer, T. (2019). Data analytics: The future of innovative teaching and learning. ISPIM Conference Italy.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Independently published.
Ifenthaler, D., & Yau, J.Y.-K. (2019). Higher education stakeholders’ views on learning analytics policy recommendations for supporting study success. International Journal of Learning Analytics and Artificial Intelligence for Education (iJAI), 1(1), 28–42. https://doi.org/10.3991/ijai.v1i1.10978.
Jonassen, D. H., Howland, J. L., Moore, J., & Marra, R. M. (2003). Learning to solve problems with technology: A constructivist perspective. Merrill.
Kurzweil, R. (2013). Menschheit 2.0. Die Singularität naht. Lola Books.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed. An argument for AI in education. Pearson.
Peters, R., & Bovenschulte, M. (2021). Learning Analytics – Potenzial von KI-Systemen für Lehrende und Lernenden. Themenkurzprofil Nr. 42 Büro für Technikfolgen-Abschätzung beim Deutschen Bundestag.
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.
Renz, A., & Etsiwah, B. (2020a). Datenkultur und KI-Kompetenzen an Hochschulen. In C. de Witt, F. Rampelt, & N. Pinkwart (Hrsg.), Künstliche Intelligenz in der Hochschulbildung, (S. 35–38). https://doi.org/10.5281/zenodo.4063722.
Renz, A., & Hilbig, R. (2020b). Prerequisites for artificial intelligence in further education: Identification of drivers, barriers, and business models of educational technology companies. International Journal of Educational technology in Higher Education, 17, 14. https://doi.org/10.1186/s41239-020-00193-3.
Renz, A., & Vladova, G. (2021). Reinvigorating the discourse on human-centered artificial intelligence in educational technology. Technology Innovation Management Review, 11(5), 5–16. https://doi.org/10.22215/timreview/1438.
Robinson, R., Molenda, M., & Rezabek, L. (2007). Facilitating learning. In A. Januszewski, M. Molenda (Hrsg.), Educational technology – A definition with commentary. Routledge. https://doi.org/10.4324/9780203054000.
Renz, A., Krishnaraja, S., & Schildhauer, T. (2020a). A new dynamic for EdTech in the age of pandemics. Conference Paper presented at ISPIM innovation conference virtual.
Renz, A., Krishnaraja, S., & Gronau, E. (2020b). Demystification of artificial intelligence in education – How much AI is really in the educational technology? International Journal of Learning Analytics and Artificial Intelligence for Education, 2(1), 14–31. https://doi.org/10.3991/ijai.v2i1.12675.
Sclater, N., Peasgood, A., & Mullan, J. (2016). Learning analytics in higher education: A review of UK and international practice. JISC, Bristol.
Schäfer, M. T., & van Schie, G. (2019). Utrecht Data School. Eine unternehmerische Plattform für Unterricht und angewandte Forschung im Bereich der Datafizierung. Zeitschrift für Politikwissenschaft, 29(3), 123–140. https://doi.org/10.1007/s41358-018-0166-8.
Steinacker, K. (2020). Individuelle Datenkonten – Oder was mein Staubsauger mit digitaler Souveränität zu tun hat. Arbeitspapier der Gesellschaft für Informatik: Schlüsselaspekte digitaler Souveränität. https://gi.de/themen/beitrag/individuelle-datenkonten-oder-was-mein-staubsauger-mit-digitaler-souveraenitaet-zu-tun-hat. Zugegriffen: 30. Juni 2021.
Vladova, G., Heuts, A., & Teichmann, M. (2020a). Dem Mitarbeiter zu Diensten. Weiterbildung und Qualifizierung als Personennahe Dienstleistung. HMD Praxis der Wirtschaftsinformatik, 57(4), 710–721. https://doi.org/10.1365/s40702-020-00626-7.
Vladova, G., Renz, A., Gronau, N., Schildhauer, T., Köster, A., & Brandenburger, B. (2020b). New Digital Education Action Plan. Positionspapier des Weizenbaum-Instituts für die vernetzte Gesellschaft, Berlin. https://www.weizenbaum-institut.de/media/News/Statement/Weizenbaum-Institut_Positionspapier_Digital_Education.pdf. Zugegriffen: 30. Juni 2021.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). A systematic review of research on artificial intelligence applications in higher education: where are the educators? International Journal of Education Technology in Higher Education, 16, 1. 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
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Renz, A. (2021). KI in der Bildung: Educational Technology und KI. In: Knappertsbusch, I., Gondlach, K. (eds) Arbeitswelt und KI 2030. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-35779-5_39
Download citation
DOI: https://doi.org/10.1007/978-3-658-35779-5_39
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-35778-8
Online ISBN: 978-3-658-35779-5
eBook Packages: Business and Economics (German Language)