Skip to main content

KI-Unterstützung in der Kulturellen Bildung. Potenziale von Learning Analytics für Musiklernen am Beispiel automatisierter Auswertungen von Bildschirmaufzeichnungen

  • Chapter
  • First Online:
Künstliche Intelligenz in der Bildung

Zusammenfassung

Der Beitrag stellt vor, wie mithilfe von KI-Methoden non-formale Lernprozesse in der Musik durch automatisierte Auswertungen von Bildschirmaufzeichnungen (screen recordings) untersucht werden können. Ausgehend von einem Lernangebot zum Songwriting, das als Blended-Learning-Arrangement in der Erwachsenenbildung umgesetzt wurde, werden Chancen und Grenzen KI-gestützter Methoden aus musikpädagogischer, technischer und forschungsethischer Perspektive beleuchtet. Als Ergebnis zeigt sich erstens das Potenzial der automatischen Auswertung von Screen Recordings zur Rekonstruktion von Lernprozessen. Zweitens liefert der Beitrag Erkenntnisse zur Stärkung der Nutzerinnen und Nutzern beim Umgang mit ihren Daten und damit zu zentralen Fragen von Privacy und Empowerment im Kontext des Einsatzes von KI in der Bildung.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 59.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 74.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Musicalytics: Laufzeit 2017–2021, Förderkennzeichen 01JKD1709.

Literatur

  • Ahlers, M. (2009). Schnittstellenprobleme im Musikunterricht: Fachhistorische und empirische Studien zum Einsatz und zur Ergonomie von Sequenzer-Programmen. Wißner.

    Google Scholar 

  • Ahlers, M., & Godau, M. (2019). Digitalisierung – Musik – Unterricht. Diskussion Musikpädagogik, 82(19), 4–9.

    Google Scholar 

  • Ahlers, M., Grünewald-Schukalla, L., Lücke, M., & Rauch, M. (2018). Big Data und Musik: Jahrbuch für Musikwirtschafts- und Musikkulturforschung. Springer.

    Google Scholar 

  • Ahner, P., Heitinger, D., Flad, T., & Hertzsch, L. (2019). Music Apps Unterrichten mit Smartphones und Tablets. Schott.

    Google Scholar 

  • Anderson, J. R., Corbett, A. T., Koedinger, K. R., & Pelletier, R. (1995). Cognitive tutors: Lessons learned. Journal of the Learning Sciences, 4, 167–207.

    Article  Google Scholar 

  • Batel, G. (1989). Computerkompositionen und Videomusik. Neue Anforderungen für Musikpädagogik und Musikforschung. In C. Nauck-Börner (Hrsg.), Musikpädagogik zwischen Traditionen und Medienzukunft (S. 129–141). Laaber Verlag.

    Google Scholar 

  • Böhmer, M., Hecht, B., Schöning, J., Krüger, A., & Bauer, G. (2011). Falling asleep with Angry Birds, Facebook and Kindle: A large scale study on mobile application usage. In Proceedings of the 13th international conference on human computer interaction with mobile devices and services, S. 47–56. https://doi.org/10.1145/2037373.2037383.

  • Cayari, C. (2013). Using informal education through music video creation. General Music Today, 27(3), 17–22. https://doi.org/10.1177/1048371313492537.

    Article  Google Scholar 

  • Godau, M. (2019). Musik mit Apps in der Kulturellen Bildung. In J. Ludwig & H. Ittner (Hrsg.), Forschung zum pädagogisch-künstlerischen Wissen und Handeln: Pädagogische Weiterbildung für Kunst- und Kulturschaffende. Band 2: Forschung (S. 171–196). Springer VS. https://doi.org/10.1007/978-3-658-20646-8_8.

  • Hennequin, R., Khlif, A., Voituret, F., & Moussallam, M. (2019). Spleeter: A fast and state-of-the art music source separation tool with pre-trained models. In Late breaking/demo at the 20th International Society for Music Information Retrieval, Delft, The Netherlands.

    Google Scholar 

  • Heuer, H., Jarke, J., & Breiter, A. (2021). Machine Learning in tutorials – Universal applicability, underinformed application, and other misconceptions. Big Data & Society, 8(1), Online first (21. Mai 2021). https://doi.org/10.1177/20539517211017593.

  • Heyen, N. B. (2019). Von der Selbstvermessung zur Selbstexpertisierung. In N. B. Heyen, S. Dickel, & A. Brüninghaus (Hrsg.), Personal Health Science: Persönliches Gesundheitswissen zwischen Selbstsorge und Bürgerforschung (S. 23–42). Springer VS. https://doi.org/10.1007/978-3-658-16428-7_2.

  • Ifenthaler, D., & Drachsler, H. (2018). Learning Analytics. In H. Niegemann & A. Weinberger (Hrsg.), Lernen mit Bildungstechnologien: Praxisorientiertes Handbuch zum intelligenten Umgang mit digitalen Medien (S. 1–20). Springer VS.

    Google Scholar 

  • Ismaiel-Wendt, J. (2016). post_PRESETS: Kultur, Wissen und populäre MusikmachDinge. Universitätsverlag.

    Google Scholar 

  • Jörissen, B. (2015). Bildung der Dinge: Design und Subjektivation. In B. Jörissen & T. Meyer (Hrsg.), Subjekt Medium Bildung (S. 215–233). Springer VS. https://doi.org/10.1007/978-3-658-06171-5.

  • Jörissen, B., & Unterberg, L. (2019). DiKuBiMeta: Digitalität und Kulturelle Bildung. In B. Jörissen, S. Kröner, & L. Unterberg (Hrsg.), Kulturelle Bildung und Digitalität. Forschung zur Digitalisierung in der Kulturellen Bildung (S. 11–24). Kopaed.

    Google Scholar 

  • Jörissen, B., Ahlers, M., Donner, M., & Wernicke, C. (2019). MIDAKuK: Musikalische Interface-Designs: Augmentierte Kreativität und Konnektivität. In B. Jörissen, S. Kröner, & L. Unterberg (Hrsg.), Kulturelle Bildung und Digitalität. Forschung zur Digitalisierung in der Kulturellen Bildung (S. 109–127). Kopaed.

    Google Scholar 

  • Krebs, M. (2018). Digitales Instrumentarium. Die Musikapp als zukünftiges Instrument in der Musikschule. Üben & Musizieren, 1, 40–43.

    Google Scholar 

  • Krieter, P. (2019). Can I record your screen? Mobile screen recordings as a long-term data source for user studies. In Proceedings of the 18th international conference on mobile and ubiquitous multimedia, Artikel Nr. 23, S. 1–10. https://doi.org/10.1145/3365610.3365618.

  • Krieter, P., & Breiter, A. (2018). Analyzing mobile application usage: Generating log files from mobile screen recordings. In Proceedings of the 20th international conference on human–computer interaction with mobile devices and services (MobileHCI 18). Artikel Nr. 9, S. 1–10. https://doi.org/10.1145/3229434.3229450.

  • Krieter, P., Viertel, M., & Breiter, A. (2020). We know what you did last semester: Learners’ perspectives on screen recordings as a long-term data source for learning analytics. In C. Alario-Hoyos, M.J. Rodríguez-Triana, M. Scheffel. I. Arnedillo-Sánchez, & S. M. Dennerlein (Hrsg.), Addressing global challenges and quality education. EC-TEL 2020. Lecture Notes in Computer Science (Bd. 12315). Springer. https://doi.org/10.1007/978-3-030-57717-9_14.

  • Langheinrich, M. (2001). Privacy by design – principles of privacy-aware ubiquitous systems. In G. D. Abowd, B. Brumitt, & S. Shafer (Hrsg.), Ubicomp 2001: Ubiquitous computing (S. 273–291). Springer.

    Chapter  Google Scholar 

  • Lehmann-Wermser, A. (2013). Music education in Germany: On politics and rhetoric. Arts Education Policy Review, 114(3), 126–134.

    Article  Google Scholar 

  • Lehmann-Wermser, A. (2019). Assessment in German music education. In T. S. Brophy (Hrsg.), The Oxford handbook of assessment policy and practice in music education (S. 233–252). Oxford University Press.

    Google Scholar 

  • Lehmann-Wermser, A., & Breiter, A. (Hrsg.) (2021). Computer based assessment and feedback in music education. Hochschule für Musik, Theater & Medien.

    Google Scholar 

  • Lehmann-Wermser, A., & Weyel, B. (2018). [PosyMus] Potentials of electronic feedback systems in music class. In S. Konietzko & S. Mohren (Hrsg.), Research on impacts of arts education (S. 58–63). Rat für Kulturelle Bildung.

    Google Scholar 

  • Ma, W., Adesope, O. O., Nesbit, J. C., & Liu, Q. (2014). Intelligent tutoring systems and learning outcomes: A meta-analysis. Journal of Educational Psychology, 106(4), 901–918. https://doi.org/10.1037/a0037123.

    Article  Google Scholar 

  • Maas, G. (1995). Neue Technologien im Musikunterricht. Eine Erhebung zum Stand der Verbreitung und zur Innovationsbereitschaft von MusiklehrerInnen. In G. Maas (Hrsg.). Musiklernen und Neue (Unterrichts-)Technologien (S. 96–123). Die Blaue Eule.

    Google Scholar 

  • Micheuz, P. (2020). Anmerkungen zur Künstlichen Intelligenz als Thema im Schulunterricht. In C. Trültzsch-Wijnen & G. Brandhofer (Hrsg.), Bildung und Digitalisierung: Auf der Suche nach Kompetenzen und Performanzen (S. 271–292). Nomos. https://doi.org/10.5771/9783748906247.

  • Niediek, I., Gerland, J., Hülsken, J., & Sieger, M. (2019). be_smart: Zur Bedeutung von Musik-Apps für die Teilhabe von Jugendlichen und jungen Erwachsenen mit komplexen Behinderungen an Kultureller Bildung. In B. Jörissen, S. Kröner, & L. Unterberg (Hrsg.), Kulturelle Bildung und Digitalität. Forschung zur Digitalisierung in der Kulturellen Bildung (S. 37–48). Kopaed.

    Google Scholar 

  • Papamitsiou, Z., & Economides, A. (2014). Learning analytics and educational data mining in practice: A systematic literature review of empirical evidence. Educational Technology & Society, 17, 49–64.

    Google Scholar 

  • Rat für Kulturelle Bildung (Hrsg.). (2019). Jugend/Youtube/Kulturelle Bildung. Horizont 2019. Rat für Kulturelle Bildung.

    Google Scholar 

  • Ruthman, A., & Mantie, R. (Hrsg.). (2017). The Oxford handbook of technology and music education. Oxford University Press.

    Google Scholar 

  • Sánchez-Prieto, J. C., Cruz-Benito, J., Therón, R., & García-Peñalvo, F. (2020). Assessed by machines: Development of a TAM-based tool to measure AI-based assessment acceptance among students. International Journal of Interactive Multimedia and Artificial Intelligence, 6(4), 80–86. https://doi.org/10.9781/ijimai.2020.11.009.

    Article  Google Scholar 

  • Scherr, A. (2013). Agency – ein Theorie- und Forschungsprogramm für die Soziale Arbeit? In G. Graßhoff (Hrsg.), Adressaten, Nutzer, Agency (S. 229–242). VS.

    Chapter  Google Scholar 

  • Schneider, O., Drachsler, H., Rensing, C., & Steuer Jan Hansen, T. (2019). Trusted learning analytics. In S. Schulz (Hrsg.), Proceedings of DELFI Workshops 2019 (S. 51–53). Gesellschaft für Informatik e.V.z. https://doi.org/10.18420/delfi2019-ws-106.

  • Sephus, N. H., Olubanjo, T. O., & Anderson, D. V. (2013). Enhancing Online Music Lessons with Applications in Automating Self-Learning Tutorials and Performance Assessment. 2013 12th International Conference on Machine Learning and Applications, 2, 568–571. https://doi.org/10.1109/ICMLA.2013.178.

  • Stang, R. (2009). Kulturelle Erwachsenenbildung. In Bundeszentrale für politische Bildung. Dossier Kulturelle Bildung. Bzpb.

    Google Scholar 

  • Sturm, B. L. T., Iglesias, M., Ben-Tal, O., Miron, M., & Gómez, E. (2019). Artificial Intelligence and music: Open questions of Copyright Law and engineering praxis. Arts, 8(3), 1–15. https://doi.org/10.3390/arts8030115.

    Article  Google Scholar 

  • Tsai, Y.-S., Rates, D., Moreno-Marcos, P. M., Muñoz-Merino, P. J., Jivet, I., Scheffel, M., Drachsler, H., Delgado Kloos, C., & Gašević, D. (2020). Learning analytics in European higher education – Trends and barriers. Computers & Education, 155. https://doi.org/10.1016/j.compedu.2020.103933.

  • Viertel, M., Krieter, P., & Breiter, A. (2021). »Da habe ich es dann einfach ausgeschaltet…«. Perspektiven von Lernenden auf Datensammlung mittels Langzeit-Bildschirmaufzeichnungen in non-formalen Bildungskontexten. MedienPädagogik: Zeitschrift für Theorie Und Praxis Der Medienbildung, 44(Daten Driven Schools), 1–21. https://doi.org/10.21240/mpaed/44/2021.10.26.X.

  • Wiliam, D. (2011). What is assessment for learning? Studies in Educational Evaluation, 37(1), 3–14. https://doi.org/10.1016/j.stueduc.2011.03.001.

    Article  Google Scholar 

  • Williamson, B. (2017). Big data in education. The digital future of learning, policy and practice. Sage.

    Google Scholar 

  • de Witt, C., Rampelt, F., & Pinkwart, N. (Hrsg.) (2020). Künstliche Intelligenz in der Hochschulbildung. Whitepaper. KI-Campus.

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Andreas Breiter .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 2023 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Breiter, A., Krieter, P., Lehmann-Wermser, A., Viertel, M., Weyel, B. (2023). KI-Unterstützung in der Kulturellen Bildung. Potenziale von Learning Analytics für Musiklernen am Beispiel automatisierter Auswertungen von Bildschirmaufzeichnungen. 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_18

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-40079-8_18

  • 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)

Publish with us

Policies and ethics