QuaKI – Bewertung der Qualität von KI-Outputs

Künstliche Intelligenz (KI) generiert zunehmend Texte, Bilder und Lösungen, die in Bildung, Wissenschaft und Wirtschaft eingesetzt werden. Die Qualität dieser Outputs ist jedoch stark variabel und hängt von Modell, Trainingsdaten, Aufgabenstellung und Bewertungskriterien ab. Bisher fehlt eine systematische, transparente und vergleichbare Vorgehensweise zur Evaluation von KI-Outputs. Eine solche Bewertungsgrundlage ist notwendig, um die Einsatzmöglichkeiten von KI verantwortungsvoll und wirksam einschätzen zu können. Das Projekt verfolgt das Ziel, die Bewertungskompetenz näher zu betrachten und ein Bewertungsraster zur Qualität von KI-Outputs zu entwickeln, zu erproben und zu evaluieren. An dieser Stelle setzt dieses Forschungsprojekt an.

Zu diesem Thema können acht Masterthesen vergeben werden.

Sollten Sie an diesem Thema Interesse haben, melden Sie sich bitte vorab per Email.

SeLeMa - Selbstlernumgebungen im Mathematikunterricht der Grundschule

Die zunehmende Digitalisierung des Unterrichts eröffnet neue Möglichkeiten für individuelles und selbstreguliertes Lernen. Gerade im Fach Mathematik, das von Heterogenität in Lerngeschwindigkeit und -strategien geprägt ist, können Selbstlernumgebungen dazu beitragen, Lernprozesse zu differenzieren und Kinder in ihrer Selbstständigkeit zu fördern. Unklar ist jedoch, in welchem Umfang diese Umgebungen tatsächlich den Lernerfolg, die Motivation und die Selbstwirksamkeit von Grundschülerinnen und -schülern unterstützen. Eine systematische Evaluation ist daher notwendig, um Chancen und Grenzen von Selbstlernumgebungen im Grundschul-Mathematikunterricht aufzuzeigen. An dieser Stelle setzt dieses Forschungsprojekt an.

Zu diesem Thema können sechs Bachelor- oder Masterthesen vergeben werden.

Sollten Sie an diesem Thema Interesse haben, melden Sie sich bitte vorab per Email.

Projektleitung: Dr. Jennifer Knellesen, Prof. Dr. Claudia Kastens