Unsere Arbeit rund um eDoer konzentriert sich auf die Entwicklung der nächsten Generation personalisierter Online-Lernsysteme. Die Forschung reagiert auf die wachsende Nachfrage nach hochwertiger, adaptiver und kompetenzorientierter digitaler Bildung. Lernende erwarten heute mehr als Inhalte allein. Sie suchen Plattformen, die ihnen helfen, berufsrelevante Kompetenzen aufzubauen, persönliche Interessen zu vertiefen und kuratiertes Wissen aus unterschiedlichen Bereichen zu erschließen. Um diesen Anforderungen gerecht zu werden, untersuchen wir zentrale Fragen und Themenfelder:
Unser interdisziplinärer Ansatz verbindet Forschung in technologiegestütztem Lernen, künstlicher Intelligenz, User Modeling und Software Engineering, um mit eDoer ein dynamisches und motivierendes Lernökosystem zu schaffen.
Ein kompakter Überblick über ausgewählte Arbeiten zu KI-gestütztem Lernen, offenen Bildungsressourcen, Curriculum-Entwicklung und Personalisierung.
Wir haben eDoer als KI-gestütztes Empfehlungssystem vorgestellt, das Lernziele, Arbeitsmarktkompetenzen und offene Bildungsressourcen verbindet, und es in einer randomisierten kontrollierten Studie (RCT) mit Lernenden validiert.
Bezug zum Gesundheitswesen: Dieselbe Logik kann rollenbasiertes Onboarding und Weiterbildung im Gesundheitswesen unterstützen.
Wir haben embedding-basierte Rankings für den Abgleich mit Lernzielen untersucht, sie mit Fachleuten validiert und ihren Bezug zur Lernleistung in einer randomisierten kontrollierten Drei-Gruppen-Studie (RCT) geprüft.
Bezug zum Gesundheitswesen: Im Gesundheitswesen hilft dies zu prüfen, ob eine Ressource eine geforderte Kompetenz oder ein Patientenziel wirklich unterstützt.
Wir haben einen Human-AI-Workflow für personalisierte Curriculum-Entwicklung aufgebaut und die Plattform in zwei randomisierten kontrollierten Prä-Post-Studien (RCTs) im Vergleich zu Moodle hinsichtlich der Wissensaneignung validiert.
Bezug zum Gesundheitswesen: Das ist besonders relevant für das Gesundheitswesen, wo Fachleute verlässliche KI-Unterstützung brauchen, um Lernpfade schnell zu erstellen und zu validieren.
Wir haben LLM-gestützte Interfaces entwickelt und evaluiert, die den Prompting-Aufwand für Curriculum-Autorinnen und -Autoren reduzieren.
Bezug zum Gesundheitswesen: Das unterstützt vielbeschäftigte Lehrende und Gesundheitsfachkräfte, die praktische Autorentools benötigen.
Wir haben untersucht, wie LLMs lernerspezifische Antworten erzeugen und wie diese automatisch sowie durch Menschen bewertet werden können.
Bezug zum Gesundheitswesen: Das weist in Richtung verständlicher Erklärungen für Patientinnen, Patienten, Angehörige, Mitarbeitende und andere Lernende.
Wir haben untersucht, ob LLMs nützliche Kursthemen generieren und Curricula über klassische Suchprozesse hinaus aktualisieren können.
Bezug zum Gesundheitswesen: Der Ansatz kann Fachleuten helfen, erste Versionen von Trainingspfaden im Gesundheitswesen und in anderen Bereichen zu entwerfen.
Wir haben OER-Metadaten analysiert und gezeigt, wie Metadatensignale die Qualität von Ressourcen über Repositorien hinweg vorhersagen können.
Bezug zum Gesundheitswesen: Das ist wichtig, wenn Patienten- oder Mitarbeitendenbildung auf verlässliche, gut beschriebene Lerninhalte angewiesen ist.
Wir haben einen Prototyp entwickelt, der berufliche Kompetenzanforderungen mit offenen Lernvideos verbindet und passende Inhalte empfiehlt.
Bezug zum Gesundheitswesen: Das lässt sich auf klinische Trainingsvideos, Pflegekompetenzen und praxisnahe Onboarding-Pfade übertragen.
Wir haben KI-Empfehlungen und Expertinnen- bzw. Expertenwissen kombiniert, um personalisierte Curricula zu erstellen und aktuell zu halten.
Bezug zum Gesundheitswesen: Das passt zu schnell wandelndem Gesundheitswissen, bei dem Fachleute Lernpfade aktuell halten müssen.
Wir haben Qualitätsmetriken definiert und evaluiert, mit denen Autorinnen, Autoren und Plattformen offene Bildungsressourcen bewerten können.
Bezug zum Gesundheitswesen: Qualitätsprüfungen sind besonders wertvoll in sensiblen Lernkontexten wie der Patienteninformation.
Wir haben zu einer Ontologie beigetragen, die Lernressourcen, Kompetenzen, Nutzerprofile und Empfehlungen in einer verbundenen Struktur abbildet.
Bezug zum Gesundheitswesen: Eine gemeinsame Struktur erleichtert es, komplexe Bereiche wie das Gesundheitswesen zu modellieren, ohne domänenübergreifende Flexibilität zu verlieren.