Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
12. Internationaler Motorenkongress 2025 | 25. + 26. Februar 2025

Treffpunkt der Community für Antriebe und nachhaltige Kraftstoffe

Der Kongress beleuchtet die zukünftige Rolle des Verbrennungsmotors und seiner nichtfossilen Kraftstoffe aus globaler Sicht mit führenden Experten. Seien Sie dabei! Weitere Informationen und Buchungsmöglichkeiten finden Sie auf unserer Website.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

21. Einsatzmöglichkeiten Künstlicher Intelligenz in der Hochschulbildung – Ausgewählte Ergebnisse eines Systematic Review

verfasst von : Olaf Zawacki-Richter, Victoria Marin, Melissa Bond, Franziska Gouverneur

Erschienen in: Digitale Bildung und Künstliche Intelligenz in Deutschland

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Bereits seit über einem halben Jahrhundert wird zur Entwicklung von Künstlicher Intelligenz (KI) geforscht und entwickelt. Durch die weltweite Vernetzung und Verfügbarkeit von Daten („big data“) und eine entsprechende Rechenkapazität der Computer sind heute Anwendungen und Methoden möglich geworden, die in den letzten Jahren verstärkt auch im Kontext des Lernens und Lehrens an Hochschulen diskutiert werden. Auf der Grundlage eines Systematic Reviews mit 146 inkludierten Studien wird in dem Beitrag ein Überblick über aktuelle Entwicklungen und potenzielle Anwendungsbereiche von AIEd (Artificial Intelligence in Education) gegeben. Hierbei wird auch eine kritische Perspektive zu den hiermit verbundenen ethischen und rechtlichen Herausforderungen eingenommen.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Lernpartnerschaften – Eine vergleichende Erhebung des Rollenverständnisses von Lernenden und Lehrenden im digitalen Studienprozess
Nächstes Kapitel Learning Analytics im Hochschulkontext – Potenziale aus Sicht von Stakeholdern, Datenschutz und Handlungsempfehlungen
Fußnoten
Literatur
Acikkar, M., & Akay, M. F. (2009). Support vector machines for predicting the admission decision of a candidate to the School of Physical Education and Sports at Cukurova University. Expert Systems with Applications, 36(3 PART 2), 7228–7233.
Amigud, A., Arnedo-Moreno, J., Daradoumis, T., & Guerrero-Roldan, A.-E. (2017). Using learning analytics for preserving academic integrity. International Review of Research in Open and Distance Learning, 18(5), 192–210.CrossRef
Andris, C., Cowen, D., & Wittenbach, J. (2013). Support Vector Machine for Spatial Variation. Transactions in GIS, 17(1), 41–61. 
Blikstein, P., Worsley, M., Piech, C., Sahami, M., Cooper, S., & Koller, D. (2014). Programming pluralism: Using learning analytics to detect patterns in the learning of computer programming. Journal of the Learning Sciences, 23(4), 561–599.
Calvo, R. A., O’Rourke, S. T., Jones, J., Yacef, K., & Reimann, P. (2011). Collaborative Writing Support Tools on the Cloud. IEEE Transactions on Learning Technologies, 4(1), 88–97.
Casamayor, A., Amandi, A., & Campo, M. (2009). Intelligent assistance for teachers in collaborative e-Learning environments. Part of Special Issue: Learning with ICT: New Perspectives on Help Seeking and Information Searching, 53(4), 1147–1154.
Chaudhri, V. K., Cheng, B., Overtholtzer, A., Roschelle, J., Spaulding, A., Clark, P., … & Gunning, D. (2013). Inquire biology: A textbook that answers questions. AI Magazine, 34(3), 55–72.
Cobos, C., Rodriguez, O., Rivera, J., Betancourt, J., Mendoza, M., León, E., & Herrera-Viedma, E. (2013). A hybrid system of pedagogical pattern recommendations based on singular value decomposition and variable data attributes. Information Processing & Management, 49(3), 607–625. 
Delen, D. (2011). Predicting student attrition with data mining methods. Journal of College Student Retention: Research, Theory and Practice, 13(1), 17–35. 
Dobre, I. (2014). Assessing the student’s knowledge in informatics discipline using the METEOR metric. Mediterranean Journal of Social Sciences, 5(19), 84–92.
Drachsler, H., & Greller, W. (2016). Privacy and analytics: It’s a DELICATE issue a checklist for trusted learning analytics. In D. Gasevic &Ù G. Lynch et al. (Hrsg.), Proceedings of the sixth international conference on learning analytics & knowledge – LAK ’16 (S. 89–98). New York: Association for Computing Machinery. 
Gierl, M., Latifi, S., Lai, H., Boulais, A., & Champlain, A. (2014). Automated essay scoring and the future of educational assessment in medical education. Medical Education, 48(10), 950–962. 
Gough, D., Oliver, S., & Thomas, J. (2017). An introduction to systematic reviews (2. Aufl.). Los Angeles: SAGE.
Hinojo-Lucena, F.-J., Aznar-Díaz, I., Cáceres-Reche, M.-P., & Romero-Rodríguez, J.-M. (2019). Artificial Intelligence in Higher Education: A Bibliometric Study on its Impact in the Scientific Literature. Education Sciences, 9(1), Art. 51, 1–9. 
Hoffait, A.-S., & Schyns, M. (2017). Early detection of university students with potential difficulties. Decision Support Systems, 101(September 2017), 1–11. 
Howard, C., Jordan, P., Di Eugenio, B., & Katz, S. (2017). Shifting the load: A peer dialogue agent that encourages its human collaborator to contribute more to problem solving. International Journal of Artificial Intelligence in Education (Springer Science & Business Media B.V.), 27(1), 101–129.CrossRef
Howard, E., Meehan, M., & Parnell, A. (2018). Contrasting prediction methods for early warning systems at undergraduate level. Internet and Higher Education,37 (April 2018), 66–75.
Huang, J., & Chen, Z. (2016). The research and design of web-based intelligent tutoring system. International Journal of Multimedia and Ubiquitous Engineering, 11(6), 337–348.
Hussain, M., Zhu, W., Zhang, W., & Abidi, S. M. R. (2018). Student engagement predictions in an e-Learning system and their impact on student course assessment scores. Computational Intelligence and Neuroscience, 2018, 6347186, 1–21.
Iglesias, A., Martinez, P., Aler, R., & Fernandez, F. (2009). Reinforcement learning of pedagogical policies in adaptive and intelligent educational systems. Knowledge-Based Systems, 22(4), 266–270.CrossRef
Jackson, M., & Cossitt, B. (2015). Is intelligent online tutoring software useful in refreshing financial accounting knowledge? Advances in Accounting Education: Teaching and Curriculum Innovations, 16, 1–19.
Kose, U., & Arslan, A. (2016). Intelligent E-Learning system for improving students’ academic achievements in computer programming courses. International Journal of Engineering Education, 32(1, A), 185–198.
Li, X. (2007). Intelligent agent-supported online education. Decision Sciences Journal of Innovative Education, 5(2), 311–331. 
Liberati, A., Altman, D. G., Tetzlaff, J., Mulrow, C., Gotzsche, P. C., Ioannidis, J. P. A., Clarke, M., Devereaux, P. J., Kleijnen, J., & Moher, D. (2009). The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate healthcare interventions: Explanation and elaboration. BMJ, 339(jul21 1), b2700–b2700.
Lo, J.-J., Chan, Y.-C., & Yeh, S.-W. (2012). Designing an adaptive web-based learning system based on students’ cognitive styles identified online. Computers & Education, 58(1), 209–222.
Ng, S. C., Wong, C. K., Lee, T. S., & Lee, F. Y. (2011). Design of an agent-based academic information system for effective education management. Information Technology Journal, 10(9), 1784–1788.CrossRef
Reid, J. (1995). Managing learner support. In F. Lockwood (Hrsg.), Open and distance learning today (S. 265–275). London: Routledge.
Russell, S. J., Norvig, P., & Davis, E. (2010). Artificial intelligence: A modern approach (3. Aufl.). Upper Saddle River: Prentice Hall.
Schiaffino, S., Garcia, P., & Amandi, A. (2008). eTeacher: Providing personalized assistance to e-learning students. Computers & Education, 51(4), 1744–1754.CrossRef
Selwyn, N. (2016). Is technology good for education? Cambridge: Polity.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Cambridge: Polity.
Torres-Díaz, J. C., Infante Moro, A., & Valdiviezo Díaz, P. (2014). MOOCs and personalized massification [Los MOOC y la masificación personalizada]. Profesorado, 18(1), 63–72.
Vlugter, P., Knott, A., McDonald, J., & Hall, C. (2009). Dialogue-based CALL: a case study on teaching pronouns. Computer Assisted Language Learning, 22(2), 115–131.
Weston-Sementelli, J. L., Allen, L. K., & McNamara, D. S. (2018). Comprehension and writing strategy training improves performance on content-specific source-based writing tasks. International Journal of Artificial Intelligence in Education, 28(1), 106–137.
Yuanyuan, J., & Yajuan, L. (2014). Development of an intelligent teaching system based on 3D technology in the course of digital animation production. International Journal of Emerging Technologies in Learning, 9(9), 81–86.
Zawacki-Richter, O., Kerres, M., Bedenlier, S., Bond, M., & Buntins, K. (Hrsg.). (2020). Systematic reviews in educational research: Methodology, perspectives and application. Wiesbaden: Springer.
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(1), Art. 39, 1–27.
Zierer, K. (2018). Lernen 4.0: Pädagogik vor Technik: Möglichkeiten und Grenzen einer Digitalisierung im Bildungsbereich (2., erweiterte Aufl.). Baltmannsweiler: Schneider.
Metadaten
Titel
Einsatzmöglichkeiten Künstlicher Intelligenz in der Hochschulbildung – Ausgewählte Ergebnisse eines Systematic Review
verfasst von
Olaf Zawacki-Richter
Victoria Marin
Melissa Bond
Franziska Gouverneur
Copyright-Jahr
2020
Buch
Digitale Bildung und Künstliche Intelligenz in Deutschland

Print ISBN: 978-3-658-30524-6

Electronic ISBN: 978-3-658-30525-3

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-658-30525-3_21

Premium Partner

    Bildnachweise