Forschungsansätze

Das NAPIL°AI System ist ein Adaptives Didaktisches System, das eine Lerntheorie sowie Komponenten zur Konfiguration und Produktion von individuellen Lernlösungen umfasst und kombiniert erstmalig fachliche Entwicklung und Persönlichkeitsentwicklung. Damit lassen sich Lernlösungen im Baukastenprinzip gezielt nach individuellen Anforderungen entwickeln. Dies geschieht in der Startphase manuell. Künftig können Lernlösungen in Echtzeit durch Didaktische Intelligenz produziert werden, wenn die NAPIL°AI DIDAKTIK als didaktisches Regelwerk für Machine Learning z.B. via RAG Methode mit Sprachmodellen, Klassifizierungsmodellen, Vorhersagemodellen, Empfehlungsmodellen und weiteren benötigten emergenten KI-Modellen verknüpft wird. Dafür wurde die Fachlogik didaktischen Handelns und dessen Rahmenbedingungen systematisch auf Termini, Konzepte und Zusammenhänge komprimiert, die regelbasiert in eine Programmiersprache überführt werden können. Damit ist das NAPIL°AI System künftig zugleich Schaltstelle für das systematische didaktische Auswerten von Lernerdaten. Feintraining erfolgt fortlaufend u.a. durch Einspeisen der manuell konfigurierten Produkte und Abgleich von Mustern mit der Lerntheorie und daraus abgeleiteten Hypothesen.

Abbildung 1: NAPIL°AI System – Überblick.

Folgende Anforderungen waren leitend bei der Entwicklung der Lerntheorie:

• Lerntheorie statt Lehrtheorie, wenn Lerner statt Provider im Zentrum des Lernprozessmanagements steht

• Scope: Lernbedarfe (Fachentwicklung) & Lernbedürfnisse (Persönlichkeitsentwicklung) abdecken

• Scope: Lernbedürfnisse im Rahmen von konstruktivistischen bis instruktionistischen Theorien abdecken

• Didaktisches Handeln systemisch ermöglichen (zielgruppenübergreifend, rechtskreisübergreifend, plattformübergreifend, didaktisch ebenenübergreifend)

• Adaptives System, das systematische Deduktion von Lernlösungen anterior aus gemeinsamer Basis ermöglicht, statt posterior singuläre Lösungen zusammenzuführen (Vermeidung von Lücken in didaktischer Logik & Folgefehlern in technischer Umsetzung)

Die Konfiguration von individuellen Lernlösungen erfolgt durch Auswahl der entsprechenden Parameter aus dem Framework (basale, inhaltsbezogene, organisatorische, wertebezogene, methodische & sozialitätsbezogene Parameter; Selbstbestimmtes Lernen - vgl. F. Peschel;). Durch die methodische Modellierung, die Kompetenzorientierung (vgl. 21st Century Skills/PISA), Lernphasen (vgl. L. Rosa) und Persönlichkeitsorientierung mit dem fachlichen Lerninhalt verknüpft, lassen sich individuelle Lernpräferenzen in die Produktion der Lernlösung einbinden. Die Modellierung basiert auf einem konzentrischen 3 Layer Prinzip kombiniert mit einer quaternären Segmentierung. Damit lässt sich eine sehr hohe Anzahl von individuellen Lernpräferenzen mappen, die sowohl bei manueller als auch automatisierter Anwendung nachvollziehbar bleiben. Das Theorem der persönlichkeitsbezogenen Lernpräferenzen basiert auf dem interdisziplinären Ansatz, neurophysiologisch bedingte Reaktionsmuster und psychologische Grundbedürfnisse kausal zusammenzuführen (vgl. J. LeDoux; G. Roth & K. Grawe;). Innerhalb einer neuentwickelten lerntheoretischen Taxonomie mit Kompetenzstufen und -leveln sind Lernzielverben dieser physiopsychologischen Strukturalität zugeordnet. Damit sind individuelle Lernpräferenzen bereits in der Konfigurationsphase systematisch implementierbar und mit einer Auswertbarkeit verknüpft.

Abbildung 2: NAPIL°AI System - Didaktisches Framework (Auszug).

Abbildung 3: NAPIL°AI System - Methodische Modellierung.

Abbildung 4: NAPIL°AI System - Physiopsychologische Reaktionsmuster.

Abbildung 5: NAPIL°AI System - Taxonomie der Lernzielverben (Auszug).

Für das NAPIL°AI System wurden Parameter aller didaktischen Handlungsebenen (Meta-, Makro-, Meso-, Mikroebene) herausgearbeitet, mittels derer sich jede Lernlösung eindeutig innerhalb eines Didaktischen Frameworks identifizieren lässt. Dabei kann die Lernlösung wie bei klassischen Kursen bereits im Portfolio des Bildungsanbieters vorhanden sein oder für eine individuelle Lernlösung in Moment of Need konfiguriert werden. Die Parameter bilden basale, inhaltsbezogene, organisatorische, wertebezogene, methodische und sozialitätsbezogene Anforderungen an didaktische Handlungsfelder bei der Produktion individueller Lernlösungen ab. Jede Parameterkonstellation ist dadurch einzigartig. Damit ist das klassische Prinzip einer Personaerstellung künftig nicht mehr notwendig.

Die Produktion erfolgt im Sinne der Zukunft des Lernens nicht wie bei klassischer Produktentwicklung vor der Buchung der Lernlösung, sondern danach. Um hier eine zeitnahe Produktion zu unterstützen, wurden Templates entwickelt, die vom Adaptieren von Learning Journeys über das Adaptivieren von Abläufen der Lernsessions bis hin zum adaptiven Generieren von Lern- und Lernkontrollaufgaben entsprechend der methodischen Modellierung in den Lernsettings automatisieren. Das System kann zudem bestehende Lernangebote über das Parameterprinzip klassifizieren und hinsichtlich der Neuroadaption und Persönlichkeitsentwicklung ergänzen und erleichtert so den Übergang bei der Transformation von gegenwärtigem zu künftigem Lernen.

Fachliche Skills sollten aus Forschungssicht gemäß dem Gemeinsamen Europäischen Referenzrahmen für “Schlüsselqualifikationen Lebenslangen Lernens” des Europäischen Rates (GER 2019) grobgegliedert werden, um Lernern das Auffinden von Lerninhalten auf der Plattform zu erleichtern. Diese umfassen:

• Lese- und Schreibkompetenz

• Mehrsprachigkeit

• Mathematische, wissenschaftliche und technische Fähigkeiten

• Digitale und technologiebasierte Kompetenzen

• Soziale Kompetenz und Fähigkeit, neue Kompetenzen zu erwerben

• Aktive Bürgerschaft

• Unternehmerische Kompetenz

• Kulturbewusstsein und kulturelle Ausdrucksfähigkeit.