Beitrag von Österreichisches Institut für angewandte Telekommunikation (ÖIAT)

Im neuen e-teaching.org-Interview sprechen wir mit Prof. Dr. Gabi Reinmann und Alice Watanabe (Universität Hamburg) über die Veränderungen in der #Hochschuldidaktik durch Künstliche Intelligenz (#KI). Im Gespräch zeigen die beiden Hochschulforscherinnen, wie KI als Spannungsverstärker in der Hochschuldidaktik wirkt, wie wir den neuen Spannungen durch KI begegnen können und warum eine Wertediskussion unerlässlich ist. 💡📄 Jetzt hier zu lesen:

Neue Themenseite zu KI in der Hochschullehre 💡 Entdecken Sie auf unserer Themenseite zu #KünstlicherIntelligenz ein breites Spektrum an Ressourcen und Informationen, die speziell für Hochschulmitarbeitende kuratiert wurden. 🤖🧰 Wir haben eine umfassende Übersicht über aktuelle Tools, rechtliche und ethische Aspekte im Bereich der KI erstellt. 📚 Durch die vielfältigen Materialien, wie Leitfäden, Fallstudien und Empfehlungen, erhalten Sie Einblicke, um KI-gestützte Lösungen in Ihren Lehr- und Forschungsbereich zu integrieren. https://lnkd.in/eg_3MgBW

🚀Künstliche Intelligenz hat die Art und Weise, wie wir akademische Forschung betreiben, massgeblich verändert. Als führende Lehr- und Forschungseinrichtung hat die Lucerne University of Applied Sciences and Arts die Bedeutung dieses Wandels erkannt und fünf spannende Workshops für uns Studierende auf die Beine gestellt. 🎓 🔍 Diese Workshops beschäftigten sich unter anderem mit quantitativen und qualitativen Analysen mithilfe von KI und erwiesen sich besonders für die Masterarbeit und weitere Projektarbeiten als äusserst hilfreich. 💼 🧠 Ich habe an diesen Workshops teilgenommen und mein Resümee ist klar: Es geht nicht mehr darum, ob wir KI einsetzen, sondern wie wir sie nutzen. Dabei ist es von entscheidender Bedeutung, Datenschutzbestimmungen einzuhalten und die Verwendung von KI im Methodenteil transparent zu machen sowie kritisch zu reflektieren. 💡 📚 Wer tiefer in das Thema eintauchen möchte, findet hier weitere Einblicke: https://lnkd.in/eJZwq4RF #KünstlicheIntelligenz #Forschung #HSLUWirtschaft

🚀 Ein Schritt in Richtung Open Science: Einblicke in einen Pilotversuch In der Welt der #BWL öffnen sich neue Türen zur #Kollaboration und zum Austausch von Wissen. Ein bemerkenswerter Vorstoß in diese Richtung wurde kürzlich durch die Arbeit von Maximilian Heimstädt von der Universität Bielefeld und Lukas Daniel Klausner von der Technische Universität Wien hervorgehoben. Ihr Pilotversuch zur Öffnung qualitativer BWL-Daten für die Nachnutzung bringt frischen Wind in die Diskussion um #OpenScience. Hier sind die Kernpunkte ihrer Erfahrungen und Ratschläge: 📊 Kosten und Planung: Der erste Schritt zur Nachnutzbarkeit von #Forschungsdaten beginnt bereits bei der Antragstellung. Es ist entscheidend, finanzielle Mittel für die Anonymisierung der Daten und die damit verbundene Arbeit einzuplanen. Dies kann durch die Einstellung einer studentischen Hilfskraft unterstützt werden. Die Planung sollte auch ausreichend Zeit für den Prozess der Einholung von Einverständniserklärungen der Befragten berücksichtigen. 🌍 Aufbau einer Forschungscommunity: Die Bereitstellung von Sekundärdaten eröffnet die Möglichkeit, eine engagierte Community rund um ein Forschungsthema zu etablieren. Dies fördert nicht nur den Austausch und die Zusammenarbeit innerhalb der Forschungsgemeinschaft, sondern bietet auch Studierenden wertvolle Lernchancen. Durch den Zugang zu aktuellen Daten können sie praktische Fähigkeiten in der Datencodierung und -kategorisierung entwickeln. 🔍 Effiziente Datenerhebung: Ein pragmatischer Ansatz bei der Datenerhebung kann Zeit und Ressourcen sparen. Nicht essentielle Teile der Interviews oder biografische Details können aus den Transkripten entfernt und in den Kontextinformationen festgehalten werden. Dies erleichtert die Nachnutzung der Daten und fördert deren Relevanz und Zugänglichkeit. Der Pilotversuch von Heimstädt und Klausner ist ein inspirierendes Beispiel dafür, wie #Forschungsdaten geteilt und für eine breitere Gemeinschaft nutzbar gemacht werden können. Ihre Erkenntnisse und Empfehlungen bieten wertvolle Leitlinien für zukünftige Projekte in der Welt der Open Science in Economics. 👉 Lesen Sie das ganze Interview im Open Science Magazin: https://lnkd.in/eSrdZFaY

Wie kommt KI in die Hochschullehre? - Teil 1 Mit dieser Frage befasst sich eine Session von Dr. Louise Schubotz von der Humboldt-Universität zu Berlin (HU) auf dem University:Future Festival 2024. Aktuell läuft eine HU-weite Lehrendenbefragung zum Thema Künstliche Intelligenz (KI) in der Hochschullehre. Diese Befragung befindet sich nun seit gut zwei Wochen im Feld, und alle Erkenntnisse, die präsentiert wurden, basieren auf einem vorläufigen Datensatz. Relevanz von KI im Hochschulkontext Zu Beginn wurde der Status quo an der Humboldt-Universität betrachtet. Eine zentrale Frage war, wie relevant das Thema KI für Fakultätsverantwortliche und Lehrende ist. Ein Zitat aus den Interviews verdeutlicht die Vielfalt der aktuellen Themen: „Wir brauchen neben dem KI-Campus eigentlich auch noch ein Öko-Campus. Vielleicht brauchen wir auch bald einen Demokratie-Campus.“ Dieses Zitat zeigt, dass KI zwar wichtig ist, aber um Aufmerksamkeit und Ressourcen mit vielen anderen dringenden Themen konkurriert. Relevanz-Ranking der Querschnittsthemen Die Lehrenden wurden gebeten, unterschiedliche Querschnittsthemen nach ihrer Relevanz zu ordnen. KI landete in diesem Ranking auf dem zweiten Platz, was zeigt, dass es für die teilnehmenden Lehrenden ein sehr relevantes Thema ist. Über 80 Prozent der Befragten glauben, dass KI langfristig die Hochschulbildung stark beeinflussen wird. Interessanterweise sind etwa drei Viertel der Meinung, dass Studierende, unabhängig von ihrem Fach, grundlegende KI-Kompetenzen im Rahmen ihres Studiums erwerben sollten. Fokus auf kritische Reflexion und technische Kompetenzen Ein weiterer wichtiger Aspekt war, dass für die Lehrenden die kritische Reflexion und Auseinandersetzung mit dem Thema wichtiger ist als der Erwerb technischer Kompetenzen. Dies gilt sowohl für die eigene Auseinandersetzung mit dem Thema als auch für das, was die Studierenden lernen sollten. Aktueller Stand von KI in Forschung und Lehre Um zu verstehen, wie weit KI bereits in Forschung und Lehre integriert ist, wurden die Lehrenden befragt, ob sie sich in ihrer Forschung mit der Entwicklung und Verbesserung von KI, der Anwendung von KI-Verfahren oder der Reflexion über KI beschäftigen. Es zeigte sich, dass viele Lehrende sich noch nicht intensiv mit KI auseinandersetzen. Ein ähnliches Bild ergibt sich in der Lehre, was zeigt, dass Forschung und Lehre in diesem Bereich oft Hand in Hand gehen. Selbsteinschätzung der Lehrenden Interessant ist auch die Selbsteinschätzung der Lehrenden bezüglich ihrer KI-Kompetenzen. Auf einer Skala von 1 bis 6 gaben sich die meisten Lehrenden die Note 2, im Durchschnitt jedoch eine 3,3. Dies zeigt, dass es noch Raum für Verbesserungen gibt. Am besten schätzen sich die Lehrenden im Bereich der kritischen Reflexion ein, gefolgt von der praktischen Anwendung von KI. Die niedrigsten Kompetenzen sehen sie im Bereich der technischen Grundlagen. Teil 2: https://lnkd.in/eZBkDrxp

“Das kann ich mir jetzt von KI machen lassen..🪄” Was denn genau oder exploriere ich auch das Was mit KI? Womit wurde die KI trainiert? Was kann mein eigenes neuronales Netz 🧠, um den Output der KI zu bewerten/kontrollieren und weiterverarbeiten? Und wie könnte sich das auf die Bildung und Forschung auswirken? Mit flipped classroom und hybriden Lernveranstaltungen habe ich bereits positive Erfahrungen gemacht - vorausgesetzt die entsprechende Lernzeit und Eigenaktivität - eigentlich wie üblich bei nutzbrigendem Lernen 😉 #KI #KuenstlicheIntelligenz #Lernen #Berufsbildung #Digitalisierung #Innovation #Forschung #FlippedClassroom

Bei der Arbeit mit Wissensgraphen sind Ontologien in vielerlei Hinsicht eine sehr hilfreiche Angelegenheit: (1) sie stellen ein einheitliches und gemeinsam nutzbares Vokabular für Klassen und ihre Beziehungen zur Verfügung, (2) sie erleichtern die Integration von Daten aus unterschiedlichen Quellen, (3) sie unterstützen die semantische Interoperabilität und Interaktion multipler Systeme, und (4) sie ermöglichen deduktives Schlussfolgern bzw. die systematische Validierung und Erweiterung von Wissensgraphen. Aktuell beschäftigt mich das Thema insb. mit Blick auf den BERUFENET-Wissensgraphen (vgl. Fischer & Dörpinghaus, 2024, 👉 https://lnkd.in/eiAfVS3v), den ich neben der GLMO vom Bundesinstitut für Berufsbildung (BIBB) gerne mit eine Reihe weiterer geeigneter Ontologien verknüpfen möchte, um so seine Anschlussfähigkeit an unterschiedliche Wissensdomänen auszubauen und perspektivisch eine möglichst breite und zugleich fundierte Wissensbasis für meinen kürzlich vorgestellten GraphRAG-Chatbot zu schaffen. Die Abbildung unten zeigt expemplarisch mal ein vergleichsweise einfaches semantisches Netz, das ich auf der Basis der Ontologie von schema.org zur Klasse "Occupation" extrahiert habe, und zu dessen Knoten/Klassen sich die Entitäten unseres Wissensgraphen m.E. hervorragend und vielfältig anschlussfähig in Beziehung setzen ließen. 🤩 Wie seht ihr die Zukunft von Ontologien und Wissensgraphen im Bereich der Berufsbildung,-beratung und -orientierung und welche Ontologien würden sich eurer Meinung nach am besten für den BERUFENET-Wissensgraphen eignen? #BERUFENET #KnowledgeGraphs #Ontologies #GLMO #GraphRAG #LLMs #KI #AI

In Zeiten der Künstlichen Intelligenz dürften Austausch und Reflexion in der Lehre im Vergleich zur Wissensvermittlung mehr Gewicht einnehmen. Die Universitäten sollten sich zudem klar darüber werden, welche Kompetenzen nicht durch KI ersetzt werden können. Dies postuliert ein Positionspapier der Digital Society Initiative der UZH. https://lnkd.in/e7zkYKg4

Ganz klare Empfehlung :) Fragen können auch gern gestellt werden! 

𝗞ü𝗻𝘀𝘁𝗹𝗶𝗰𝗵𝗲 𝗜𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝘇 𝗳ü𝗿 𝗣𝗿𝗼𝗳𝗲𝘀𝘀𝗼𝗿𝗶𝗻𝗻𝗲𝗻 𝘂𝗻𝗱 𝗣𝗿𝗼𝗳𝗲𝘀𝘀𝗼𝗿𝗲𝗻 – 𝗘𝗳𝗳𝗶𝘇𝗶𝗲𝗻𝘁, 𝗲𝘁𝗵𝗶𝘀𝗰𝗵 𝘂𝗻𝗱 𝗲𝗿𝗳𝗼𝗹𝗴𝗿𝗲𝗶𝗰𝗵 𝗳𝗼𝗿𝘀𝗰𝗵𝗲𝗻 Unser 𝙝𝙡𝙗-Online-Seminar am 11.10.> Noch Plätze frei! In einer Welt, in der die Schlagworte „Künstliche Intelligenz“ und „Maschinelles Lernen“ beinahe täglich durch die Korridore der Wissenschaftscommunity hallen, steht man oft vor einem Rätsel: Was verbirgt sich eigentlich hinter diesen Begriffen, und wie unterscheiden sie sich? Mit der zunehmenden Integration von KI in unseren Forschungsalltag drängt sich zudem die Frage auf, wie uns diese Technologie unterstützen kann, ohne dabei ihre Grenzen aus den Augen zu verlieren. Die Auseinandersetzung mit ethischen Fragestellungen, wie der Zuschreibung von Urheberschaft und dem Umgang mit Plagiaten in der Ära der KI, wird immer dringlicher. Gleichzeitig sind wir auf der Suche nach den passenden Tools, die unsere Arbeit erleichtern und bereichern können. Und was ist eigentlich dieses „Prompt Engineering“, und wie nutzt man es am effektivsten? Diese und weitere Fragen nehmen wir in unserem Online-Seminar ‚KI – was nun?‘ unter die Lupe. Es gibt zahlreiche Praxisbeispiele (Prompts), App-Empfehlungen, wichtige rechtliche Hinweise zur Nutzung sowie die Möglichkeit, persönliche Fragen zu klären und das Online-Seminar für einen wertvollen Austausch zu nutzen. Ziel: In Zukunft Zeit sparen und sicher mit KI umgehen (z. B. mithilfe von KI Ihre Förderanträge überzeugender gestalten und Ihre Chancen auf eine erfolgreiche Einwerbung erhöhen). Hier geht es zur Anmeldung: 👉 t.ly/s_3sE Foto-Quelle: Das KI-Bild ist erstellt worden mit dem LinkedIn-KI-Tool für Artikel.