Freie Lernmaterialien, sogenannte Open Educational Ressources (OER), werden bisher ungenügend genutzt, u.a. weil sie im Bedarfsfall nicht gefunden werden. Was sind die Gründe?

1. Einerseits fehlen vorhandenen Lernmaterialien die Metadaten, anhand derer sie gefunden werden können.
2. Andererseits fehlen geeignete Such- und Vorschlagsfunktionen, die den Bedarf und den Kontext der Suchenden berücksichtigen.
3. Drittens sind die Quellen, wo sich die Lernmaterialien befinden, ungenügend bekannt bzw. für die Suchfunktionalitäten unerschlossen.

Das will das OER-IT-Frühjahrscamp ändern: IT-ExpertInnen erarbeiten mit den TeilnehmerInnen beispielhafte Lösungsskizzen zu konkreten Nutzungsszenarien aus dem Bildungsbereich. Ziel des Workshops ist, dass die TeilnehmerInnen die Verbesserungen eigener Softwareangebote planen und mithilfe von KI-ExpertInnen umsetzen können. Der Workshop gibt IT-ExpertInnen einen praxisorientierten Einblick in nutzbare Technologien und Lösungen und zeigt für ProjektmanagerInnen einen typischen Projektablauf inklusive nötiger Aufgaben und Aufwände auf.

Eingeladen sind IT-Fachleute aus dem Bildungsbereich, bspw. pädagogische Landeszentren, Bildungsserver, Bibliotheken, E-Learning-Softwareentwickler und -betreiber, die wir mit dem Workshop auch anregen möchten, ihre Ressourcen für KI-Projekte zu bündeln und gemeinsame Projekte zu planen.

 

Informationen und Anmeldung

Termin: 23./24. April 2018

Ort: Weimar, Bauhaus-Factory, Bauhausstraße 7c

Hotel Abrufkontingent bis 9.4 buchbar: Leonardo Weimar (Stichwort: JOINTLY)
Tel.:   +49 (0)3643-7222 311   Mail:   reservations.weimar@leonardo-hotels.com

 

Anmeldung

 

Programm (vorläufig)

Tipp: Reist am Wochenende mit Familie an,  genießt Weimar im Frühling mit Kultur, Spaziergang oder Fahrradtour im Goethepark und Sightseeing. Am Samstag, 21.04.2018 spielt dIRE sTRAITS in der Weimarer Congresshalle.

Montag 23.04.2018, Start um 10:00 Uhr

• Vormittag
  • KI aus Nutzersicht
    • Lösungsbeispiele in der Praxis
    • Workshop-Ziel: Vorstellung unserer Nutzungsszenarien
  • KI aus IT-Architekten-Sicht
  • KI aus Projektmanagement-Sicht
    Allgemein und am Beispiel unserer OER-Nutzungsszenarien.
    
    • Projektablauf
    • Was ist mit wie viel Aufwand erreichbar?
    • Welche Fachleute braucht man, wo findet man sie?
• Nachmittag:  1. Praxisteil
• 

  19.00 Uhr Get Together am Thüringer Grill
  mit Live-Musik der TeilnehmerInnen (Instrumente bitte mitbringen 😉 )

Dienstag 24.04.2018

• Frühstücksgespräche bis 10.00 Uhr
• 2. Praxisteil
• Kooperationsgespräche & Architekturskizzen
  Wie können in Kooperationsprojekten zwischen Mediendistributionen, Bibliotheken, zentralen Landeseinrichtungen u.a. Workshopteilnehmern KI-Technologien das Auffinden und Nutzen von Lerninhalten verbessern.

Ende 16:00 Uhr

 

Referenten-Team der TIB

• Prof. Ralph Ewerth
  forscht seit mehr als 15 Jahren zu der Analyse von Bild-, Video- und Textdaten mithilfe von adaptiven maschinellen Lernverfahren und neuronalen Netzen (Deep Learning). Zum Teil wurden seine Arbeiten mit Preisen ausgezeichnet, u.a. seine Dissertation zu transduktiven Lernverfahren für die Videoanalyse mit dem Promotionspreis der Philipps-Universtität Marburg. Dr. Ewerth hat mehr als 50 wissenschaftliche Artikel im Bereich semantische Suche in großen (multimedialen) Datenbeständen veröffentlicht1,2 und ist Mitglied im Programmkomitee einer Reihe von renommierten internationalen Konferenzen im Bereich Multimedia und Semantic Web (z.B. ACM International Conference on Multimedia, European Semantic Web Conference) sowie für diverse wissenschaftliche Zeitschriften.
• Dr. Anett Hoppe
  hat im Themenbereich semantische Wissensmodellierung und Personalisierung promoviert (Université de Bourgogne, Dijon, Frankreich), ihre Expertise deckt die Bereiche Knowledge Engineering, Ontologien, Semantic Web, und Maschinelles Lernen ab, zu denen sie eine Reihe von wissenschaftlichen Arbeiten veröffentlicht hat3. Dr. Hoppe fungiert im Drittmittelvorhaben SALIENT als Projektleiterin seitens der TIB.
• Matthias Springstein
  hat Technische Informatik (B.Eng) und Systemdesign (M.Eng) an der Ernst-Abbe- Hochschule Jena studiert und gehörte dort zu den besten Absolventen seines Jahrgangs. Herr Springstein verfügt über ausgezeichnete Kenntnisse und Erfahrungen mit verschiedenen Programmiersprachen (Java, C++, Python, etc.) und hat mit einer Vielzahl von Software-Frameworks gearbeitet. Er promoviert seit 2015 zum Thema automatische Analyse von Mediendaten mittels Web-überwachtem Lernen und neuronalen Netzen
  Weitere Informationen zur Forschungsgruppe Visual Analytics und dem Referenten-Team finden Sie hier.

Praxisorientiertes Nutzungsszenario als Ausgangsbasis für die KI-Lösungsskizzen

Folgendes Nutzungsszenario wurde als „Anforderung“ 😉 an die ReferentInnen aus dem Kreis der TeilnehmerInnen vorbereitet.

Die ReferentInnen sind gebeten, Lösungsskizzen zu diesem Szenario vorzubereiten und den Teilnehmern einen Einblick in die Technologien zu geben. Idealerweise soll ein kleiner Praxisblock für teilnehmende EntwicklerInnen echtes Handanlegen ermöglichen.

1. Eine Lehrende befindet sich in ihrer (hoch)schulischen digitalen Lernplattform (z.B. Moodle). Sie erarbeitet eine Kurseinheit zum Thema „100 Jahre Frauenwahlrecht“ und soll von einer KI-gestützten Funktion den nächsten passenden Lerninhalt vorgeschlagen bekommen, den sie in die Kursseite einbetten kann.
   • In dieser Umgebung sind Informationen bekannt, bspw. über die Lehrende (unterrichtet Fach X und Y), den Kurs bzw. das aktuelle Thema (100 Jahre Frauenwahlrecht), die Zielgruppe (z.B. Geschichte 10. Klasse Bundesland XY).
   • An die Lernplattform ist die KI-gestützte Suchfunktion angebunden (z.B. als via Plugin eingebetteter Onlineservice). An diesem sind wiederum verschiedene Content-Quellen angebunden sind, bspw. Bibliotheken, wie die Deutsche Digitale Bibliothek oder Wikimedia. Hier sind sehr viele Inhalte zu besagtem Thema zu finden. In bisherigen Praxistests mit Lehrenden war die Herausforderung  nicht die Inhalteverfügbarkeit, sondern die zu hohe Treffermenge inklusive vieler irrelevanter Ergebnisse. Mit von den Lehrenden wählbaren Suchbegriffen konnte nicht aufwandsoptimal das passende Ergebnis gefunden werden, bspw. weil die Quellinhalte nicht über bildungsrelevante Metadaten verfügen oder weil bildungsadäquate Synonymservices / Mappings fehlten.
   • Die KI-ExpertInnen sind gebeten, für diese Lücke geeignete Lösungsstrategien vorzuschlagen, welche in Ergänzung zu prozeduralen Strategien bei der automatischen Erschließung, in der Medienklassifikation und bei Mappings/Crosswalks von Vokabularen und Metadata-Schemata zu besseren Suchergebnissen führen.
   • Die teilnehmenden IT-ExpertInnen aus dem Bildungsbereich sind gebeten, die in der Lernumgebung verfügbaren Nutzer- und Kontextinformationen zu extrahieren und an den Service zu übergeben.
   • Die Testumgebung, bestehend aus einer Lernplattform und einer eingebetteten Suchfunktion, wird vom Veranstalter (JOINTLY) bereitgestellt. Die KI-Lösungsansätze sollen aufzeigen, wie so eine Architektur um geeignete intelligente Funktionen erweitert werden sollte.
2. Der 2. Teil betrifft die Umkehrrichtung des Szenarios: Die Lehrende erstellte in der Lernumgebung einen eigenen Lerninhalt zum gleichen Thema und speichert diesen ab. Eine zu ergänzende Funktionalität soll geeignete Metadaten automatisch generieren.
   • Die Teilnehmer sind gebeten, prozedural erzeugte Metadaten auf Basis von Kontext- und Nutzerinformationen zu ergänzen.
   • Die KI-ExpertInnen sind gebeten, auf Basis von automatisch erkennbaren Mustern Metadaten zu ergänzen.

Hilfreiche Metadaten im Bildungsbereich wären bspw.:

• Lernmaterialart / Learning Ressource Type (z.B. Arbeitsblatt)
• Lehrplaneinordnung (Thema, Klassenstufe)

Ein zentrales Problem ist das Matching von Fachvokabularen von nicht explizit für den Bildungsberich erschlossenen Quellen und Themen(feldern) in Curricula und Lehrpläne.

 

Nutzerumgebung – Typische Softwaresysteme im E-Learning-Bereich

Links

• ähnliche Projekte
  • X5gon: Cross Modal, Cross Cultural, Cross Lingual, Cross Domain, and Cross Site Global OER Network
  • Nesstream 3.0 – Big-Data-Infrastruktur für Journalisten
  • EEXCESS – EU-Projekt entwickelte Recommendation-Technologien für Kultur- und Wissenschafts-Quellen
• Folien, Online-Kurse, Artikel, Bücher:
  • Machine Learning 101 (Jason Mayes, Senior Creative Engineer, Google – 2017)
  • freier Machine-Learning-Kurs (bei Coursera, Andrew Ng from Stanford University)
  • Nesstream 3.0 – Big-Data-Infrastruktur für Journalisten  (Dr. Gerd Kamp, Leiter dpa-newslab – 2015)
  • Hintergrundartikel: „Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review“ (Waseem Rawat, Zenghui Wang, Department of Electrical and Mining Engineering, University of South Africa – 2017)
  • fast.ai –  is dedicated to making the power of deep learning accessible to all
  • Using AI to analyse collections (Jonathan Knott – 2017)
  • Videoaufzeichnung: „Artificial Intelligence in Cultural Institutions“ (Tony Guillan, Szymon Janota, Jonathan Knott, Barbara Thiele, Jakub Koźniewski, moderiert von Piotr Kossobudzki. – 2017)
  • ab Folie 48 ff: „Interoperable IT-Systeme und Metadaten im OER-Lebenszyklus“ (Adrian Pohl u. Matthias Hupfer – 2014)
• Technische Lösungen:
  • KERAS  ,   Tensorflow  ,  PyTorch
  • IBM Watson
  • Google Cloud Platform – Machine Learning Dienste
  • Stanford CoreNLP – Natural language software
  • Apache Spark
  • Apache Hadoop!

 

Fragen? Wünsche? Feedback?:

Unser @OER_JOINTLY Team erreicht Ihr unter: info@jointly.info

Hier gehts zur Anmeldung zum IT-Frühjahrscamp:

Anmeldung

 

 

Dieser Blogbeitrag steht unter einer CC BY 4.0-Lizenz.. Die Namen der Urheber sollen bei einer Weiterverwendung wie folgt genannt werden: …für den Text: Annett Zobel für das Projekt @OER_JOINTLY des edu-sharing NETWORK e.V.; …für die Fotos: Torsten Simon für das Projekt @OER_JOINTLY des edu-sharing NETWORK e.V. // Tobias Westphal für das Projekt @OER_JOINTLY des edu-sharing NETWORK e.V.

Fotonachweise:

• „Sessionwork“ Torsten Simon für @OER_JOINTLY CC-BY 4.0
• „Thüringer Grill“ Tobias Westphal für @OER_JOINTLY CC-BY 4.0
• „Musiksession“ Torsten Simon für @OER_JOINTLY CC-BY 4.0