Projektziel 1

Im Bereich „Adaptives Testen“ zielt das Projekt auf die Entwicklung KI-gestützter Testformate, die sich dynamisch an den individuellen Wissensstand der Lernenden anpassen. Obwohl Übungsaufgaben eine zentrale Rolle bei der Lernzielerreichung spielen, ist nicht jede Aufgabe für alle Studierenden gleichermaßen hilfreich.

Eine gezielte Auswahl von Aufgaben kann sowohl Unterforderung als auch Überforderung vermeiden und somit Motivation und Lernerfolg fördern.

Adaptives Testen, ursprünglich für summative Prüfungsformate konzipiert, soll in diesem Projekt auf formative Anwendungsszenarien im Lernmanagementsystem Moodle übertragen werden.

Ziel ist die Entwicklung einer niederschwelligen Lösung, die Lehrende ohne tiefgehende technische Vorkenntnisse in ihre Kurse integrieren können.

Adaptiver Algorithmus zur Aufgabenauswahl in Abhängigkeit von der Probandenantwort

Ablauf einer adaptiven Übung: Variation der Aufgabenschwierigkeit, Schätzung der Fähigkeit mit Fehlerintervall

Phasen des Projektablaufs:

MOUSE: CAT-Module Optimised for Usability in Student Exercises

Anwendungsprozess: Übersicht der Schritte

Schrittweiser Prozess zum Einsatz adaptiver Übungen mit dem MOUSE-Plugin

Ergebnisse

• Nutzerleitfaden: https://wiki.hft-stuttgart.de/display/ap4
• Download Plugin: https://transfer.hft-stuttgart.de/gitlab/knight/adaptivetests
• Implementation auf Moodle-Plattform: https://moodle.knight.hft-stuttgart.de
• Test-Login: https://moodle1.knight.hft-stuttgart.de/local/invitation/join.php?courseid=15&id=777e1102-549e-4748-9f79-bdbb2d334f70

Veröffentlichungen:

• Mehmedovski, K., Padó, U. (2026). Adaptive Übungsaufgaben mit KI-gestützter Fragenauswahl. In: Florian Karcher, Germo Zimmermann (Hrsg.) Künstliche Intelligenz in der Hochschullehre – Ein Methodenbuch. 36 Methoden zur Planung Lehre und Prüfungen. UTB-Verlag. (noch nicht erschienen)
• Padó, U., Mehmedovski, K., Knebusch, A. (2025). Conference Proceedings AIET 2025. In: Fatos Xhafa, Rolando Herrero (Hrsg.) Lecture Notes on Data Engineering and Communications Technologies. Springer. (noch nicht erschienen)
• Padó, U., Knebusch, A., Mehmedovski, K. (2024). Computer-Based Methods for Adaptive Teaching and Learning. In: Eduardo Vendrell Vidal, Uriel R. Cukierman, Michael Auer, (Hrsg.) Advanced Technologies and the University of the Future. Lecture Notes in Networks and Systems, vol 1140. S. 297– 317. Springer.https://doi.org/10.1007/978-3-031-71530-3_19

Hinweis: Weitere Veröffentlichungen finden Sie auf der Publikationsseite .