Johannes Starke hat das Corporate Learning Camp (#clc22) im Mai besucht und jetzt seine Eindrücke niedergeschrieben. Sein ausführlicher Bericht enthält zwei Schwerpunkte: zum einen die Reflexion über das Experiment eines hybriden Events – das BarCamp fand ja parallel in Hamburg, Walldorf und online statt. Sein Fazit: „Hybrid funktioniert!“ Doch Johannes Starke macht auch kein Hehl daraus, dass er die Treffen vor Ort vorzieht (und unterstreicht dies mit vielen Fotos aus vergangenen Corporate Learning Camps!).
Zum anderen fasst er in seinem Bericht die Sessions zusammen, die er auf dem #clc22 besuchen konnte. Stichworte lauten unter anderem „LXPs“, „digitale Escape Rooms“, „Persönliches Note-Taking System“, „Mastodon als Lern-Booster“, „CLC-Vision erweitern zur lernenden Organisation“ und „Learner Journeys“. Danke, Johannes! Johannes Starke, Blog, 18. Juni 2022
Im Rahmen eines Seminar zur Zukunft der Arbeit und den Grenzen der Digitalisierung bei der IG Metall im Bildungszentrum Sprockhövel mit Arbeitnehmer*innen haben wir uns mit der sogenannten KI, künstlichen Intelligenz beschäftigt und den Begriff nicht nur entzaubert, sondern auch ganz praktisch die Grenzen, aber auch Möglichkeiten künstlicher Intelligenz ausgelotet.
Zu Beginn des Tages (ja, die hier vorgestellte Lerneinheit dauert mindestens einen Tag (7 Stunden), es kann aber auch als Steinbruch verstanden werden) haben wir als Warm Up auf iPads Montagsmaler gegen die KI gespielt. Dazu haben wir mehrere Teams gebildet. In einer Testrunde haben alle Teams die KI (Quickdraw with Google) kennengelernt, die versucht, die auf den Tablets gemalten Bilder zu erraten. Danach wurden 3 Runde gespielt, bei denen jeder im Team abwechselnd einmal malen musste. Insgesamt müssen in jeder Runde 6 Bilder gemalt werden, aber nicht alle werden von der KI erkannt. Je länger man mit der KI zusammenarbeitet, um so besser werden in der Regel die Erkennungsraten. Wenn die KI nicht erraten konnte, was gemalt wurde, kann man in der Ergebnisansicht auf das entsprechende Bild klicken und bekommt auch eine Erklärung die vermuten lässt, wie der Algorithmus funktioniert.
In der nachfolgenden Reflexion wird auch deutlich, wie wichtig es ist zu verstehen, auf welcher Basis die KI Entscheidungen trifft, um dann eben auch Fehlentscheidungen zu verstehen. Es zeigt aber auch, dass sich selten die KI an den Menschen anpasst, sondern wesentlich wahrscheinlicher und schneller sich der Mensch an die KI anpasst.
Anschließend habe ich in die Geschichte der KI (hier findet ihr die gesamte Präsentation, aber auch die 4 Folien zur Geschichte, bitte auch die Notizen mit den Links beachten) eingeführt, bzw. die Geschichte digitaler Automaten. Dabei kommt man natürlich nicht am Schachtürken (oder als Episode aus dem Podcast „Geschichten aus der Geschichte“) und auch nicht am Turing Test vorbei. Der Vortrag leitet über zu den Erkenntnissen eines Buches mit dem Titel Fake AI, es wurde vor kurzen auch bei Netzpolitik.org besprochen. Einen entsprechenden Vortrag gab es auch auf der Republica 2022 zum nachschauen:
Anschließend haben wir uns die verzweifelten Versuche angeschaut, wie eine KI versucht selber Texte zu schreiben, bzw. weiterzuschreiben mit einer Demo von Inferkit. Mit englischsprachigen Texten funktioniert es deutlich besser als mit deutschsprachigen Texten. Die Demo stützt einige der Thesen, die in dem Vortrag zu Fake AI aufgestellt werden:
Software wird „unpassenderweise für Probleme eingesetzt, die sie gar nicht lösen kann“ (Adeba Birhane, Cheap AI)
Opfer dieser halbgaren Ansätze sind häufig sozial Schwache und Angehörige ethnischer Minderheiten (Beispiel Gesichtserkennung)
Problem: widersprüchlichen Identitäten von Menschen in einfache Klassifikationen packen
Automatisierte Entscheidungen seien „schwierig zu prüfen, zu gewichten, und zu verstehen, sogar für die Entwickler:innen
KI Definition heute: Eine mathematische Methode, um Muster in Datensätzen zu finden, also ein anderes Wort für Statistik.
Mit der App Google Lens (Android, Apple) haben die Teilnehmenden auf Tablets experimentiert, in dem sie mit der Fotokamera Bilder machten und Google danach suchen ließen, von QR Codes, von Blumen und Bäumen, von Tieren, aber auch Menschen. Es war eine forschende Umgebung, bei der die Kolleg*innen untersuchte, was bei Bilderkennung gut funktioniert, was aber auch nicht. In der Nachbereitung haben wir gemeinsam geklärt, warum das so ist.
Zuletzt und damit haben wir sehr viel Zeit verbracht, haben wir die Gruppe in 4er Gruppen aufgeteilt und in die Webapp Teachable Machine eingeführt (dafür sind Laptops notwendig, die Webapp funktioniert nicht auf Tablets):
Der Auftrag war eine KI zu entwickeln, mit einer für sie sinnvollen Anwendung und anschließend ihre KI zu trainieren. Dazu werden mehrere Klassen definiert um unterschiedliche Erkennungszustände zu definieren. Also zum Beispiel Gesichter mit Maske als eine Klasse zu definieren und Gesichter ohne Maske als eine weitere Klasse zu definieren. Ausprobiert werden kann auch eine Klasse, bei der die Maske falsch aufgesetzt wird, indem zum Beispiel die Nase freigehalten wird. Anschließend werden gemäß der Klassen Gesichter fotografiert und in einer weiteren Phase der Algorithmus trainiert.
Es gibt mehrere Regler, an denen man den Algorithmus optimieren kann. Man kann die Epochen, die Batchgröße und die Lernraten verändern. Es ist in wenig Trial and Error, bis die Maschine das tut, was sie soll. Aber das macht die Teachable Machine ja auch so interessant für die erlebnisorientierte Medienbildung.
Abschließend mussten die einzelnen Gruppen ihre KIs der Gruppe in einer Art Pitch vorstellen. Es war also eingerahmt in eine kurze Präsentation und Demo der KI. Eines der schönsten Beispiele war eine KI, die erkennt, ob eine FFP2 Maske getragen wird oder nicht. Dazu mussten viele verschiedene Menschen aus unterschiedlichen Perspektiven mit und ohne Maske fotografiert werden. Je diverser der Datensatz um so besser funktioniert die anschließende Erkennung.
Es zeigt sich, dass alle KIs ihre Tücken haben und keine zu 100% funktionierte (noch nicht mal zu 80%). Diese Erkenntnis war am Ende auch die Grundlage über den Einsatz von KIs in der Arbeitswelt zu diskutieren. Wo kann eine solche Fehleranfälligkeit toleriert werden und wo nicht.
Die Didaktik der Informatik der Friedrich- Alexander- Universität Erlangen- Nürnberg hat wunderbare unplugged Spiele (Anleitung) für den Seminar- und Klassenraum entwickelt. Alle damit verbundenen Materialien finden sich hier.
Die Unterzeile sagt alles: „Online course platforms closely track their learners. And things have gotten worse over the past two years.“ Das ist das Ergebnis einer Studie, die Dhawal Shah und Manoel Cortes Mendez von Class Central durchgeführt haben. Dafür haben sie sich 66 Kursanbieter angeschaut und mit Hilfe eines Open Source – Privacy Tools (Blacklight) untersucht. Das Ergebnis ist ernüchternd oder, andersherum, Bildungsanbieter verhalten sich nicht besser als andere Plattformen im Netz. Ausnahmen bilden zum Beispiel Khan Academy und freeCodeCamp.
„Of the 66 providers tested: – 73% let Google track you. – 71% let Facebook track you. – 33% record your mouse and keystrokes.
Am 22. Juni 2022 stellt sich das neu konstituierte Kooperationsnetzwerk OER (KNOER) in einer kompakten Online-Veranstaltung vor. Darüber hinaus wird es auch eine offene Podiumsdiskussion geben, die zu einem Austausch über die Potenziale von OER (Open Educational Resources) in der Hochschullehre einlädt. Als Podiumsteilnehmerin mit dabei ist auch Dr. Anne Thillosen, Leiterin von e-teaching.org.
Im Rahmen eines Lehrauftrags an der PH Oberösterreich haben Martin Ebner und ich wieder einen zweitägigen Workshop zu den Themen OER und MOOCs angeboten. Als Arbeitsauftrag gilt es dabei auch, OER zu veröffentlichen. Wir freuen uns sehr, dass es damit wieder gelungen ist, vielen Knowhow und Spaß am OER-Machen vermitteln zu können – und natürlich auch darüber, dass es nun wieder vier Handvoll mehr OER gibt:
Auf der Edunautika habe ich eine Session zu Digitaler Bildung in Präsenz gemacht (übrigens ein typischer post-Pandemie-Titel. Wir wissen natürlich, dass Bildung mit Digitalem selbstverständlich in Präsenz möglich ist und eigentlich der Standardzustand ist) und dabei die Idee der erlebnispädagogischen Medienbildung vorgestellt. Ausserschulische Medienbildung war schon immer näher an der Erlebnispädagogik als an klassischen kognitiven Bildungsprozessen. Dazu gesellt sich auch die wesentlich selteneren Angebote für Erwachsene.
Die politische Medienbildungsarbeit mit Erwachsenen ist zumindest in der gewerkschaftlichen Tradition immer stark an die Erlebnispädagogik angelehnt gewesen. Neben den den vielen Computerkurse staubigen uninspirierten Computerkursen, in denen Anwendungsprogramme gebimst wurden, war die Arbeitnehmenden-Bildung der Gewerkschaften, die solche Medienseminare im Angebot hatten geprägt vom Erlebnis am Rechner und der anschließenden Reflektion im Seminarraum.
Die produktionsorientierten Aufgabenstellungen sind schon jahrelang Inhalt dieses Blogs. Einige habe ich hier noch einmal zusammengestellt:
Zusammengefasst heißt erlebnisorientierte Medienbildung ein Erlebnis mit dem PC, Tablet zu erzeugen. Das kann eine kleine Filmproduktion sein, die Erstellung einer Zeitleiste oder Infografik. Die Produktion in der Gruppe es zentraler Bestandteil des Erlebnisses. Das Erlebnis findet in der Regel ausserhalb des Tools statt. Anschließend wird der Produktionsprozess, bzw. der Innovationsprozess reflektiert und es werden im Fazit Lessons Learned abgeleitet.
Wenn die Trends digitaler Bildung verhandelt werden, ist immer wieder von der Personalisierung des Lernens die Rede. Intelligente „adaptive“ Lernumgebungen verarbeiten die in digitalen Lernprozessen anfallenden Daten und passen sich an die Wünsche, Bedürfnisse und Kenntnisse der Lernenden an. Ein bekanntes Beispiel, das die Möglichkeiten der Personalisierung verdeutlichen soll, sind Empfehlungssysteme („Recommendersysteme“), wie wir sie von großen Einkaufs-, Video- und Musik-Plattformen kennen.
Das vorliegende Dossier (27 Seiten) ist im Rahmen des INVITE-Wettbewerbs des BMBF entstanden. Es will den „Einsatz von Recommendersystemen in der beruflichen Aus- und Weiterbildung sowohl aus technischer als auch didaktischer Perspektive beleuchten“ (S. 4).
– Im ersten Kapitel findet sich zum Beispiel eine hilfreiche Klassifikation verschiedener Ansätze von Recommendersystemen.
– Im zweiten Kapitel wird der Einsatz von Recommendersystemen im Bildungsbereich diskutiert. Wo können Empfehlungen in Lehr- und Lernszenarien Sinn machen? Genannt werden: „Gute Inhalte finden“, „Einen Lernpfad empfehlen“, „Eine Lernaktivität vorschlagen“, „Lernpartner_innen finden“, „Vorhersage von Lernerfolg“.
– Im dritten Kapitel werden schließlich, sehr ausführlich, die Herausforderungen diskutiert, die mit der Entwicklung und dem Einsatz von Recommendersystemen einhergehen.
Nachdem ich das Dossier aufmerksam gelesen habe, möchte ich zwei Punkte kurz hervorheben:
Es gibt auch heute noch eine große Diskrepanz zwischen Theorie und Praxis! Es gibt einige wenige Systeme, die international im Hochschulbereich eingesetzt werden. In der Aus- und Weiterbildung gibt es nichts, kein Beispiel, kein Anbieter, kein Unternehmen, keine Studie, die hier explizit genannt werden! (Warum wurde eigentlich nicht auf Learning Experience-Plattformen wie Degreed eingegangen, die meines Wissens schon länger im Rahmen von Content Curation mit Empfehlungen arbeiten?) Diese Lücke liest sich im Dossier wie folgt: „Zwar werden Recommendersysteme für unterschiedliche Bildungszwecke inzwischen immer häufiger eingesetzt, insgesamt sind sie in den verschiedenen Bildungsbereichen jedoch noch wenig verbreitet (Krauß, 2018, S. 8). In der beruflichen Aus- und Weiterbildung werden Recommendersysteme bislang nur selten eingesetzt …“ (S. 11)
Der zweite Punkt ist technischer Art: Recommendersysteme setzen auf bestehenden Lernumgebungen und Lernplattformen auf. Es braucht also sehr viele Nutzer und sehr viele Aktivitäten, um hier zu sinnvollen Empfehlungen zu kommen, wie wir sie von den Marktplätzen im Netz kennen. Gerade im Hochschulbereich, wo es die meisten Anwendungen und Studien zu geben scheint, springt der Nutzen von Empfehlungssystemen nicht so richtig ins Auge. Studierende suchen Bildungsangebote ja vor allem im Rahmen ihrer Fächer und Curricula. Dieses grundlegende Problem wird im Dossier nur kurz angesprochen: „Zu bedenken bleibt hier allerdings, dass sich ein praktisches Problem aus der großen Menge an verschiedenen, aber unverknüpften Lernplattformen ergibt: hunderte Lernplattformen bieten mittlerweile Kurse an und implementieren Recommendersysteme, die auf die Kurse der eigenen Plattform zugreifen. Dadurch droht ein ‚lock-in‘-Effekt: Betriebe finden nicht unbedingt die passendsten Angebote, sondern nur die passendsten Kurse, die innerhalb der Plattform, die sie gerade nutzen, angeboten werden. In Zukunft könnte dieses Problem durch interoperable Plattformen oder durch gemeinsame Vorhaben im Rahmen der Nationalen Bildungsplattform, Gaia-X oder auch dem INVITE-Wettbewerb verringert werden.“ (S. 20)
Es findet sich im Dossier eine interessante Liste mit 17 INVITE-Projekten, die Recommendersysteme auf ihrer ToDo-Liste haben. Und die Verknüpfung des Themas mit den Zielen der Nationalen Bildungsplattform (siehe oben) fehlt natürlich auch nicht. mmb-Institut, Mai 2022
EdTech, das sind vor allem die Startups und Innovationen, die im Bildungsbereich gehandelt werden. EdTech, das sind aber auch Blogs, Wikis, die unzähligen Open Source-Tools und Menschen, die auf die Sache schauen und nicht auf Investoren und Märkte schielen. Das ist so in etwa der Punkt, den Jim Groom, Co-Founder von Reclaim Hosting, hier macht.
„More recently when folks talk about edtech it’s often associated with venture capital buy-outs, start-ups, and the broader LMS market. … Edtech, on the other hand, was a brave new distributed community of bloggers that were narrating and sharing their practices for others to benefit from freely. … Edtech as an approach that is exploratory, experimental, and creative, not to mention generous and unbolted to the logic of licensing and litigation. That’s my edtech, and I like it.“ Jim Groom, bavatuesdays, 17. Juni 2022
Diese Woche finden Sie hier folgende Stellenausschreibungen: Projektmitarbeiter/in für den Bereich Bildungstechnologien an der Frankfurt University of Applied Sciences gesucht +++ Drei Stellen im Bereich E-Learning an der OTH Amberg-Weiden ausgeschrieben
Am Wochenende vor der GMW-Konferenz (vom 9. bis 10. September 2022) findet im Kloster Neustadt – Bildungs- u. Gästehaus ein Doctoral Consortium zum Thema „Bildungsressourcen und Open Educational Resources (OER)“ als Mentoring-Programm statt. Beiträge können noch bis zum 15.07.2022 eingereicht werden.
