Question-Think-Learn - Benutzerbeiträge [de]

Lernen im Team

2025-08-26T09:57:41Z

TQL-admin:

Im Team etwas erarbeiten (co-construction) vs. im Team lernen (sharing, discussion)

=== Formelles Lernen ===

=== Informelles Lernen ===

Lernen im Team

2025-08-26T09:56:03Z

TQL-admin: Die Seite wurde neu angelegt: „Im Team etwas erarbeiten vs. im Team lernen === Formelles Lernen === === Informelles Lernen ===“

Im Team etwas erarbeiten vs. im Team lernen

=== Formelles Lernen ===

=== Informelles Lernen ===

KI-Agent / -Tutor / GPT

2025-08-26T09:33:58Z

TQL-admin:

Was ist beim Einsatz von KI-Agents, -tutors oder custom GPTs als "teaching assistants" in der Hochschullehre zu beachten?

Was können Ziele dieses Einsatzes sein, welche Resultate sollten (im Moment) erhoben werden.

== Einsatzszenarien ==

=== FHNW ===
Bericht<ref>Vogel (2025)</ref> zu einer Untersuchen, wie generative KI zur Unterstützung des Lernens verwendet werden und ein KI-Tutor technisch umgesetzt werden kann.

Ziel des Einsatzes eines KI-Agenten: Beantwortung von Fragen zum Studiengang inkl. Referenzen zu den Lernquellen

Technische Umsetzung:<blockquote>
Er basiert auf einem Large Language Modell (aktuell: Llama 3.2) mit Retrieval Augmented Generation (RAG). Dabei wurde der Inhalt der Lernmaterialien, welche den Studierenden über die studiengangseigene Lernplattform Spaces zur Verfügung stehen, extrahiert, aufgearbeitet und verstückelt (“chunking”). Das Sprachmodell greift auf diese Stücke zu und kann damit nicht nur die Frage gezielt beantworten, sondern auch die dazugehörigen Quellenangaben aus dem Lernmaterial geben. Den Studierenden ist es dank des AI Tutors auch möglich, Lernkontrollen zum Beispiel in Form von Multiple Choice Fragen zu generieren, die genau auf den behandelten Lernstoff abgestimmt sind.</blockquote>Interessante Resultate aus der Studierendenbefragung:<blockquote>[...] die Studierenden den Bot am häufigsten für die Suche von Dokumenten genutzt haben. Auch freies Ausprobieren wurde häufig genannt und an zweiter und vierter Stelle lagen die bei der Entwicklung im Vordergrund stehenden inhaltlichen Fragen zum Studium. Der AI Tutor wurde nur selten zur Simulation von Prüfungsfragen verwendet.</blockquote>Ebenfalls erhoben wurde die Antwortqualität des KI-Tutors. Diese wurde durch Dozierende bewertet: 63% trifft vollständig zu; 24% trifft zu; 7% trifft nicht zu; 7% trifft gar nicht zu (n=347)

Zur Qualität des Promptings wurde festgehalten: "eine klare Tendenz für Wissens- und Verständnisfragen mit einer als mässig bis schlecht eingeschätzten Prompting-Qualität. Darunter wurde primär stichwortartiges Fragen ohne dialogischen Charakter verstanden."

=== Weitere ===
Ziel: Beantwortung von Fragen zu Inhalten des Moduls, also bspw. Wissensfragen stellen. Bestimmte Unterlagen werden in ein custome GPT geladen und so den früheren Handapparat ersetzen.

==== Fragen: ====
- Vereinfacht dies die Suche nach bestimmten Textstellen und gibt es Antworten auf inhaltliche Fragen? Gibt es weitere Anwendungsideen?

- Welches Problem löst dies? Mit welchem Aufwand ist dies verbunden (im Aufbau, bei der Durchführung)? Was sind die Vor-/Nachteile?

- Wie wird das personalisierte GPT trainiert? Die Antworten sollen z.B. immer einen Hinweis auf das Ursprungsdokument enthalten.

- Wie verwende ich solche agents didaktisch sinnvoll=?

- Welche Datenschutz- und Urheberrechtsüberlegungen dürfen nicht vergessen gehen?

- Welche Kosten entstehen durch die API-Anbindung?

- Wie korrekt und hilfreich sind Antworten einer custom AI? Wo wird halluziniert und/oder Vorurteile reproduziert?

- Wie gross ist der Lerneffekt? Welche Zusatzmassnahmen sind notwendig?

- Welche Begleitung/Information der Studierenden braucht es? Hinweise zum Prompting?

- Fragen stellen, Hinweise geben und nicht einfach Antworten ausspucken?

== Tagung ==

20. November 2025 an der [https://phzh.ch/ueber-die-phzh/aktuell/veranstaltungen/veranstaltung/?anlassId=144652040 PHZH]

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch] (8.7.25)
*Hirsch, Nele. Custom GPTs: eine nüchterne Betrachtung mit Fokus auf die Bildung. 15. August 2024. Online auf [https://ebildungslabor.de/blog/custom-gpts-eine-nuechterne-betrachtung-mit-fokus-auf-die-bildung/ e-bildungslabor.de] (8.7.2025)

== References ==

Leistungsbeurteilung

2025-08-26T09:31:59Z

TQL-admin:

[[Kategorie:Hochschule]] [[Kategorie:KI]] [[Kategorie:lernen]]
Aspekte zu Leistungsbeurteilungen, die im Podcast der PHZH<ref> Leistungsbeurteilung an Hochschulen. In: Resonanzraum Bildung, ein Podcast der Pädagogischen Hochschule Zürich PHZH, 3. Juni 2025. https://phzh.podigee.io/31-leistungsbeurteilung-hochschulen
</ref> angesprochen werden:

* Klarheit und Transparenz: die Studierenden müssen wissen, wie beurteilt wird (Beurteilungsraster, Rubics)
* Constructive Alignment: Die Ziele des Unterrichts müssen sowohl unterrichtet als auch geprüft werden
* Formatives und relevantes Feedback: welches von den Studierenden angenommen und angewendet werden können (Die Studierenden fragen, wo sie ein Feedback bekommen möchten.)
* Subjektivität bei mehreren Beurteilenden muss immer wieder überprüft werden
* Kompetenzorientierung: Handlungsfähigkeiten (basierend auf Fachwissen) lehren, anleiten, zeigen > führt zu systemischem Wechsel an der Hochschule
* transferable skills (überfachliche Kompetenzen)
* KI bei Leistungsnachweisen
* Plagiate, Oberflächlichkeit
* Klare Regeln für Nutzung von KI - Begleitung von Prozess beim Lernen

=== Literatur ===
*Zimmermann, Tobias. Leistungsbeurteilungen an Hochschulen lernförderlich gestalten. Prüfen, Beurteilen und Rückmelden von Lernleistungen. 2024.

=== Einzelnachweise ===

Leistungsbeurteilung

2025-08-26T09:29:49Z

TQL-admin:

[[Kategorie:Hochschule]] [[Kategorie:KI]] [[Kategorie:lernen]]
Viele Aspekte zu Leistungsbeurteilungen werden im Podcast der PHZH <ref> Leistungsbeurteilung an Hochschulen. In: Resonanzraum Bildung, ein Podcast der Pädagogischen Hochschule Zürich PHZH, 3. Juni 2025. https://phzh.podigee.io/31-leistungsbeurteilung-hochschulen
</ref>angesprochen:

* Klarheit und Transparenz: die Studierenden müssen wissen, wie beurteilt wird (Beurteilungsraster, Rubics)
* Constructive Alignment: Die Ziele des Unterrichts müssen sowohl unterrichtet als auch geprüft werden
* Formatives und relevantes Feedback: welches von den Studierenden angenommen und angewendet werden können (Die Studierenden fragen, wo sie ein Feedback bekommen möchten.)
* Subjektivität bei mehreren Beurteilenden muss immer wieder überprüft werden
* Kompetenzorientierung: Handlungsfähigkeiten (basierend auf Fachwissen) lehren, anleiten, zeigen > führt zu systemischem Wechsel an der Hochschule
* transferable skills (überfachliche Kompetenzen)
* KI bei Leistungsnachweisen
* Plagiate, Oberflächlichkeit
* Klare Regeln für Nutzung von KI - Begleitung von Prozess beim Lernen

=== Literatur ===
*Zimmermann, Tobias. Leistungsbeurteilungen an Hochschulen lernförderlich gestalten. Prüfen, Beurteilen und Rückmelden von Lernleistungen. 2024.

=== Einzelnachweise ===

Leistungsbeurteilung

2025-08-26T09:18:41Z

TQL-admin: Angelegt und mit ersten Inputs aus einem Podcast gefüllt

Viele Aspekte zu Leistungsbeurteilungen werden im Podcast der PHZH angesprochen:

* Klarheit und Transparenz: die Studierenden müssen wissen, wie beurteilt wird (Beurteilungsraster, Rubics)

* Constructive Alignment: Die Ziele des Unterrichts müssen sowohl unterrichtet als auch geprüft werden
* Formatives Feedback: welches von den Studierenden gelernt und angewendet werden kann
* Subjektivität bei mehreren Beurteilenden muss immer wieder überprüft werden
* Kompetenzorientierung: Handlungsfähigkeiten (basierend auf Fachwissen) lehren, anleiten, zeigen > führt zu systemischem Wechsel an der Hochschule
*

==== Literatur ====
Leistungsbeurteilung an Hochschulen. In: Resonanzraum Bildung, ein Podcast der Pädagogischen Hochschule Zürich PHZH, 3. Juni 2025. https://phzh.podigee.io/31-leistungsbeurteilung-hochschulen

KI-Agent / -Tutor / GPT

2025-07-08T15:48:17Z

TQL-admin: /* Weitere */

Was ist beim Einsatz von KI-Agents, -tutors oder custom GPTs als "teaching assistants" in der Hochschullehre zu beachten?

Was können Ziele dieses Einsatzes sein, welche Resultate sollten (im Moment) erhoben werden.

== Einsatzszenarien ==

=== FHNW ===
Bericht<ref>Vogel (2025)</ref> zu einer Untersuchen, wie generative KI zur Unterstützung des Lernens verwendet werden und ein KI-Tutor technisch umgesetzt werden kann.

Ziel des Einsatzes eines KI-Agenten: Beantwortung von Fragen zum Studiengang inkl. Referenzen zu den Lernquellen

Technische Umsetzung:<blockquote>
Er basiert auf einem Large Language Modell (aktuell: Llama 3.2) mit Retrieval Augmented Generation (RAG). Dabei wurde der Inhalt der Lernmaterialien, welche den Studierenden über die studiengangseigene Lernplattform Spaces zur Verfügung stehen, extrahiert, aufgearbeitet und verstückelt (“chunking”). Das Sprachmodell greift auf diese Stücke zu und kann damit nicht nur die Frage gezielt beantworten, sondern auch die dazugehörigen Quellenangaben aus dem Lernmaterial geben. Den Studierenden ist es dank des AI Tutors auch möglich, Lernkontrollen zum Beispiel in Form von Multiple Choice Fragen zu generieren, die genau auf den behandelten Lernstoff abgestimmt sind.</blockquote>Interessante Resultate aus der Studierendenbefragung:<blockquote>[...] die Studierenden den Bot am häufigsten für die Suche von Dokumenten genutzt haben. Auch freies Ausprobieren wurde häufig genannt und an zweiter und vierter Stelle lagen die bei der Entwicklung im Vordergrund stehenden inhaltlichen Fragen zum Studium. Der AI Tutor wurde nur selten zur Simulation von Prüfungsfragen verwendet.</blockquote>Ebenfalls erhoben wurde die Antwortqualität des KI-Tutors. Diese wurde durch Dozierende bewertet: 63% trifft vollständig zu; 24% trifft zu; 7% trifft nicht zu; 7% trifft gar nicht zu (n=347)

Zur Qualität des Promptings wurde festgehalten: "eine klare Tendenz für Wissens- und Verständnisfragen mit einer als mässig bis schlecht eingeschätzten Prompting-Qualität. Darunter wurde primär stichwortartiges Fragen ohne dialogischen Charakter verstanden."

=== Weitere ===
Ziel: Beantwortung von Fragen zu Inhalten des Moduls, also bspw. Wissensfragen stellen. Bestimmte Unterlagen werden in ein custome GPT geladen und so den früheren Handapparat ersetzen.

==== Fragen: ====
- Vereinfacht dies die Suche nach bestimmten Textstellen und gibt es Antworten auf inhaltliche Fragen? Gibt es weitere Anwendungsideen?

- Welches Problem löst dies? Mit welchem Aufwand ist dies verbunden (im Aufbau, bei der Durchführung)? Was sind die Vor-/Nachteile?

- Wie wird das personalisierte GPT trainiert? Die Antworten sollen z.B. immer einen Hinweis auf das Ursprungsdokument enthalten.

- Wie verwende ich solche agents didaktisch sinnvoll=?

- Welche Datenschutz- und Urheberrechtsüberlegungen dürfen nicht vergessen gehen?

- Welche Kosten entstehen durch die API-Anbindung?

- Wie korrekt und hilfreich sind Antworten einer custom AI? Wo wird halluziniert und/oder Vorurteile reproduziert?

- Wie gross ist der Lerneffekt? Welche Zusatzmassnahmen sind notwendig?

- Welche Begleitung/Information der Studierenden braucht es? Hinweise zum Prompting?

- Fragen stellen, Hinweise geben und nicht einfach Antworten ausspucken?

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch] (8.7.25)
*Hirsch, Nele. Custom GPTs: eine nüchterne Betrachtung mit Fokus auf die Bildung. 15. August 2024. Online auf [https://ebildungslabor.de/blog/custom-gpts-eine-nuechterne-betrachtung-mit-fokus-auf-die-bildung/ e-bildungslabor.de] (8.7.2025)

== References ==

KI-Agent / -Tutor / GPT

2025-07-08T09:49:45Z

TQL-admin:

Was ist beim Einsatz von KI-Agents, -tutors oder GPTs als "teaching assistants" in der Hochschullehre zu beachten?

Was können Ziele dieses Einsatzes sein, welche Resultate sollten (im Moment) erhoben werden.

=== Einsatzszenarien ===

==== FHNW ====
Bericht<ref>Vogel (2025)</ref> zu einer Untersuchen, wie generative KI zur Unterstützung des Lernens verwendet werden und ein KI-Tutor technisch umgesetzt werden kann.

Ziel des Einsatzes eines KI-Agenten: Beantwortung von Fragen zum Studiengang inkl. Referenzen zu den Lernquellen

Technische Umsetzung:<blockquote>
Er basiert auf einem Large Language Modell (aktuell: Llama 3.2) mit Retrieval Augmented Generation (RAG). Dabei wurde der Inhalt der Lernmaterialien, welche den Studierenden über die studiengangseigene Lernplattform Spaces zur Verfügung stehen, extrahiert, aufgearbeitet und verstückelt (“chunking”). Das Sprachmodell greift auf diese Stücke zu und kann damit nicht nur die Frage gezielt beantworten, sondern auch die dazugehörigen Quellenangaben aus dem Lernmaterial geben. Den Studierenden ist es dank des AI Tutors auch möglich, Lernkontrollen zum Beispiel in Form von Multiple Choice Fragen zu generieren, die genau auf den behandelten Lernstoff abgestimmt sind.</blockquote>Interessante Resultate aus der Studierendenbefragung:<blockquote>[...] die Studierenden den Bot am häufigsten für die Suche von Dokumenten genutzt haben. Auch freies Ausprobieren wurde häufig genannt und an zweiter und vierter Stelle lagen die bei der Entwicklung im Vordergrund stehenden inhaltlichen Fragen zum Studium. Der AI Tutor wurde nur selten zur Simulation von Prüfungsfragen verwendet.</blockquote>Ebenfalls erhoben wurde die Antwortqualität des KI-Tutors. Diese wurde durch Dozierende bewertet: 63% trifft vollständig zu; 24% trifft zu; 7% trifft nicht zu; 7% trifft gar nicht zu (n=347)

Zur Qualität des Promptings wurde festgehalten: "eine klare Tendenz für Wissens- und Verständnisfragen mit einer als mässig bis schlecht eingeschätzten Prompting-Qualität. Darunter wurde primär stichwortartiges Fragen ohne dialogischen Charakter verstanden."

==== Weitere ====
* Beantwortung von Fragen zum Inhalt des Moduls

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch] (8.7.25)

== References ==

KI in der Hochschullehre

2025-07-08T09:49:22Z

TQL-admin:

Vorstellungen, wie KI in der Hochschullehre angewendet werden kann. Zu fragen ist immer: wozu und warum?

* Inhalte produzieren: Powerpoint, Scripts, Prüfungsfragen
* Automatisiertes Korrigieren, Benoten und Feedback (welcher Teil davon, wie genau mit welcher Genauigkeit für welche Art von Prüfungen?)
* Übersetzungen und Accessibility

[[Kategorie:KI]] [[Kategorie:Hochschullehre]]

* [[KI-Agent / -Tutor / GPT|KI-Agent, -Tutor, GPT]] - "AI teaching assistant" Wie sieht ein sinnvoller Einsatz aus? Was ist das Ziel? Was ist zu beachten?
* Unterstützung bei der Forschung

Hauptseite

2025-07-08T09:40:13Z

TQL-admin: Grundsatz eingefügt

Das ist mein persönliches WiKi. Um besser zu lernen, halte ich meine Fragen, meine Überlegungen - meist auf spannende Inputs von anderen - hier fest.

Mein Grundsatz: Es gibt keine Abkürzungen beim Lernen.

[[Spezial:Alle_Seiten|alle Seiten]] <br />
[[Spezial:Kategorien|alle Kategorien]]

KI und Ethik

2025-07-08T09:29:19Z

TQL-admin:

[[Kategorie:KI]]

=== Inspirationen ===

==== The role of the University is to resist AI ====
Dan McQuillan: The role of the University is to resist AI. 22.6.25. Online auf [https://danmcquillan.org/cpct_seminar.html<nowiki> danmcquillan.org] (8.7.25) </nowiki>

* Jahre des Neoliberalismus haben die Schule zu etwas homogens, vermessenes und maschinelles gemacht
* Ed Tech behauptet seit Jahren, dass Lernen nichts beziehungsorientiertes ist
* Wir sind mitten in einem riesigen sozialen Experiment mit einer Technologie, dessen Vorgehn unvorhersehbar und undurchsichtig ist
* KI simmulierte eine Zusammenfassung, versucht mit Massen von Material Relevanz herzustellen

<blockquote>This means that AI is actually a giant material infrastructure with huge demands for energy, water and concrete, while the supply chain for specialised computer chips is entangled with geopolitical conflict. It also means that the AI industry will beg, borrow and steal, or basically just steal, all the text, images and audio that it can get its spidery hands on. [...]

However, where AI is undoubtedly successful is as a shock doctrine, as a way to further precaritise workers and privatise services. [...]

Critical thought is not something you can stochastically optimise, and I agree with Hannah Arendt that thoughtlessness is a precondition for fascism. [...]

I'm proposing that the role of the university is to resist AI, that is, to apply rigorous questioning to the idea that AI is inevitable.</blockquote>Schlusssatz: "The role of the university isn't to roll over in the face of tall tales about technological inevitability, but to model the forms of critical pedagogy that underpin the social defence against authoritarianism and which makes space to reimagine the other worlds that are still possible."

==== The AI Impact on Ethics ====
Inspiration am 2. Juli 2025: Podcast "AI impact" - Dorothea Baur & Quentin Gallea "[https://www.youtube.com/watch?v=s5MMV0EbGoE The AI Impact on Ethics]"

KI-Agent / -Tutor / GPT

2025-07-08T09:07:09Z

TQL-admin:

Was ist beim Einsatz von KI-Agents, -tutors oder GPTs in der Hochschullehre zu beachten?

Was können Ziele dieses Einsatzes sein, welche Resultate sollten (im Moment) erhoben werden.

=== Einsatzszenarien ===

==== FHNW ====
Bericht<ref>Vogel (2025)</ref> zu einer Untersuchen, wie generative KI zur Unterstützung des Lernens verwendet werden und ein KI-Tutor technisch umgesetzt werden kann.

Ziel des Einsatzes eines KI-Agenten: Beantwortung von Fragen zum Studiengang inkl. Referenzen zu den Lernquellen

Technische Umsetzung:<blockquote>
Er basiert auf einem Large Language Modell (aktuell: Llama 3.2) mit Retrieval Augmented Generation (RAG). Dabei wurde der Inhalt der Lernmaterialien, welche den Studierenden über die studiengangseigene Lernplattform Spaces zur Verfügung stehen, extrahiert, aufgearbeitet und verstückelt (“chunking”). Das Sprachmodell greift auf diese Stücke zu und kann damit nicht nur die Frage gezielt beantworten, sondern auch die dazugehörigen Quellenangaben aus dem Lernmaterial geben. Den Studierenden ist es dank des AI Tutors auch möglich, Lernkontrollen zum Beispiel in Form von Multiple Choice Fragen zu generieren, die genau auf den behandelten Lernstoff abgestimmt sind.</blockquote>Interessante Resultate aus der Studierendenbefragung:<blockquote>[...] die Studierenden den Bot am häufigsten für die Suche von Dokumenten genutzt haben. Auch freies Ausprobieren wurde häufig genannt und an zweiter und vierter Stelle lagen die bei der Entwicklung im Vordergrund stehenden inhaltlichen Fragen zum Studium. Der AI Tutor wurde nur selten zur Simulation von Prüfungsfragen verwendet.</blockquote>Ebenfalls erhoben wurde die Antwortqualität des KI-Tutors. Diese wurde durch Dozierende bewertet: 63% trifft vollständig zu; 24% trifft zu; 7% trifft nicht zu; 7% trifft gar nicht zu (n=347)

Zur Qualität des Promptings wurde festgehalten: "eine klare Tendenz für Wissens- und Verständnisfragen mit einer als mässig bis schlecht eingeschätzten Prompting-Qualität. Darunter wurde primär stichwortartiges Fragen ohne dialogischen Charakter verstanden."

==== Weitere ====
* Beantwortung von Fragen zum Inhalt des Moduls

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch] (8.7.25)

== References ==

KI-Agent / -Tutor / GPT

2025-07-08T09:04:50Z

TQL-admin: Zusammenfassung des Artikels der FHNW

Was ist beim Einsatz von KI-Agents, -tutors oder GPTs zu beachten?

Was können Ziele dieses Einsatzes sein, welche Resultate sollten (im Moment) erhoben werden.

=== Einsatzszenarien ===

==== FHNW<ref>Vogel (2025)</ref> ====
Beantwortung von Fragen zum Studiengang inkl. Referenzen zu den Lernquellen

Ziel: Untersuchen, wie generative KI zur Unterstützung des Lernens verwendet werden kann und wie ein KI-Tutor technisch umgesetzt werden kann.

Technische Umsetzung:<blockquote>
Er basiert auf einem Large Language Modell (aktuell: Llama 3.2) mit Retrieval Augmented Generation (RAG). Dabei wurde der Inhalt der Lernmaterialien, welche den Studierenden über die studiengangseigene Lernplattform Spaces zur Verfügung stehen, extrahiert, aufgearbeitet und verstückelt (“chunking”). Das Sprachmodell greift auf diese Stücke zu und kann damit nicht nur die Frage gezielt beantworten, sondern auch die dazugehörigen Quellenangaben aus dem Lernmaterial geben. Den Studierenden ist es dank des AI Tutors auch möglich, Lernkontrollen zum Beispiel in Form von Multiple Choice Fragen zu generieren, die genau auf den behandelten Lernstoff abgestimmt sind.</blockquote>Interessante Resultate aus der Studierendenbefragung:<blockquote>[...] die Studierenden den Bot am häufigsten für die Suche von Dokumenten genutzt haben. Auch freies Ausprobieren wurde häufig genannt und an zweiter und vierter Stelle lagen die bei der Entwicklung im Vordergrund stehenden inhaltlichen Fragen zum Studium. Der AI Tutor wurde nur selten zur Simulation von Prüfungsfragen verwendet.</blockquote>Ebenfalls erhoben wurde die Antwortqualität des KI-Tutors. Diese wurde durch Dozierende bewertet: 63% trifft vollständig zu; 24% trifft zu; 7% trifft nicht zu; 7% trifft gar nicht zu (n=347)

Zur Qualität des Promptings wurde festgehalten: "eine klare Tendenz für Wissens- und Verständnisfragen mit einer als mässig bis schlecht eingeschätzten Prompting-Qualität. Darunter wurde primär stichwortartiges Fragen ohne dialogischen Charakter verstanden."

==== Weitere ====
* Beantwortung von Fragen zum Inhalt des Moduls

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch] (8.7.25)

== References ==

KI-Agent / -Tutor / GPT

2025-07-08T08:38:01Z

TQL-admin:

Was ist beim Einsatz von KI-Agents, -tutors oder GPTs zu beachten?

* Beantwortung von Fragen zum Studiengang inkl. Referenzen zu den Lernquellen <ref>Vogel (2025)</ref>

* Beantwortung von Fragen zum Inhalt des Moduls

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch] (8.7.25)

== References ==

KI in der Hochschullehre

2025-07-08T08:33:26Z

TQL-admin:

[[Kategorie:KI]] [[Kategorie:Hochschullehre]]

* [[KI-Agent / -Tutor / GPT|KI-Agent, -Tutor, GPT]]: Was sind die Unterschiede? Wie sieht ein sinnvoller Einsatz aus? Was ist zu beachten?

KI-Agent / -Tutor / GPT

2025-07-08T08:32:29Z

TQL-admin: Die Seite wurde neu angelegt: „Was ist beim Einsatz von KI-Agents, -tutors oder GPTs zu beachten? * Beantwortung von Fragen zum Studiengang inkl. Referenzen zu den Lernquellen <ref>Vogel (2025)</ref> * Beantwortung von Fragen zum Inhalt des Moduls == Literatur == *Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-s…“

KI in der Hochschullehre

2025-07-08T08:31:30Z

TQL-admin: /* KI Tutor */

[[Kategorie:KI]] [[Kategorie:Hochschullehre]]

KI-Agent, -Tutor, GPT: Was sind die Unterschiede? Wie sieht ein sinnvoller Einsatz aus? Was ist zu beachten?

KI in der Hochschullehre

2025-07-08T08:27:38Z

TQL-admin:

[[Kategorie:KI]] [[Kategorie:Hochschullehre]]

Agent, Tutor, GPT: Was sind die Unterschiede? Wie sieht ein sinnvoller Einsatz aus? Was ist zu beachten?

== KI Tutor ==

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch] (8.7.25)

Hauptseite

2025-07-08T08:04:54Z

TQL-admin:

Das ist mein persönliches WiKi. Um besser zu lernen, halte ich meine Fragen, meine Überlegungen - meist auf spannende Inputs von anderen - hier fest.

[[Spezial:Alle_Seiten|alle Seiten]] <br />
[[Spezial:Kategorien|alle Kategorien]]

Kategorie:KI

2025-07-08T08:02:42Z

TQL-admin:

Alle Seiten in dieser Kategorie

Kategorie:Hochschullehre

2025-07-08T08:01:56Z

TQL-admin: angelegt

Alle Seiten in dieser Kategorie

Kategorie:KI

2025-07-08T08:01:13Z

TQL-admin: Die Seite wurde neu angelegt: „Alle Seiten in der Kategorie KI“

Alle Seiten in der Kategorie KI

KI in der Hochschullehre

2025-07-08T08:00:47Z

TQL-admin:

[[Kategorie:KI]] [[Kategorie:Hochschullehre]]

== Agent, Tutor, GPT ==
Wie sieht ein sinnvoller Einsatz aus? Was ist zu beachten?

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch] (8.7.25)

KI in der Hochschullehre

2025-07-08T07:58:40Z

TQL-admin: /* Literatur */

[[Kategorie:KI]] [[Kategorie:Hochschullehre]]

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch] (8.7.25)

KI in der Hochschullehre

2025-07-08T07:58:21Z

TQL-admin: Die Seite wurde neu angelegt: „Kategorie:KI Kategorie:Hochschullehre == Literatur == *Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch (8.7.25)“

[[Kategorie:KI]] [[Kategorie:Hochschullehre]]

== Literatur ==
*Vogel, Valentina; Monika Schlatter. KI trifft Lehre: Der AI Tutor des Studiengangs Data Science im Praxistest. 20. Mai 2025. Online auf [[https://www.fhnw.ch/plattformen/didaktikzentrum/ki-trifft-lehre-der-ai-tutor-des-studiengangs-data-science-im-praxistest/ fhnw.ch]] (8.7.25)

KI und Ethik

2025-07-08T07:55:44Z

TQL-admin:

[[Kategorie:KI]]

Inspiration am 2. Juli 2025: Podcast "AI impact" - Dorothea Baur & Quentin Gallea "[https://www.youtube.com/watch?v=s5MMV0EbGoE The AI Impact on Ethics]"

Hauptseite

2025-07-02T06:52:54Z

TQL-admin: Kommafehler

Das ist mein persönliches WiKi. Um besser zu lernen, halte ich meine Fragen, meine Überlegungen - meist auf spannende Inputs von anderen - hier fest.

KI und Ethik

2025-07-02T06:30:52Z

TQL-admin: Die Seite wurde neu angelegt: „Inspiration am 2. Juli 2025: Podcast "AI impact" - Dorothea Baur & Quentin Gallea "[https://www.youtube.com/watch?v=s5MMV0EbGoE The AI Impact on Ethics]"“

Inspiration am 2. Juli 2025: Podcast "AI impact" - Dorothea Baur & Quentin Gallea "[https://www.youtube.com/watch?v=s5MMV0EbGoE The AI Impact on Ethics]"

Hauptseite

2025-07-02T06:15:35Z

TQL-admin:

Das ist mein persönliches WiKi. Um besser zu lernen halte ich meine Fragen, meine Überlegungen - meist auf spannende Inputs von anderen - hier fest.

Benutzer:TQL-admin

2025-07-02T06:13:25Z

TQL-admin: Die Seite wurde neu angelegt: „Da die erste Version dieses Fragen-Denk-Lern-Wikis technischen Problemen zum Opfer gefallen ist, startet es in der zweiten Hälfte 2025 neu.“

Da die erste Version dieses Fragen-Denk-Lern-Wikis technischen Problemen zum Opfer gefallen ist, startet es in der zweiten Hälfte 2025 neu.