Moodle Quizzes animieren Studierende sich mit Inhalten auseinanderzusetzen, sie können ihren Wissensstand überprüfen oder Lerninhalte festigen. Bereits erstellte Multiple Choice Fragen in die Lernplattform Moodle einzugeben ist jedoch mühsam und zeitaufwendig. Eine KI (Künstliche Intelligenz), wie etwa ChatGPT4, kann uns Lehrende dabei unterstützen, indem sie alle Fragen in einem XML-Dokument zusammenfasst, welches dann in Moodle importiert wird.
Schritt 1: Die KI bereits erstellte Fragen umwandeln lassen
Bei einem Test mit 40 Fragen erstellt ChatGPT den XML-File, dieser wurde heruntergeladen. Der Prompt war: ich brauche bitte einen xml-file aus den 40 fragen für die lernplattform moodle.
Schritt 2: den erzeugten XML-File importieren
Danach werden die Fragen aus der Fragensammlung in die Aktivität Test (Quiz im Englischen) eingefügt.
Schritt 3: Sichten des angelegten Tests (Quizzes) in Moodle
Etwaige Fehler im Text können direkt im Quiz mittels “edit question” ausgebessert werden.
Rahmen
in unterschiedlichen Lehrveranstaltungen möglich
LV-Typ: offen
Lehrende: Anastasia Sfiri (Durchführung im Rahmen eines Projekts)
Eine wichtige Aufgabe für Hochschullehrende besteht darin, bei Studierenden ein Bewusstsein für den sinnvollen und ethischen Einsatz von KI (Künstliche Intelligenz) zu wecken. Ein Weg den bewussten Umgang mit KI zu fördern besteht darin die “Handlungsweise” von KI verständlicher zu machen. Dazu könnte man sich in Artikel zu den Algorithmen vertiefen, vielen Expert:innen auf youtube zuhören … oder spielen.
Wie entscheidet sich die KI? Eine KI trifft Entscheidungen, indem sie Muster in großen Datenmengen erkennt und auf Basis erlernter Regeln Lösungen findet. Wir simulieren eine KI anhand von Äffchen im Zoo – siehe Welches Äffchen beißt, welches nicht?
Didaktisches Design
Bildung von 4 Gruppen (zu ca. 2-5 Personen)
Aufgabenstellung
Wir sind Tierpfleger:innen in einem Zoo und für die Fütterung der Äffchen zuständig. Alle Äffchen sehen sehr süß aus, doch manche Äffchen beißen. Von den Äffchen im Zoo wissen wir bereits, ob sie beißen. Von neuen Äffchen wissen wir das nicht. Daher brauchen wir Kriterien, die bestimmen, ob die neuen Äffchen beißen.
15 min: Anhand von 12 Äffchenkärtchen versuchen wir die Äffchen zu klassifizieren. Mit Sätzen oder Entscheidungsbäumen entwickeln wir Kriterien zur Vorhersage. Die Kriterien werden lesbar (!) festgehalten. Dann tauschen die Gruppen ihre Kriterien / Regeln.
15 min: Anhand der Kriterien / Regeln einer anderen Gruppe legen wir fest, welches der 8 neuen Äffchen beißt.
15 min: Vorstellung unserer Lösung und Diskussion/Reflexion
Rahmen
durchgeführt im Rahmen der HDW Modul D, SS2024, zum Thema KI
LV-Typ: kann mit Studierenden in unterschiedlichen LVs gespielt werden
Ein weiteres Spiel mit Studierenden könnte sich der Frage widmen: Kann ein neuronales Netzwerk Zeichnungen erkennen? Auf https://quickdraw.withgoogle.com/?locale=de bekommen die Spielenden eine weitere Perspektive wie die KI tickt.
We use cookies on our website to give you the most relevant experience by remembering your preferences and repeat visits. By clicking “Accept All”, you consent to the use of ALL the cookies. However, you may visit "Cookie Settings" to provide a controlled consent.
This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the ...
Necessary cookies are absolutely essential for the website to function properly. These cookies ensure basic functionalities and security features of the website, anonymously.
Cookie
Duration
Description
cookielawinfo-checkbox-analytics
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics".
cookielawinfo-checkbox-functional
11 months
The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional".
cookielawinfo-checkbox-necessary
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary".
cookielawinfo-checkbox-others
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other.
cookielawinfo-checkbox-performance
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance".
viewed_cookie_policy
11 months
The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data.
Functional cookies help to perform certain functionalities like sharing the content of the website on social media platforms, collect feedbacks, and other third-party features.
Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.
Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics the number of visitors, bounce rate, traffic source, etc.
Advertisement cookies are used to provide visitors with relevant ads and marketing campaigns. These cookies track visitors across websites and collect information to provide customized ads.