Projektbeschreibung AIStudyBuddy

Studierende unterscheiden sich immer stärker in ihren Eingangsprofilen, Bildungsbiografien und Lebenssituationen. Gleichzeitig steigt die Vielfalt der Studienangebote und Ausgestaltungsmöglichkeiten von Studiengängen durch die Hochschulen. Die breite Palette aus Wahlmöglichkeiten, Studiengangskombinationen, Studienmodellen, Abschlussarten und Anschlussmöglichkeiten führt zu immer diverseren Studienverläufen. Folglich werden die Wege zum Studienabschluss immer vielfältiger, komplexer und für Studienanfänger auch schwerer durchschaubar. Hinzu kommt, dass fast 75% der Studierenden einer Erwerbstätigkeit nachgehen und von diesen fast die Hälfte an mindestens einem Tag pro Woche die Uni nicht besuchen können (Quelle: BUW, Uniservice QSL: EVA-Quest Studierendenbefragung Verlaufsbefragung 2019).

Aus diesen Gründen sind generische Studienverlaufspläne nur noch eingeschränkt geeignet, individuelle Planungsbedarfe abzubilden. Gleiches gilt für das anekdotische Wissen älterer Studierender: ihre individuellen Studienverläufe sind nur bedingt auf andere übertragbar. Ohne zuverlässige Quellen für die Planung des Studiums fällt es Studierenden schwer, ungünstige Entwicklungen zu erkennen und entsprechend Anpassungen an ihrer Studienplanung vorzunehmen.

Gleichzeitig existiert in den Fakultäten nur eingeschränkte Evidenz darüber, wie Studierende durch das Studium gehen und welche Kombinationen und Reihenfolgen von Modulen sinnvoll sind. Es fehlt also letztlich Wissen darüber, wie Studiengänge geplant werden können, damit tatsächliche Studienverläufen generischen Verlaufsplänen wieder in stärkerem Ausmaß folgen können.

Um Studienmonitoring, Verlaufsplanung und Curriculumdesign mit hochqualitativer, individualisierter Planungsunterstützung zu leisten, müssen sowohl die formalen in Prüfungsordnung und Studienverlaufsplänen festgehaltenen als auch die informellen Regeln des Studiums, wie günstige Kombinationen und Reihenfolgen, gleichzeitig betrachtet werden. Zur Erfüllung all dieser Anforderungen bietet sich ein hybrider Ansatz aus Process Mining und regelbasierter KI an.

Mit Process Mining kann das tatsächliche Studienverhalten von Studierenden aus den in den Campus-Management-Systemen, Lernmanagementsystemen und (falls vorhanden) Prüfungssystemen erfassten Prozess- und Verlaufsdaten entdeckt und analysiert werden. Das tatsächliche Studienverhalten kann sich stark von idealtypischen Studienverlaufsplänen unterscheiden, z.B. da Studierende Module aufgrund geschobener Prüfungen in einer anderen Reihenfolge belegen oder ein Nicht-Bestehen ihren Fortschritt verzögert. Mithilfe von Process-Discovery können reale Studienverläufe den intendierten gegenüber gestellt und Abweichungen erkannt werden.

Die Ergebnisse der KI-Anaylse werden an zwei Frontends ausgeliefert: den StudyBuddy, welcher die Ergebnisse nutzt, um Studierende in der Planung und Reflexion ihres Studienverlaufs zu unterstützen und die BuddyAnalytics, welche Studiengangsdesigner*innen bei Planungsentscheidungen unterstützen.

Durch grafische Repräsentation von zu belegenden Modulen abhängig vom aktuellen Studienfortschritt erhalten Studierende konkrete handlungsleitende Informationen und Empfehlungen über verfügbare Optionen, wie die Auswahl belegbarer Module, deren Abhängigkeiten (sog. “Constraints” im Sinne der KI) und formalen Voraussetzungen. Sie erhalten Beispiele dafür, wie sich Studierende mit ähnlichen Verlaufsprofilen und Studiensituationen verhalten, um zum erfolgreichen Studienabschluss zu gelangen. Gegenüber der klassischen Planung werden also nicht nur die aktuelle Situation und die Veranstaltungsanmeldungen des kommenden Semesters in den Blick genommen, sondern individuelle, vollständige Studienverläufe können kontinuierlich angepasst, begründet und reflektiert werden. Studierende können den Möglichkeitenraum explorieren, indem sie z.B. den Umfang der zu planenden Credits spezifizieren (z.B. wegen Nebentätigkeit), ihre Planungen auf Kommiliton*innen (Critical Peers) abstimmen oder Auslandssemester einbeziehen. Durch die Kombination beider KI-Technologien führt StudyBuddy unterschiedliche Informationen zusammen:

1. in der Prüfungsordnung und dem Modulhandbuch definierte Regeln, welche Veranstaltungen gewählt werden können bzw. müssen, um dem Abschluss näher zu kommen,
2. das in der Universität oft nur informelle und anekdotische Wissen, welche Module und welche Kombination und Reihenfolge von Modulen sinnvoll und erfolgversprechend sind sowie
3. Verweise auf situativ passende Unterstützungsangebote.

Dieses Zusammenspiel ermöglicht eine hochqualitative individuelle Planungsunterstützung, die ohne gleichzeitige Berücksichtigung beider KI-Technologien auf diese Weise automatisiert nicht möglich wäre.

Studiengangsdesigner*innen gewinnen mit BuddyAnalytics die Möglichkeit zur evidenzbasierten Curriculumsentwicklung. Die Erschließung der Studierendendaten verschiedener Hochschulsysteme und der Nutzungsdaten des StudyBuddy ermöglicht die Betrachtung von realen Studienverläufen und dem Planungsverhalten der Studierenden. Dadurch können Probleme und Diskrepanzen intendierter Studienverläufe aufgedeckt und Interventionen angeregt werden.