Fortbildung - aiMOOC - KI-Vergleich: Unterschied zwischen den Versionen
Glanz (Diskussion | Beiträge) |
Glanz (Diskussion | Beiträge) |
||
| Zeile 110: | Zeile 110: | ||
=== 4. Interaktionsfähigkeit === | === 4. Interaktionsfähigkeit === | ||
[[Benutzerfreundlichkeit]]: Bewertung der Einfachheit und Effektivität der Benutzerschnittstelle und des Dialogs mit der KI. | # [[Benutzerfreundlichkeit]]: Bewertung der Einfachheit und Effektivität der Benutzerschnittstelle und des Dialogs mit der KI. | ||
[[Engagement]]: Analyse der Fähigkeit der KI, den Benutzer zu binden und eine interaktive und ansprechende Konversation zu führen. | # [[Engagement]]: Analyse der Fähigkeit der KI, den Benutzer zu binden und eine interaktive und ansprechende Konversation zu führen. | ||
[[Personalisierung]]: Berücksichtigung der Anpassung der Antworten und Interaktionen an die individuellen Bedürfnisse und Vorlieben des Benutzers. | # [[Personalisierung]]: Berücksichtigung der Anpassung der Antworten und Interaktionen an die individuellen Bedürfnisse und Vorlieben des Benutzers. | ||
=== 5. Ethik und Bias === | === 5. Ethik und Bias === | ||
[[Datenschutz und Sicherheit]]: Untersuchung des Umgangs der KI mit Benutzerdaten und der Sicherheitsmaßnahmen zum Schutz dieser Daten. | # [[Datenschutz und Sicherheit]]: Untersuchung des Umgangs der KI mit Benutzerdaten und der Sicherheitsmaßnahmen zum Schutz dieser Daten. | ||
[[Bias und Fairness]]: Bewertung der Vorurteilsfreiheit und Fairness der von der KI generierten Ergebnisse. | # [[Bias und Fairness]]: Bewertung der Vorurteilsfreiheit und Fairness der von der KI generierten Ergebnisse. | ||
[[Transparenz und Erklärbarkeit]]: Einschätzung der Nachvollziehbarkeit der Entscheidungsfindung der KI und des Umgangs mit potenziellen Vorurteilen. | # [[Transparenz und Erklärbarkeit]]: Einschätzung der Nachvollziehbarkeit der Entscheidungsfindung der KI und des Umgangs mit potenziellen Vorurteilen. | ||
# | |||
=== 6. Skalierbarkeit und Performance === | === 6. Skalierbarkeit und Performance === | ||
[[Antwortzeiten]]: Überprüfung der Geschwindigkeit, mit der die KI auf Anfragen reagiert und Ergebnisse liefert. | # [[Antwortzeiten]]: Überprüfung der Geschwindigkeit, mit der die KI auf Anfragen reagiert und Ergebnisse liefert. | ||
[[Ressourcenverbrauch]]: Bewertung der Effizienz der KI im Umgang mit Rechenleistung und Speicherressourcen. | # [[Ressourcenverbrauch]]: Bewertung der Effizienz der KI im Umgang mit Rechenleistung und Speicherressourcen. | ||
[[Skalierbarkeit]]: Einschätzung der Fähigkeit der KI, mit einer wachsenden Anzahl von Anfragen und Benutzern umzugehen. | # [[Skalierbarkeit]]: Einschätzung der Fähigkeit der KI, mit einer wachsenden Anzahl von Anfragen und Benutzern umzugehen. | ||
=== 7. Integration und Ökosystem === | === 7. Integration und Ökosystem === | ||
[[Kompatibilität und Integration]]: Untersuchung der Einfachheit und Effektivität der Integration der KI in bestehende Systeme und Plattformen. | # [[Kompatibilität und Integration]]: Untersuchung der Einfachheit und Effektivität der Integration der KI in bestehende Systeme und Plattformen. | ||
[[Erweiterbarkeit]]: Bewertung der Möglichkeit, die Funktionalität der KI durch Plugins oder APIs zu erweitern. | # [[Erweiterbarkeit]]: Bewertung der Möglichkeit, die Funktionalität der KI durch Plugins oder APIs zu erweitern. | ||
[[Unterstützte Plattformen und Geräte]]: Berücksichtigung der Verfügbarkeit der KI auf verschiedenen Betriebssystemen und Geräten. | # [[Unterstützte Plattformen und Geräte]]: Berücksichtigung der Verfügbarkeit der KI auf verschiedenen Betriebssystemen und Geräten. | ||
=== 8. Kosten und Zugänglichkeit === | === 8. Kosten und Zugänglichkeit === | ||
[[Kostenstruktur]]: Bewertung der Kosten für die Nutzung der KI, einschließlich möglicher Unterschiede zwischen kostenlosen und kostenpflichtigen Versionen. | # [[Kostenstruktur]]: Bewertung der Kosten für die Nutzung der KI, einschließlich möglicher Unterschiede zwischen kostenlosen und kostenpflichtigen Versionen. | ||
[[Zugänglichkeit]]: Berücksichtigung der Benutzerfreundlichkeit und Barrierefreiheit der KI für Menschen mit verschiedenen Fähigkeiten und Einschränkungen. | # [[Zugänglichkeit]]: Berücksichtigung der Benutzerfreundlichkeit und Barrierefreiheit der KI für Menschen mit verschiedenen Fähigkeiten und Einschränkungen. | ||
=== 9. Support und Community === | === 9. Support und Community === | ||
[[Dokumentation und Lernressourcen]]: Überprüfung der Qualität und Verfügbarkeit von Hilfsmaterialien und Supportdokumentation. | # [[Dokumentation und Lernressourcen]]: Überprüfung der Qualität und Verfügbarkeit von Hilfsmaterialien und Supportdokumentation. | ||
[[Community und Support]]: Analyse der Aktivität und Effektivität der Entwickler- und Nutzergemeinschaft sowie der verfügbaren Supportkanäle. | # [[Community und Support]]: Analyse der Aktivität und Effektivität der Entwickler- und Nutzergemeinschaft sowie der verfügbaren Supportkanäle. | ||
=== 10. Personalisierung und Adaptives Lernen === | === 10. Personalisierung und Adaptives Lernen === | ||
[[Individualisierung]]: Berücksichtigung der Fähigkeit der KI, Lerninhalte und Interaktionen auf die individuellen Bedürfnisse und Fähigkeiten des Benutzers zuzuschneiden. | # [[Individualisierung]]: Berücksichtigung der Fähigkeit der KI, Lerninhalte und Interaktionen auf die individuellen Bedürfnisse und Fähigkeiten des Benutzers zuzuschneiden. | ||
[[Adaptives Lernen]]: Überprüfung der Fähigkeit der KI, den Schwierigkeitsgrad und die Inhalte basierend auf dem Fortschritt und den Interaktionen des Benutzers dynamisch anzupassen. | # [[Adaptives Lernen]]: Überprüfung der Fähigkeit der KI, den Schwierigkeitsgrad und die Inhalte basierend auf dem Fortschritt und den Interaktionen des Benutzers dynamisch anzupassen. | ||
=== 11. Multimodalität und Sensorik === | === 11. Multimodalität und Sensorik === | ||
[[Multimodale Interaktionen]]: Bewertung der Unterstützung verschiedener Eingabe- und Ausgabemodi wie Text, Sprache, Bild und Video. | # [[Multimodale Interaktionen]]: Bewertung der Unterstützung verschiedener Eingabe- und Ausgabemodi wie Text, Sprache, Bild und Video. | ||
[[Sensorische Integration]]: Untersuchung der Fähigkeit der KI, sensorische Daten wie Sprach- und Bilderkennung in die Interaktion einzubeziehen. | # [[Sensorische Integration]]: Untersuchung der Fähigkeit der KI, sensorische Daten wie Sprach- und Bilderkennung in die Interaktion einzubeziehen. | ||
=== 12. Internationale und Kulturelle Anpassungsfähigkeit === | === 12. Internationale und Kulturelle Anpassungsfähigkeit === | ||
[[Mehrsprachigkeit]]: Analyse der Unterstützung und effektiven Verarbeitung mehrerer Sprachen. | # [[Mehrsprachigkeit]]: Analyse der Unterstützung und effektiven Verarbeitung mehrerer Sprachen. | ||
[[Kulturelle Sensibilität]]: Berücksichtigung der Anpassungsfähigkeit der KI an kulturelle Kontexte und Normen in der Kommunikation und im Inhalt. | # [[Kulturelle Sensibilität]]: Berücksichtigung der Anpassungsfähigkeit der KI an kulturelle Kontexte und Normen in der Kommunikation und im Inhalt. | ||
=== 13. Robustheit und Zuverlässigkeit === | === 13. Robustheit und Zuverlässigkeit === | ||
[[Fehlertoleranz]]: Überprüfung der Widerstandsfähigkeit der KI gegenüber fehlerhaften Eingaben oder unerwarteten Nutzerinteraktionen. | # [[Fehlertoleranz]]: Überprüfung der Widerstandsfähigkeit der KI gegenüber fehlerhaften Eingaben oder unerwarteten Nutzerinteraktionen. | ||
[[Verfügbarkeit]]: Bewertung der Zuverlässigkeit des Zugriffs und der Nutzung der KI ohne signifikante Ausfallzeiten. | # [[Verfügbarkeit]]: Bewertung der Zuverlässigkeit des Zugriffs und der Nutzung der KI ohne signifikante Ausfallzeiten. | ||
=== 14. Nachhaltigkeit und Umweltverträglichkeit === | === 14. Nachhaltigkeit und Umweltverträglichkeit === | ||
[[Energieeffizienz]]: Untersuchung der Optimierung des Energieverbrauchs in Trainings- und Betriebsphasen der KI. | # [[Energieeffizienz]]: Untersuchung der Optimierung des Energieverbrauchs in Trainings- und Betriebsphasen der KI. | ||
[[Umweltverträglichkeit]]: Berücksichtigung der Umweltauswirkungen, einschließlich des CO2-Fußabdrucks der KI-Systeme. | # [[Umweltverträglichkeit]]: Berücksichtigung der Umweltauswirkungen, einschließlich des CO2-Fußabdrucks der KI-Systeme. | ||
=== 15. Ethik und gesellschaftliche Auswirkungen === | === 15. Ethik und gesellschaftliche Auswirkungen === | ||
[[Soziale Verantwortung]]: Analyse der sozialen Auswirkungen und des Beitrags der KI zur Lösung gesellschaftlicher Herausforderungen. | # [[Soziale Verantwortung]]: Analyse der sozialen Auswirkungen und des Beitrags der KI zur Lösung gesellschaftlicher Herausforderungen. | ||
[[Ethik-Richtlinien]]: Überprüfung der Einhaltung ethischer Grundsätze in der Entwicklung und Anwendung der KI. | # [[Ethik-Richtlinien]]: Überprüfung der Einhaltung ethischer Grundsätze in der Entwicklung und Anwendung der KI. | ||
=== 16. Innovation und Forschungspotenzial === | === 16. Innovation und Forschungspotenzial === | ||
[[Forschungsbeitrag]]: Bewertung des Beitrags der KI zur wissenschaftlichen Forschung und Entwicklung neuer Technologien. | # [[Forschungsbeitrag]]: Bewertung des Beitrags der KI zur wissenschaftlichen Forschung und Entwicklung neuer Technologien. | ||
[[Innovationskraft]]: Untersuchung der Fähigkeit der KI, innovative Lösungen und neue Anwendungsfelder zu erschließen. | # [[Innovationskraft]]: Untersuchung der Fähigkeit der KI, innovative Lösungen und neue Anwendungsfelder zu erschließen. | ||
=== 17. Zugriff und Kontrolle über Daten === | === 17. Zugriff und Kontrolle über Daten === | ||
[[Datensouveränität]]: Berücksichtigung der Kontrolle der Nutzer über ihre Daten und deren Verwendung. | # [[Datensouveränität]]: Berücksichtigung der Kontrolle der Nutzer über ihre Daten und deren Verwendung. | ||
[[Datenschutzkonformität]]: Überprüfung der Einhaltung von Datenschutzgesetzen und -richtlinien, z.B. DSGVO. | # [[Datenschutzkonformität]]: Überprüfung der Einhaltung von Datenschutzgesetzen und -richtlinien, z.B. DSGVO. | ||
=== 18. Feedback-Systeme und kontinuierliche Verbesserung === | === 18. Feedback-Systeme und kontinuierliche Verbesserung === | ||
[[Feedback-Mechanismen]]: Analyse der Integration von Nutzerfeedback zur kontinuierlichen Verbesserung der KI. | # [[Feedback-Mechanismen]]: Analyse der Integration von Nutzerfeedback zur kontinuierlichen Verbesserung der KI. | ||
[[Update-Fähigkeit]]: Bewertung der Regelmäßigkeit von Aktualisierungen und Upgrades, um die Leistungsfähigkeit und Sicherheit der KI zu verbessern. | # [[Update-Fähigkeit]]: Bewertung der Regelmäßigkeit von Aktualisierungen und Upgrades, um die Leistungsfähigkeit und Sicherheit der KI zu verbessern. | ||
<br> | |||
<br> | |||
<br> | |||
<br> | |||
<br> | |||
<br> | |||
== Analyse und Diskussion der Ergebnisse == | == Analyse und Diskussion der Ergebnisse == | ||
| Zeile 178: | Zeile 184: | ||
{{o}} Die Diskussion über Relevanz, Konsistenz und Nutzbarkeit der Ergebnisse für die Erstellung von aiMOOCs. | {{o}} Die Diskussion über Relevanz, Konsistenz und Nutzbarkeit der Ergebnisse für die Erstellung von aiMOOCs. | ||
{{o}} Die Vor- und Nachteile der kostenlosen und kostenpflichtigen KI-Versionen für Bildungsinhalte und KI-gestütztes Lernen. | {{o}} Die Vor- und Nachteile der kostenlosen und kostenpflichtigen KI-Versionen für Bildungsinhalte und KI-gestütztes Lernen. | ||
<br> | |||
<br> | |||
<br> | |||
== Optimierung und Anwendung von KI im Bildungsbereich == | == Optimierung und Anwendung von KI im Bildungsbereich == | ||
| Zeile 184: | Zeile 193: | ||
{{o}} Wir entwickeln innovative Einsatzmöglichkeiten von KI in der Lehre. | {{o}} Wir entwickeln innovative Einsatzmöglichkeiten von KI in der Lehre. | ||
{{o}} Wir diskutieren die Rolle kostenpflichtiger KI-Plattformen und wie diese effektiv genutzt werden können. | {{o}} Wir diskutieren die Rolle kostenpflichtiger KI-Plattformen und wie diese effektiv genutzt werden können. | ||
<br> | |||
<br> | |||
<br> | |||
== Abschluss und Reflexion == | == Abschluss und Reflexion == | ||
Aktuelle Version vom 9. März 2024, 07:01 Uhr
Workshop: KI-Vergleich in der Bildung: aiMOOC-Prompt bei verschiedenen KI-Modellen testen. |
Geben Sie einen Smart Prompt bei der kostenlosen A) Google Gemini, B) ChatGPT 3.5 oder C) ChatGPT 4 Version ein und vergleichen Sie die Ergebnisse
Smart Prompt Auswahl
Wählen Sie einen dieser Smart Prompts für Ihren Vergleich
- Big MOOC: Großer Lernkurs mit vielen interaktiven Elementen
- Mini MOOC: Kleiner Lernkurs
- AI QUIZ: Multiple-Choice
|
|
Aufgabe
Alle KI-Modelle entwickeln sich rasant. Wenn wir in der Presse von den Unterschieden der KI-Versionen erfahren, dann ist dies meist eine trockene, oberflächliche Information, die nach wenigen Wochen bereits veraltet ist. Durch einen Vergleich mit komplexen Anweisungen erfahren wir hautnah, welches Potential in den modernsten Versionen liegt und welche KI unseren Anforderungen genügt.
- Führen Sie einen Vergleich der Funktionalität, Qualität der Inhalte und Quantität der Ausgabe zwischen der kostenlosen Version von ChatGPT 3.5, der Google Gemini Version und der Bezahlversion von ChatGPT 4 durch.
- Geben Sie einen Smart Prompt (aiMOOC oder QUIZ) mit einem Thema Ihrer Wahl in die Versionen ein, um die Unterschiede in der Leistung und Genauigkeit der generierten Ergebnisse zu bewerten.
- Analysieren Sie die Ergebnisse hinsichtlich ihrer Relevanz, Konsistenz und Nutzbarkeit für die Erstellung eines Lernkurses.
- Diskutieren Sie mögliche Vor- und Nachteile der kostenlosen und kostenpflichtigen Versionen im Hinblick auf die Erstellung von Bildungsinhalten und die Unterstützung von KI-gestütztem Lernen.
- Identifizieren Sie potenzielle Optimierungsmöglichkeiten für die Nutzung von KI in Bildungskontexten und diskutieren Sie die Rolle von kostenpflichtigen KI-Plattformen in der Bildungslandschaft.
Workshop KI-Vergleich
Willkommen zum Workshop: Einführung in KI und ihre Bedeutung in der Bildung
Liebe Teilnehmende, In diesem Workshop werden wir die faszinierende Welt der Künstlichen Intelligenz (KI) erkunden und deren wachsende Bedeutung im Bildungsbereich erörtern. Wir werden uns mit Themen wie folgt beschäftigen:
- Die Entwicklung der KI-Technologien und deren Einfluss auf das Lernen und Lehren.
- Digitale Lernmethoden und wie KI diese bereichern kann.
- Gestaltung zukunftsfähiger Lernumgebungen mit Hilfe von KI.
Überblick über die zu vergleichenden KI-Versionen
Im nächsten Schritt des Workshops stellen wir die verschiedenen KI-Versionen vor, die wir heute untersuchen werden:
- Google Gemini, eine Plattform, die neue Wege im KI-gestützten Lernen aufzeigt.
- ChatGPT 3.5, eine vielseitige kostenlose Version, die bereits viele Möglichkeiten bietet.
- ChatGPT 4, die fortschrittlichste Version, die als Bezahlversion weitere Features bietet.
Wir werden die spezifischen Funktionen und Unterschiede zwischen den kostenlosen und kostenpflichtigen Angeboten diskutieren.
Praktische Übungen: Smart Prompts
In diesem Abschnitt des Workshops werdet ihr selbst aktiv:
- Ihr werdet einen Großen MOOC mit interaktiven Elementen anweisen.
- Einen Kleinen Lernkurs erstellen.
- Ein Multiple-Choice KI-Quiz anweisen.
Ziel ist es, die Leistungsfähigkeit der verschiedenen KI-Versionen hands-on zu erleben und zu vergleichen.
Konkrete Kriterien für die Analyse
1. Verständnis und Sprachverarbeitung
- Genauigkeit der Spracherkennung: Bewertung der Fähigkeit der KI, gesprochene Sprache korrekt zu erkennen und zu interpretieren.
- Sprachliche Vielfalt: Berücksichtigung der Unterstützung für verschiedene Sprachen und Dialekte.
- Kontextverständnis: Einschätzung der Fähigkeit der KI, den Kontext einer Anfrage zu verstehen und darauf basierend angemessene Antworten zu generieren.
2. Lernfähigkeit und Anpassungsfähigkeit
- Lernmechanismen: Untersuchung der verschiedenen Ansätze zum Lernen und zur Verbesserung der Leistung der KI.
- Anpassungsfähigkeit: Bewertung der Fähigkeit der KI, sich an neue Informationen und Anforderungen anzupassen und ihre Leistung entsprechend anzupassen.
3. Generierung und Qualität der Inhalte
- Kreativität der Antworten: Beurteilung der Vielfalt und Originalität der von der KI generierten Inhalte.
- Inhaltliche Genauigkeit: Überprüfung der Zuverlässigkeit und Richtigkeit der Antworten der KI.
- Tiefe und Detailliertheit: Einschätzung der Fähigkeit der KI, detaillierte und umfassende Antworten zu liefern.
4. Interaktionsfähigkeit
- Benutzerfreundlichkeit: Bewertung der Einfachheit und Effektivität der Benutzerschnittstelle und des Dialogs mit der KI.
- Engagement: Analyse der Fähigkeit der KI, den Benutzer zu binden und eine interaktive und ansprechende Konversation zu führen.
- Personalisierung: Berücksichtigung der Anpassung der Antworten und Interaktionen an die individuellen Bedürfnisse und Vorlieben des Benutzers.
5. Ethik und Bias
- Datenschutz und Sicherheit: Untersuchung des Umgangs der KI mit Benutzerdaten und der Sicherheitsmaßnahmen zum Schutz dieser Daten.
- Bias und Fairness: Bewertung der Vorurteilsfreiheit und Fairness der von der KI generierten Ergebnisse.
- Transparenz und Erklärbarkeit: Einschätzung der Nachvollziehbarkeit der Entscheidungsfindung der KI und des Umgangs mit potenziellen Vorurteilen.
6. Skalierbarkeit und Performance
- Antwortzeiten: Überprüfung der Geschwindigkeit, mit der die KI auf Anfragen reagiert und Ergebnisse liefert.
- Ressourcenverbrauch: Bewertung der Effizienz der KI im Umgang mit Rechenleistung und Speicherressourcen.
- Skalierbarkeit: Einschätzung der Fähigkeit der KI, mit einer wachsenden Anzahl von Anfragen und Benutzern umzugehen.
7. Integration und Ökosystem
- Kompatibilität und Integration: Untersuchung der Einfachheit und Effektivität der Integration der KI in bestehende Systeme und Plattformen.
- Erweiterbarkeit: Bewertung der Möglichkeit, die Funktionalität der KI durch Plugins oder APIs zu erweitern.
- Unterstützte Plattformen und Geräte: Berücksichtigung der Verfügbarkeit der KI auf verschiedenen Betriebssystemen und Geräten.
8. Kosten und Zugänglichkeit
- Kostenstruktur: Bewertung der Kosten für die Nutzung der KI, einschließlich möglicher Unterschiede zwischen kostenlosen und kostenpflichtigen Versionen.
- Zugänglichkeit: Berücksichtigung der Benutzerfreundlichkeit und Barrierefreiheit der KI für Menschen mit verschiedenen Fähigkeiten und Einschränkungen.
9. Support und Community
- Dokumentation und Lernressourcen: Überprüfung der Qualität und Verfügbarkeit von Hilfsmaterialien und Supportdokumentation.
- Community und Support: Analyse der Aktivität und Effektivität der Entwickler- und Nutzergemeinschaft sowie der verfügbaren Supportkanäle.
10. Personalisierung und Adaptives Lernen
- Individualisierung: Berücksichtigung der Fähigkeit der KI, Lerninhalte und Interaktionen auf die individuellen Bedürfnisse und Fähigkeiten des Benutzers zuzuschneiden.
- Adaptives Lernen: Überprüfung der Fähigkeit der KI, den Schwierigkeitsgrad und die Inhalte basierend auf dem Fortschritt und den Interaktionen des Benutzers dynamisch anzupassen.
11. Multimodalität und Sensorik
- Multimodale Interaktionen: Bewertung der Unterstützung verschiedener Eingabe- und Ausgabemodi wie Text, Sprache, Bild und Video.
- Sensorische Integration: Untersuchung der Fähigkeit der KI, sensorische Daten wie Sprach- und Bilderkennung in die Interaktion einzubeziehen.
12. Internationale und Kulturelle Anpassungsfähigkeit
- Mehrsprachigkeit: Analyse der Unterstützung und effektiven Verarbeitung mehrerer Sprachen.
- Kulturelle Sensibilität: Berücksichtigung der Anpassungsfähigkeit der KI an kulturelle Kontexte und Normen in der Kommunikation und im Inhalt.
13. Robustheit und Zuverlässigkeit
- Fehlertoleranz: Überprüfung der Widerstandsfähigkeit der KI gegenüber fehlerhaften Eingaben oder unerwarteten Nutzerinteraktionen.
- Verfügbarkeit: Bewertung der Zuverlässigkeit des Zugriffs und der Nutzung der KI ohne signifikante Ausfallzeiten.
14. Nachhaltigkeit und Umweltverträglichkeit
- Energieeffizienz: Untersuchung der Optimierung des Energieverbrauchs in Trainings- und Betriebsphasen der KI.
- Umweltverträglichkeit: Berücksichtigung der Umweltauswirkungen, einschließlich des CO2-Fußabdrucks der KI-Systeme.
15. Ethik und gesellschaftliche Auswirkungen
- Soziale Verantwortung: Analyse der sozialen Auswirkungen und des Beitrags der KI zur Lösung gesellschaftlicher Herausforderungen.
- Ethik-Richtlinien: Überprüfung der Einhaltung ethischer Grundsätze in der Entwicklung und Anwendung der KI.
16. Innovation und Forschungspotenzial
- Forschungsbeitrag: Bewertung des Beitrags der KI zur wissenschaftlichen Forschung und Entwicklung neuer Technologien.
- Innovationskraft: Untersuchung der Fähigkeit der KI, innovative Lösungen und neue Anwendungsfelder zu erschließen.
17. Zugriff und Kontrolle über Daten
- Datensouveränität: Berücksichtigung der Kontrolle der Nutzer über ihre Daten und deren Verwendung.
- Datenschutzkonformität: Überprüfung der Einhaltung von Datenschutzgesetzen und -richtlinien, z.B. DSGVO.
18. Feedback-Systeme und kontinuierliche Verbesserung
- Feedback-Mechanismen: Analyse der Integration von Nutzerfeedback zur kontinuierlichen Verbesserung der KI.
- Update-Fähigkeit: Bewertung der Regelmäßigkeit von Aktualisierungen und Upgrades, um die Leistungsfähigkeit und Sicherheit der KI zu verbessern.
Analyse und Diskussion der Ergebnisse
Nach den praktischen Übungen widmen wir uns der Analyse und Diskussion der Ergebnisse. Hierbei konzentrieren wir uns auf:
- Die Bewertung der Funktionalität, Qualität und Quantität der KI-Ausgaben.
- Die Diskussion über Relevanz, Konsistenz und Nutzbarkeit der Ergebnisse für die Erstellung von aiMOOCs.
- Die Vor- und Nachteile der kostenlosen und kostenpflichtigen KI-Versionen für Bildungsinhalte und KI-gestütztes Lernen.
Optimierung und Anwendung von KI im Bildungsbereich
Gemeinsam werden wir überlegen, wie wir die Nutzung von KI im Bildungsbereich optimieren können:
- Wir identifizieren Optimierungsmöglichkeiten für den Einsatz von KI in der Bildung.
- Wir entwickeln innovative Einsatzmöglichkeiten von KI in der Lehre.
- Wir diskutieren die Rolle kostenpflichtiger KI-Plattformen und wie diese effektiv genutzt werden können.
Abschluss und Reflexion
Zum Abschluss möchten wir euch bitten, über das Gelernte zu reflektieren und wie ihr dieses Wissen in eure Lehrtätigkeit integrieren könnt:
- Überlegt, wie ihr die Einsichten aus diesem Workshop in eurer täglichen Arbeit anwenden könnt.
- Gebt uns Feedback, wie wir zukünftige Workshops verbessern können.
Kriterien für den KI-Vergleich
Sofort durchführbarer Vergleich
1. Verständnis und Sprachverarbeitung
- Genauigkeit der Spracherkennung: Bewertung der Fähigkeit der KI, gesprochene Sprache korrekt zu erkennen und zu interpretieren.
- Sprachliche Vielfalt: Berücksichtigung der Unterstützung für verschiedene Sprachen und Dialekte.
- Kontextverständnis: Einschätzung der Fähigkeit der KI, den Kontext einer Anfrage zu verstehen und darauf basierend angemessene Antworten zu generieren.
2. Lernfähigkeit und Anpassungsfähigkeit
- Lernmechanismen: Untersuchung der verschiedenen Ansätze zum Lernen und zur Verbesserung der Leistung der KI.
- Anpassungsfähigkeit: Bewertung der Fähigkeit der KI, sich an neue Informationen und Anforderungen anzupassen und ihre Leistung entsprechend anzupassen.
3. Generierung und Qualität der Inhalte
- Kreativität der Antworten: Beurteilung der Vielfalt und Originalität der von der KI generierten Inhalte.
- Inhaltliche Genauigkeit: Überprüfung der Zuverlässigkeit und Richtigkeit der Antworten der KI.
- Tiefe und Detailliertheit: Einschätzung der Fähigkeit der KI, detaillierte und umfassende Antworten zu liefern.
4. Interaktionsfähigkeit
- Benutzerfreundlichkeit: Bewertung der Einfachheit und Effektivität der Benutzerschnittstelle und des Dialogs mit der KI.
- Engagement: Analyse der Fähigkeit der KI, den Benutzer zu binden und eine interaktive und ansprechende Konversation zu führen.
- Personalisierung: Berücksichtigung der Anpassung der Antworten und Interaktionen an die individuellen Bedürfnisse und Vorlieben des Benutzers.
5. Ethik und Bias
- Datenschutz und Sicherheit: Untersuchung des Umgangs der KI mit Benutzerdaten und der Sicherheitsmaßnahmen zum Schutz dieser Daten.
- Bias und Fairness: Bewertung der Vorurteilsfreiheit und Fairness der von der KI generierten Ergebnisse.
- Transparenz und Erklärbarkeit: Einschätzung der Nachvollziehbarkeit der Entscheidungsfindung der KI und des Umgangs mit potenziellen Vorurteilen.
6. Skalierbarkeit und Performance
- Antwortzeiten: Überprüfung der Geschwindigkeit, mit der die KI auf Anfragen reagiert und Ergebnisse liefert.
- Ressourcenverbrauch: Bewertung der Effizienz der KI im Umgang mit Rechenleistung und Speicherressourcen.
- Skalierbarkeit: Einschätzung der Fähigkeit der KI, mit einer wachsenden Anzahl von Anfragen und Benutzern umzugehen.
7. Integration und Ökosystem
- Kompatibilität und Integration: Untersuchung der Einfachheit und Effektivität der Integration der KI in bestehende Systeme und Plattformen.
- Erweiterbarkeit: Bewertung der Möglichkeit, die Funktionalität der KI durch Plugins oder APIs zu erweitern.
- Unterstützte Plattformen und Geräte: Berücksichtigung der Verfügbarkeit der KI auf verschiedenen Betriebssystemen und Geräten.
8. Kosten und Zugänglichkeit
- Kostenstruktur: Bewertung der Kosten für die Nutzung der KI, einschließlich möglicher Unterschiede zwischen kostenlosen und kostenpflichtigen Versionen.
- Zugänglichkeit: Berücksichtigung der Benutzerfreundlichkeit und Barrierefreiheit der KI für Menschen mit verschiedenen Fähigkeiten und Einschränkungen.
9. Support und Community
- Dokumentation und Lernressourcen: Überprüfung der Qualität und Verfügbarkeit von Hilfsmaterialien und Supportdokumentation.
- Community und Support: Analyse der Aktivität und Effektivität der Entwickler- und Nutzergemeinschaft sowie der verfügbaren Supportkanäle.
Langzeitvergleich
10. Personalisierung und Adaptives Lernen
- Individualisierung: Berücksichtigung der Fähigkeit der KI, Lerninhalte und Interaktionen auf die individuellen Bedürfnisse und Fähigkeiten des Benutzers zuzuschneiden.
- Adaptives Lernen: Überprüfung der Fähigkeit der KI, den Schwierigkeitsgrad und die Inhalte basierend auf dem Fortschritt und den Interaktionen des Benutzers dynamisch anzupassen.
11. Multimodalität und Sensorik
- Multimodale Interaktionen: Bewertung der Unterstützung verschiedener Eingabe- und Ausgabemodi wie Text, Sprache, Bild und Video.
- Sensorische Integration: Untersuchung der Fähigkeit der KI, sensorische Daten wie Sprach- und Bilderkennung in die Interaktion einzubeziehen.
12. Internationale und Kulturelle Anpassungsfähigkeit
- Mehrsprachigkeit: Analyse der Unterstützung und effektiven Verarbeitung mehrerer Sprachen.
- Kulturelle Sensibilität: Berücksichtigung der Anpassungsfähigkeit der KI an kulturelle Kontexte und Normen in der Kommunikation und im Inhalt.
13. Robustheit und Zuverlässigkeit
- Fehlertoleranz: Überprüfung der Widerstandsfähigkeit der KI gegenüber fehlerhaften Eingaben oder unerwarteten Nutzerinteraktionen.
- Verfügbarkeit: Bewertung der Zuverlässigkeit des Zugriffs und der Nutzung der KI ohne signifikante Ausfallzeiten.
14. Nachhaltigkeit und Umweltverträglichkeit
- Energieeffizienz: Untersuchung der Optimierung des Energieverbrauchs in Trainings- und Betriebsphasen der KI.
- Umweltverträglichkeit: Berücksichtigung der Umweltauswirkungen, einschließlich des CO2-Fußabdrucks der KI-Systeme.
15. Ethik und gesellschaftliche Auswirkungen
- Soziale Verantwortung: Analyse der sozialen Auswirkungen und des Beitrags der KI zur Lösung gesellschaftlicher Herausforderungen.
- Ethik-Richtlinien: Überprüfung der Einhaltung ethischer Grundsätze in der Entwicklung und Anwendung der KI.
16. Innovation und Forschungspotenzial
- Forschungsbeitrag: Bewertung des Beitrags der KI zur wissenschaftlichen Forschung und Entwicklung neuer Technologien.
- Innovationskraft: Untersuchung der Fähigkeit der KI, innovative Lösungen und neue Anwendungsfelder zu erschließen.
17. Zugriff und Kontrolle über Daten
- Datensouveränität: Berücksichtigung der Kontrolle der Nutzer über ihre Daten und deren Verwendung.
- Datenschutzkonformität: Überprüfung der Einhaltung von Datenschutzgesetzen und -richtlinien, z.B. DSGVO.
18. Feedback-Systeme und kontinuierliche Verbesserung
- Feedback-Mechanismen: Analyse der Integration von Nutzerfeedback zur kontinuierlichen Verbesserung der KI.
- Update-Fähigkeit: Bewertung der Regelmäßigkeit von Aktualisierungen und Upgrades, um die Leistungsfähigkeit und Sicherheit der KI zu verbessern.
Fortbildung
| P4P MOOCs in Schule, Ausbildung, Studium |
Fortbildungssnacks: aiMOOCs in der Bildung
aiMOOCs sind eine Revolution im Bereich des Online-Lernens. Sie kombinieren die Vorteile von Massive Open Online Courses (MOOCs) mit der Leistungsfähigkeit künstlicher Intelligenz. Durch den Einsatz von "Smart Prompts" können individuelle Lernkurse erstellt werden, die genau auf die Bedürfnisse der Lernenden zugeschnitten sind.
Ein herausragendes Beispiel für die Anwendung von aiMOOCs ist der Kurs "Deutsch 6". Dieser Kurs nutzt Smart Prompts in GPTs, um den Lernenden eine maßgeschneiderte Lernerfahrung zu bieten. Dabei werden Texte, Bilder und interaktive Aufgaben von einer KI erstellt. Experten prüfen diese Inhalte, wenn sie auf Plattformen wie aiMOOC.org, MOOCit.de oder MOOCwiki.org veröffentlicht werden. Das Ergebnis? Ein Online-Lernkurs, der den traditionellen Arbeitsblättern in vielerlei Hinsicht überlegen ist: Er ist individuell, klimafreundlich und kostenlos!
Doch was genau sind Smart Prompts? Es handelt sich dabei um komplexe (Programmier-)Anweisungen an eine Künstliche Intelligenz wie ChatGPT4. Mit nur einem Wort können sie einen ganzen Lernkurs erstellen, der Input, verschiedene OERs und offene sowie interaktive Aufgaben enthält.
Die Fortbildung wird auch andere spannende Themen behandeln, wie das Qualitätsmanagement mit Wiki+KI, die Möglichkeiten von ChatGPT und seinen Plugins, die beeindruckenden Fähigkeiten von DALL·E 3 und wie man mit ChatGPT4 programmiert. Darüber hinaus werden wir uns mit der Ausbildung von Medienmentoren und der Öffentlichkeitsarbeit an Schulen mithilfe von KI beschäftigen.
- Einführung in aiMOOCs
- Erstellung von Inhalten / Praxisprojekt: Erstellung eines aiMOOC
- Didaktische Integration von aiMOOCs
- Workshop-Arbeiten
- Ausblick und Netzwerkbildung
- Nachbereitung der Fortbildung mit aiMOOCs
GPTs für die Bildung auf aiMOOC.org
|
MOOCs in der Bildung einsetzen
Peer for Peer Massive Open Online Courses (P4P MOOCs) und aiMOOCs (die mit Hilfe einer KI entstehen) sind – im Gegensatz zu „herkömmlichen“ MOOCs – Online-Lernkurse von Lernenden für Lernende (SchülerInnen, Auszubildende, Studierende). Sie können aus Open Educational Resources (OERs bzw. frei zugängliche Online-Materialien) zusammengestellt werden. Typische Elemente der P4P MOOCs sind Videos, interaktive und offene Aufgaben. OERs flexibel zu kombinieren und individuelle Lernkurse zu gestalten ist ein praktisches Werkzeug zur (Binnen-) Differenzierung in heterogenen Klassen. Wenn Lehrkräfte diese digitale Kompetenz auch an Lernende weitergeben, sind diese nicht nur in der Lage, ihre persönlichen Lernwege aktiv zu beschreiten, sondern sie werden dabei auch zu „ExpertInnen“ in der digitalen Bildung. Denn Lernende sollen die Lernmaterialien nicht nur passiv konsumieren – sie sollen als „MOOC MedienmentorInnen“ für Mitlernende Mini-MOOCs selbständig erstellen, sich mit den Lerninhalten vertieft auseinandersetzen und anderen Lernenden helfen. In den sieben Veranstaltungen eignen sich die TeilnehmerInnen Methoden an, um effizientes digitales Lernen ihrer Lernenden zu unterstützen. In der MOOC Fortbildung bzw. dem Webinar "P4P MOOCs aus OERs kombinieren" werden z.B. individuelle MOOCs aus OERs zusammengesetzt und um eigene Inhalte ergänzt. Die TeilnehmerInnen können Medienmentoren ausbilden. Sie lernen das Wiki-Portal „MOOCit.de“ kennen, bekommen konkrete Einsatzmöglichkeiten vor, in und nach der Präsenzphase aufgezeigt z. B. im Blended Learning. Es sind keine Programmierkenntnisse erforderlich. Alle sieben Fortbildungen sind für Bildungsinstitutionen einzeln buchbar oder frei kombinierbar.
- Digitalisierungsstrategie mit KI entwickeln
- Tablet-Führerschein konzipieren
- Animierte Videos herstellen
- Interaktive Aufgaben erstellen
- P4P MOOCs aus OERs kombinieren
- MOOC Reihen anlegen
- aiMOOC Medienmentoren ausbilden
aiMOOCs
Erstelle Deinen AI MOOC mit Hilfe von unserer Prompt Kopiervorlage und ChatGPT4o
|
|
|
Digitalisierungsstrategie
Welches ist Ihre Digitalisierungsstrategie?
- Notwendigkeit | Ziele
- Internes Medienkonzept mit KI-Unterstützung
- Landesweite Kooperationen
- Öffentlichkeit
- Verantwortung | Instrumente
- MOOCs | Vorteile
Tableteinsatz & Tablet-Führerschein
Wie erfolgt ein sinnvoller Tableteinsatz mit Tablet-Führerschein?
- Tablet im Medienkonzept
- Apps bewerten
- Top-App-Liste
- Einsatzmöglichkeiten
- Tablet-Führerschein-Konzept
- A-Z Fragenpool von Lernenden für Lernende
- Beispiel
- Präsentation: Feedback, formative Evaluation
|
|
Animierte Videos erstellen
Wie werden animierte Videos erstellt?
- Rückblick, Präsentation & Formative Evaluation
- Film und Video im Unterricht
- Erklärvideo oder MOOC Video?
- Welches ist Ihr Portal? PowToon, Animaker, Prezi, VideoScribe, ...
- Wie lassen sich interaktive Videos erstellen?
- Aufgabe
- Homework
Interaktive Aufgaben erstellen
Wie werden interaktive, multimediale Aufgaben erstellt?
- Rückblick und Formative Evaluation
- Wie erstelle ich Wiki-Aufgaben?
- Welche Aufgabentypen sind wann sinnvoll?
- Wie erstelle ich LearningApps
- Alternative: H5P z.B. Interaktive Videos erstellen
- MOOCit vs. ILIAS Vergleich
- Homework
OER-MOOCs erstellen
- Formales | Notwendigkeit | Quellen
- Welche Unterrichtskonzepte eignen sich?
- Warum ist die Kombination von OERs und eigenen Vorstellungen wichtig?
- Was ist ein P4P Mini-MOOC?
- Welche Einsatzmöglichkeiten bietet MOOCit für Ihren Unterricht? Welche Beispiele für Bildungsprojekte gibt es?
- Vorteile
- Warum in ein Wiki vertrauen?
- Warum sollten Lernende MOOCit nutzen?
- Welche Vorteile bietet MOOCit für Lehrende?
- Welche Abgrenzung zu anderen MOOC-Portalen gibt es?
- Wie kann Rollenklarheit im Netz geschaffen werden?
- Welches ist Ihr Portal?
- Welches ist Ihr MOOCit Projekt?
- Wie erfolgt die Registrierung?
- Warum ist die "Klassische Ansicht" der Bearbeitungsmodus?
- Wie wird die MOOC-Vorlage genutzt? (Andere Vorlagen)
- Wie wird ein Text, Link, Bild oder Video eingefügt?
- Wie werden interaktive Wiki-Aufgaben erstellt?
- Ab wann kann ein Zertifikat ausgestellt werden?
- Homework
|
|
|
|
MOOC-Reihen angelegen (Fortgeschrittene)
Wie wird eine MOOC-Reihe angelegt?
- Beispiele: P4P Format, Lehrkräfte MOOCs, Spiel, Quiz, Wissensprojekt, ...
- Vorlagen nutzen: MOOC, Navigation, Buttons und Emojis, ...
- Titelseite entwerfen und Kategorie anlegen
- Vorlage erstellen
- Eingabefeld kreieren
- Wiki-Bausteine einfügen
- Navigation erstellen
- Optional: Listen, Tabellen, Mathematische Formeln, Annotierte Bilder, ...
|
|
MOOC-Medienmentoren ausbilden
Wie werden MOOC Medienmentoren ausgebildet?
- Präsentation der Arbeiten / ECTS Anforderungen
- Medienmentoren-Ausbildung
- Zertifizierung
- P4P MOOCs oder ai MOOCs
- Beispiel für einen Arbeitsauftrag
- MOOCs selbst erstellen * Kopiervorlagen
- Feedback
- Nach der Fortbildung ist vor der Fortbildung! Medienmentoren Ausbildung an Ihrer Schule?
|
|
Kontakt
Nach der Fortbildung ist vor der Fortbildung.
|
|
|
Dr. Udo Glanz |
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
KI-STIMMEN: WAS WÜRDE ... SAGEN? |
|
|
|
 |
