Zum Inhalt springen

Die Lernrate: So berechnet adaptives Lernen den Lernstand

Die Lernrate: So berechnet adaptives Lernen den Lernstand

Video: Die Lernrate: So berechnet adaptives Lernen den Lernstand1:58 Min. · ohne Cookies, ohne YouTube

Ein adaptives Lernsystem vergibt keine festen Punkte. Es schätzt vor jeder Antwort, wie wahrscheinlich eine richtige Lösung ist, und verschiebt den Lernstand danach: viel bei einer überraschenden Antwort, wenig bei einer erwartbaren. Wie stark eine einzelne Antwort zählt, bestimmt die Lernrate.


Warum feste Punkte wenig über Können sagen

Viele Lernplattformen zählen Punkte, zum Beispiel 10 XP für jede richtige Antwort. Wer viele leichte Fragen beantwortet, hat schnell 100 XP gesammelt, ohne dass klar ist, ob das Thema sitzt. Genau dort beginnt der Film: bei 100 Punkten, die nichts darüber sagen, was jemand kann.

Tarsus stellt deshalb eine andere Frage: Wie wahrscheinlich war diese Antwort? Das Vorbild ist die Item-Response-Theorie (IRT). Sie beschreibt die Wahrscheinlichkeit einer richtigen Antwort aus der Fähigkeit einer Person und der Schwierigkeit einer Aufgabe.


Die Formel hinter dem Lernstand

Nach jeder Antwort rechnet Tarsus den Lernstand neu:

Neuer Lernstand = alter Lernstand + Lernrate × (Ergebnis − Erwartung)

Das Ergebnis ist 1 für eine richtige und 0 für eine falsche Antwort. Die Erwartung ist die geschätzte Wahrscheinlichkeit, dass die Antwort richtig ist. Die Differenz zeigt, wie überraschend die Antwort war. Drei Beispiele aus dem Film:

  • Schwere Frage, richtig beantwortet: Die Erwartung lag bei 20 Prozent, also 1 − 0,2 = 0,8. Der Lernstand macht einen großen Schritt nach oben.

  • Leichte Frage, richtig beantwortet: Die Erwartung lag bei 90 Prozent, also 1 − 0,9 = 0,1. Der Lernstand bewegt sich kaum.

  • Viele richtige Antworten, dann ein Fehler: Der Lernstand sinkt nur ein wenig. Ein einzelner Ausrutscher wirft niemanden zurück.

Eine richtig gelöste schwere Frage zählt im Beispiel also achtmal so viel wie eine leichte. Dieselbe Form hat das Elo-System aus dem Schach, das in adaptiven Lernsystemen genutzt wird, um Fähigkeit und Aufgabenschwierigkeit gleichzeitig zu schätzen (Pelánek 2016).


Die Lernrate bestimmt das Tempo

Die Lernrate legt fest, wie stark eine einzelne Antwort den Lernstand verändert. Ist sie zu hoch, springt der Lernstand bei jeder Antwort hin und her. Ist sie zu niedrig, braucht es sehr viele Fragen und Wiederholungen, bis sich etwas bewegt. Die richtige Lernrate liegt dazwischen.


100 Prozent nur mit echtem Verständnis

Der Film zeigt simulierte Verläufe über viele Fragen. Wer ein Thema nur teilweise verstanden hat, bleibt unter 100 Prozent: Mit einer zu hohen Lernrate springt die Kurve stark, mit der richtigen Lernrate verläuft sie ruhiger. Nahe an 100 Prozent kommt nur, wer das Thema wirklich versteht.


Der Lernwürfel: Lernstand je Thema und Kompetenzstufe

Ein einzelner Wert pro Kurs wäre zu grob. Tarsus führt den Lernstand deshalb in einem Lernwürfel mit drei Achsen: Kapitel, Thema und Taxonomiestufe. Jede Zelle steht für ein Thema auf einer Stufe, zum Beispiel die Aufgabe „Erläutern Sie, warum Inflation die Kaufkraft verändert“. Jede Antwort zählt in ihrer Zelle. So wird sichtbar, ob jemand Begriffe nur wiedergeben oder auch erklären und anwenden kann. Mehr zum Lernwürfel im Beitrag Umsetzung von IHK-Taxonomien in E-Learning.


Fortschritt und nächster Schritt

Aus den Zellen ergibt sich der Fortschritt je Kapitel. Ist ein Kapitel noch nicht sicher, wählt Tarsus den nächsten Schritt: eine Erklärung, ein Beispiel, eine Transferfrage oder eine Wiederholung. Die Fragen entstehen dabei dynamisch aus den Unterlagen des Kurses. Wie weit jemand ist, sehen Lehrkräfte im Lernverlauf der Person. Geübt wird mit dem KI-Lerncoach, und Fragen zum Stoff beantwortet der KI-Tutor aus den Kursunterlagen.


Das Wichtigste aus dem Film

  • Erwartung statt fester Punkte

  • Die Lernrate steuert das Tempo

  • 100 Prozent nur mit Verständnis

  • Jede Antwort zählt im Lernwürfel

Wie Lernstand, Inhalte und Didaktik in einem adaptiven Lernsystem zusammenspielen, erklärt der Leitfaden Adaptives Lernen: Definition, Beispiele und wie KI es umsetzt.


Häufige Fragen

Was ist die Lernrate beim adaptiven Lernen?

Die Lernrate ist ein Faktor, der bestimmt, wie stark eine einzelne Antwort den geschätzten Lernstand verändert. Sie wägt ab zwischen schnellem Reagieren und einer stabilen Messung.

Ist das dieselbe Lernrate wie beim maschinellen Lernen?

Die Idee ist verwandt: Auch beim Training neuronaler Netze legt die Lernrate fest, wie groß ein Korrekturschritt ist. Hier wird aber kein Modell trainiert, sondern geschätzt, was eine Person kann.

Warum zählt Tarsus nicht einfach Punkte?

Punkte belohnen Menge. Eine Bewertung mit Erwartung belohnt das, was etwas über Können aussagt: Eine richtig gelöste schwere Frage zählt mehr als eine leichte, und ein einzelner Fehler nach vielen richtigen Antworten zählt wenig.

Wie hängt das mit der Item-Response-Theorie zusammen?

Die Item-Response-Theorie beschreibt, wie wahrscheinlich eine richtige Antwort bei einer bestimmten Fähigkeit und Aufgabenschwierigkeit ist. Tarsus nutzt diese Idee für die Erwartung. Ausführlich im Beitrag Umsetzung von Item Response Theory mit KI.


Weiterlesen

Weitere Blogartikel lesen

Weitere Blogartikel lesen