Abstract:
Das BMBF-geförderte Projekt RAPP wurde als interdisziplinäres Projekt zwischen Informatik und Sozialwissenschaften konzipiert und beschäftigte sich mit drei inhaltlichen Schwerpunkten: (i) der diskriminierungsfreien Vorhersage von studentischen Leistungen mittels Methoden des maschinellen Lernens zur Verbesserung der Beratung im Studium, (ii) der Analyse diskriminierungsbehafteter Daten als Variablen zur Bestimmung des Studienerfolgs und (iii) der Untersuchung der individuellen Wahrnehmung der Studierenden hinsichtlich des Einsatzes von KI-Methoden. Insgesamt wurde die Möglichkeit der Einführung eines RAPP-Systems in einer Hochschule untersucht.
Für die automatisierte Vorhersage von Studienleistungen und Studienerfolg wurden Methoden des maschinellen Lernens entwickelt, die Leistungsdaten der ersten Semester sowie weitere Merkmale der Studierende (die durch Befragungen ermittelt wurden) verwenden. Damit kann z.B. die Gefahr eines Studienabbruchs oft nach einem oder zwei Semestern vorhergesagt werden um gefährdeten Studierenden eine passende Beratung anzubieten. Dazu wurden auch Erklärungsmodelle untersucht, die die Ergebnisse der maschinellen Vorhersage so erläutern, dass dies in der Beratung direkt genutzt werden kann.
Ferner wurde untersucht inwieweit diskriminierungsbehaftete Variablen zur Bestimmung des Studienerfolgs genutzt werden können. Die Erklärungskraft soziodemographischer Variablen, die soziale Integration an der Universität sowie schulischer Leistungen für den Studienerfolg wurden untersucht. Vor allem die Abbruchsintention, der Besuch eines Gymnasiums sowie die Note der Hochschulzugangsberechtigung dienen als Prädiktor für den Erfolg der Studierenden.
Auch die individuellen Wahrnehmungen der Studierenden gegenüber der KI-basierten Leistungsprognose war Gegenstand der Untersuchungen. Neben den Fairness- und Schadenswahrnehmungen wurden ebenso Anforderungen der Studierenden an das KI-System untersucht. Dabei zeigte sich unter anderem, dass Studierende dem Einsatz KI-basierter Leistungsprognose tendenziell skeptisch gegenüberstehen und hohen Wert auf ihre persönliche Autonomie legen.
Die Vortragenden werden sein:
Prof. Dr. Stefan Conrad (Informatik; HHU) hat seit 2002 den Lehrstuhl für Datenbanken und Informationssysteme in der Informatik inne. In der Forschung beschäftigt sich seine Arbeitsgruppe mit verschiedenen Anwendungen des maschinellen Lernens, z.B. in der Objekterkennung in Bildern und im Natural Language Processing. Darüber hinaus untersucht er Fairness im maschinellen Lernen und KI-Methoden für Zeitreihen.
Dr. Johannes Krause (Soziologie; HHU) ist akademischer Rat am Institut für Sozialwissenschaften (Soziologie II). Seine Forschungsgebiete umfassen Schönheitshandeln, Fair AI, Live Music Ecologies und Methoden der empirischen Sozialforschung.
Dr. Marco Lünich (Vertretungsprofessor Kommunikations- und Medienwissenschaften III) forscht schwerpunktmäßig zum Zusammenhang von Digital- und Technikkommunikation und den gesellschaftlichen Folgen des digitalen Wandels. In seiner Dissertation untersuchte er gesellschaftliche Überzeugungen von Erkenntnis- und Nutzengewinnen aus digitalen Daten.
