Verschiedene Berufsbilder verlangen Auszubildenden unterschiedliche Mathematikkompetenzen ab. Im Projekt AMSEL werden 50 berufsspezifische Basistests eingesetzt, um das jeweils vorhandene schulische Mathematikvorwissen für bestimmte Ausbildungsberufe abzufragen. Nachdem die Ausbildungsinteressierten den Test durchgeführt haben, identifiziert die Software den individuellen Lernbedarf und schlägt entsprechende Übungsserien vor.
So können Lernrückstände durch die jeweils personalisiert zusammengestellten Lernzielübungen im Selbststudium aufgeholt werden.
Innerhalb der Konzeptionsphase des Projekts wird zudem daran gearbeitet, dieses berufsbezogene Mathematik-Selbsttestangebot für potenzielle Auszubildende in die Nationale Bildungsplattform zu integrieren. Außerdem soll es möglich werden, dass die Testerfolge automatisch in den persönlichen, digitalen Zertifikatsspeicher, das sogenannte Wallet der Plattform zurückzuspielen.
Um Lernenden eigene Lernwege zu ermöglichen, ist eine passgenaue Diagnostik sowie eine anpassbare Förderung in Form eines Lese- und Sprachtrainings wichtig. Um eine individuelle Förderung auszuwählen, erfolgt oftmals eine spontane Analyse der Leseflüssigkeit beim Vorlesen. Dies ist jedoch sehr anspruchsvoll und stellt viele Lehrkräfte vor Probleme. Innerhalb des Projekts ALFA wird daher eine automatisierte Klassifikation von Sprachdaten beim Vorlesen in Grund- und Förderschulen mithilfe von Techniken des maschinellen Lernens entwickelt.
Dies erfolgt auf Grundlage eines schon bestehenden digitalen Leseförderprogramms. Ziel ist es, eine jeweils auf das entsprechende Kind passende Lese- und Sprachförderung zu entwickeln und zugleich zu erforschen. Hierfür lesen Kinder altersangemessene Texte vor, die per Spracherkennung analysiert werden. Anschließend bewertet ein Algorithmus die Lesekompetenz der Kinder, leitet daraus Förderempfehlungen ab und bietet eine Möglichkeit des Austauschs dazu an. Gemäß den Grundsätzen für lernförderliche Rückmeldungen können also nicht nur die Lernziele verdeutlicht werden, sondern mit Hilfe des Algorithmus individuelle Stärken und Schwächen angesprochen werden.
Mit der computergestützten Analyse der Vorlesesprachdaten von Kindern betritt das Projekt Neuland, da digitale Assistenten bislang nicht zur Förderdiagnostik beim Lesen im Schulkontext eingesetzt werden.
Berufsbilder erhalten in der zunehmend globalisierten Welt immer mehr digitale Komponenten. Es entstehen neue Berufsbilder, deren konkrete Anforderungen sich erst noch entwickeln werden. Die neuen Beschäftigungsfelder sind tendenziell anspruchsvoller und komplexer als die bisherigen. Arbeitnehmende müssen sich daher individueller und bedarfsgerechter qualifizieren und weiterbilden können.
Wodurch diese neuen, veränderten Tätigkeitsfelder gekennzeichnet sind, ist derzeit noch nicht abzusehen.Schüler, Studierende, Erwerbstätige, Lehrende, Unternehmen und die Politik sind herausgefordert, sich auf die daraus entstehenden Kompetenz- und Qualifikationsbedarfe einzustellen. Dabei stellt sich jedoch die Frage, welche Technologien sich mittel- bis langfristig am Markt durchsetzen werden und welche Qualifikationen zukünftig gefragt sind.
Hier hilft eine möglichst korrekte Einschätzung künftiger Kompetenzbedarfe und Technologie-Entwicklungen. So kann es vermieden werden, Arbeitsplätze mit nicht passend qualifizierten Menschen zu besetzen und Frustration bei Arbeitnehmern wie Arbeitgebern zu vermeiden.
Ziel des Projekts AIWEB ist es, eine vollautomatische Empfehlungsfunktion zu entwickeln, die den Lernenden aufzeigt, welche Weiterbildungsbereiche aufgrund der eigenen persönlichen Bildungs- und gegebenenfalls Erwerbshistorie besonders vielversprechend sind. Lernende können sich so schnell und einfach orientieren und informieren.
