Schlagwort: ChatGPT

(Barbara Bingenheimer, Hochschul- und Landesbibliothek)

In Ergänzung zum Kurs „Literaturrecherche für Seminar- und Abschlussarbeiten“ zeigen wir Ihnen verschiedene KI-gestützte Recherche-Plattformen (geplant sind Research Rabbit, Semantic Scholar und SciSpace), mit denen Sie Ihre Suche nach wissenschaftlichen Quellen ergänzen und anreichern können.

Nach dem Besuch dieser Veranstaltung kennen Sie die Funktionsweise der einzelnen Plattformen, wissen um die Besonderheiten und Probleme der Tools und können beurteilen, ob sie grundsätzlich Recherche-KI-Tools zusätzlich zu den bisherigen Recherche-Möglichkeiten nutzen wollen.

Termine:
  • 06.11.2023, 08:00-09:30 Uhr
  • 07.12.2023, 14:00-15:30 Uhr
  • 18.01.2024, 08:00-09:30 Uhr
  • 03.02.2024, 10:00-11:30 Uhr
  • 13.05.24 , 08:00-09:30 Uhr
  • 20.06.24, 14:00-15:30 Uhr
  • 20.07.24, 10:00-11:30 Uhr
  • 05.08.24, 09:00-10:30 Uhr
(Barbara Bingenheimer, Hochschul- und Landesbibliothek)

In Ergänzung zum Kurs „Literaturrecherche für Seminar- und Abschlussarbeiten“ zeigen wir Ihnen verschiedene KI-gestützte Recherche-Plattformen (geplant sind Research Rabbit, Semantic Scholar und SciSpace), mit denen Sie Ihre Suche nach wissenschaftlichen Quellen ergänzen und anreichern können.

Nach dem Besuch dieser Veranstaltung kennen Sie die Funktionsweise der einzelnen Plattformen, wissen um die Besonderheiten und Probleme der Tools und können beurteilen, ob sie grundsätzlich Recherche-KI-Tools zusätzlich zu den bisherigen Recherche-Möglichkeiten nutzen wollen.

Termine:
  • 06.11.2023, 08:00-09:30 Uhr
  • 07.12.2023, 14:00-15:30 Uhr
  • 18.01.2024, 08:00-09:30 Uhr
  • 03.02.2024, 10:00-11:30 Uhr
  • 13.05.24 , 08:00-09:30 Uhr
  • 20.06.24, 14:00-15:30 Uhr
  • 20.07.24, 10:00-11:30 Uhr
  • 05.08.24, 09:00-10:30 Uhr
(Barbara Bingenheimer, Hochschul- und Landesbibliothek)

In Ergänzung zum Kurs „Literaturrecherche für Seminar- und Abschlussarbeiten“ zeigen wir Ihnen verschiedene KI-gestützte Recherche-Plattformen (geplant sind Research Rabbit, Semantic Scholar und SciSpace), mit denen Sie Ihre Suche nach wissenschaftlichen Quellen ergänzen und anreichern können.

Nach dem Besuch dieser Veranstaltung kennen Sie die Funktionsweise der einzelnen Plattformen, wissen um die Besonderheiten und Probleme der Tools und können beurteilen, ob sie grundsätzlich Recherche-KI-Tools zusätzlich zu den bisherigen Recherche-Möglichkeiten nutzen wollen.

Termine:
  • 06.11.2023, 08:00-09:30 Uhr
  • 07.12.2023, 14:00-15:30 Uhr
  • 18.01.2024, 08:00-09:30 Uhr
  • 03.02.2024, 10:00-11:30 Uhr
  • 13.05.24 , 08:00-09:30 Uhr
  • 20.06.24, 14:00-15:30 Uhr
  • 20.07.24, 10:00-11:30 Uhr
  • 05.08.24, 09:00-10:30 Uhr
(Barbara Bingenheimer, Hochschul- und Landesbibliothek)

In Ergänzung zum Kurs „Literaturrecherche für Seminar- und Abschlussarbeiten“ zeigen wir Ihnen verschiedene KI-gestützte Recherche-Plattformen (geplant sind Research Rabbit, Semantic Scholar und SciSpace), mit denen Sie Ihre Suche nach wissenschaftlichen Quellen ergänzen und anreichern können.

Nach dem Besuch dieser Veranstaltung kennen Sie die Funktionsweise der einzelnen Plattformen, wissen um die Besonderheiten und Probleme der Tools und können beurteilen, ob sie grundsätzlich Recherche-KI-Tools zusätzlich zu den bisherigen Recherche-Möglichkeiten nutzen wollen.

Termine:
  • 06.11.2023, 08:00-09:30 Uhr
  • 07.12.2023, 14:00-15:30 Uhr
  • 18.01.2024, 08:00-09:30 Uhr
  • 03.02.2024, 10:00-11:30 Uhr
  • 13.05.24 , 08:00-09:30 Uhr
  • 20.06.24, 14:00-15:30 Uhr
  • 20.07.24, 10:00-11:30 Uhr
  • 05.08.24, 09:00-10:30 Uhr

KI-Spezial Veranstaltungsreihe des Kompetenzzentrums für Innovation in Studium und Lehre der Hochschule Mainz

In dem Impulsvortrag möchte ich der Frage nachspüren, warum KI bei der Frage nach der ethischen Nutzung so häufig thematisiert wird. Ich werde auf Begrifflichkeiten und Metaphern eingehen wie „lernende Systeme“ und vorhandene Ethik-Richtlinien dahingehend betrachten, ob sie wirklich auf KI-Spezifika ausgelegt sind. Anhand eigener Forschungsarbeiten werde ich abschließend illustrieren, warum eine genaue Gestaltung der KI-basierten Prozesse wichtig ist und nicht dem Zufall überlassen werden darf.

Prof. Dr. Tobias Seidl, Prof. Cornelia Vonhof | HdM Stuttgart

1. Impulsvortrag mit Diskussion, 09:30 – 10:45: From Data Literacy to AI Literacy

Die Evolution von „Data Literacy“ zu „AI-Literacy“ markiert einen entscheidenden Schritt in der digitalen Kompetenz. Data Literacy, das Verständnis und die Nutzung von Daten, ist in einer datenreichen Welt unerlässlich. AI-Literacy erweitert dies um das Verständnis für Künstliche Intelligenz (KI), einschließlich ihrer Funktionsweise, Anwendung und ethischen Aspekte. AI Literacy ist dabei die Voraussetzung für einen selbstbestimmten und verantwortungsvollen Umgang mit neuen AI-Technologien, die in vielen Lebensbereichen eine zunehmende Relevanz erhalten. Hochschulen sehen sich angesichts dieser Entwicklung mit der Anforderung konfrontiert, entsprechende Kompetenzen auf Seiten der Studierenden, aber auch der Lehrenden durch geeignete Maßnahmen zu fördern.

Kurze Impulsvorträge führen zunächst in grundlegende Konzepte von Data Literacy, Künstliche Intelligenz und AI Literacy ein, um ein gemeinsames Verständnis dieser Themenfelder zu entwickeln. Im Anschluss möchten wir mit Ihnen gemeinsam einzelne Aspekte anhand konkreter Beispiele vertiefen und reflektieren und über Möglichkeiten von Maßnahmen zur Förderung von AI Literacy an Hochschulen diskutieren.

Lernziele

  • Sie haben einen ersten Überblick über grundlegende Konzepte von Data Literacy, Künstliche Intelligenz und AI Literacy
  • Sie können anhand von Beispielen die Relevanz von AI Literacy im Hochschulkontext beschreiben
  • Sie kennen Beispiele von Maßnahmen zur Förderung von AI Literacy im Hochschulkontext und können diese einordnen

Dozierende: Jeelka Reinhardt (Freie Universität Berlin), Alexander Schulz (Freie Universität Berlin)

Anmeldung: Online Formular

2. Workshop, 11:00 – 12:15: Bessere Ergebnisse mit ChatGPT & Co. – Good Practices im Prompting von KI-Chatbots und LLMs

Der Workshop bietet Lehrenden und weiteren Interessenten Gelegenheit, sich vertieft mit der Kommunikation mit KI-gestützten Technologien wie Chatbots und LLMs auseinanderzusetzen, um bessere Ergebnisse bei Anfragen zu erhalten. Der Workshop ist darauf ausgerichtet, nicht nur theoretisches Wissen, sondern auch praktische Fähigkeiten im Umgang mit KI-Chatbots wie ChatGPT zu vermitteln. Im praktischen Teil sollen die Teilnehmenden in Kleingruppen hands-on Erfahrungen sammeln, indem sie eigene Prompts entwickeln und zusammen testen. Ziel ist es, dass Lehrende nach dem Workshop in der Lage sind, effektive und präzise Prompts für KI-Chatbots zu formulieren. Für die Teilnahme an dem Kurs benötigen Sie Zugriff auf einen KI-gestützten Chatbot wie z.B. ChatGPT, Microsoft Copilot (bing Chat), Google Bard o.ä. sowie eine stabile Internetverbindung.

Lernziele

  • Wissen über allgemeine Regeln zur Kommunikation mit KI-Chatbots und über Good Practices im Prompting
  • praktische Fähigkeiten in der Anwendung von Prompting-Strategien

Dozierende: René Perfölz (Freie Universität Berlin)

Anmeldung: Online Formular

3. Impulsvortrag mit Diskussion, 13:15 – 14:30: Learning Analytics an österreichischen Hochschulen: Projektübersicht und Auslotung von Potenzialen und Grenzen anhand eines Anwendungsbeispiels der Universität Graz

Im Rahmen des Vortrags erhalten die Teilnehmenden einen Überblick über Learning-Analytics-Projekte an österreichischen Hochschulen sowie einen Einblick in ein Anwendungsszenario von Learning Analytics im Masterstudium Wirtschaftspädagogik an der Universität Graz. Es werden grundsätzliche Überlegungen zum Einsatz von Learning Analytics vorgestellt, gefolgt von einer Illustration der Umsetzung und einer Analyse der Potenziale und Grenzen des Einsatzes von Learning Analytics. Die Erkenntnisse stammen aus den Lehrerfahrungen mit Learning Analytics sowie aus der Begleitforschung zu den Lehrveranstaltungen.

Lernziele

Nach Abschluss des Vortrags sollen die Teilnehmenden in der Lage sein,

  • ausgewählte Learning Analytics Projekte im österreichischen Hochschulraum skizzieren zu können
  • die Umsetzung von Learning Analytics in einem konkreten Szenario nachvollziehen zu können.
  • Potenziale und Grenzen des Einsatzes von Learning Analytics identifizieren und kritisch reflektieren zu können.
  • die vorgestellten Erkenntnisse aus Lehrerfahrungen und Begleitforschung für den eigenen Anwendungskontext adaptieren zu können.

Dozierende:

Silvia Lipp ist Universitätsassistentin am Institut für Wirtschaftspädagogik an der Universität Graz mit den Forschungsschwerpunkten technologiegestütztes Lehren und Lernen, Hochschullehre und Lehr-Lernforschung. In der Lehre hat sie Learning Analytics eingesetzt, erprobt und erforscht. Ihre Dissertation widmet sich einer kritisch-konstruktiven Auseinandersetzung mit Learning Analytics aus hochschuldidaktischer Perspektive.

Michael Kopp ist Leiter des Zentrums für digitales Lehren und Lernen an der Universität Graz. Er verantwortet die Entwicklung von Methoden, Strategien und Lösungen im Bereich der Mediendidaktik und der Medienproduktion sowie in Hinblick auf den Einsatz von Bildungstechnologien. Im Bereich Learning Analytics leitete er für die Universität Graz zwei hochschulübergreifende Projekte.

Anmeldung: Online Formular

1. Impulsvortrag mit Diskussion, 09:30 – 10:45: KI und die Zukunft von Prüfungen

Mit der weltweiten Veröffentlichung von ChatGPT Ende 2022 veränderte sich die Möglichkeit, KI einzusetzen, schlagartig. KI wurde auch außerhalb von Expertenrunden massenhaft zugängig. Mit der Niedrigschwelligkeit, mit der generative KI nun eingesetzt werden kann, verändern sich auch die Möglichkeiten an Bildungseinrichtungen wie Hochschulen. Textlastige Arbeiten wie Hausarbeiten oder Vorträge können dank KI-Unterstützung schon jetzt einfacher und deutlich schneller erstellt werden.
Die Erkennung von KI-Anteilen (engl. AI-Detection) in textlastigen Arbeiten stellt sich derweil jedoch als große Herausforderung für Lehrende dar. Da technisch zuverlässige Methoden zur AI-Detection bislang fehlen, reagieren Hochschulen auf die erhöhte Möglichkeit des Cheatings qua KI mit der Anwendung von Eigenerklärungen der Studierenden und mit hochschulweit geltenden Codes of Conduct.
Neben diesen Risiken bestehen immense Potenziale auch auf Seiten der Lehrenden. Textlastige Klausuren dürften schon bald qua Anwendung KI deutlich schneller ausgewertet und bewertet werden können. Insbesondere in Klausuren, die in den geistes- und sozialwissenschaftlichen Disziplinen verfasst werden, sind lange Texte keine Seltenheit. Diese schneller korrigieren und bewerten, zu können, wird an den Hochschulen weltweit derzeit genauer betrachtet.
In diesem Experten-Workshop soll daher die Zukunft der Hochschulprüfungen unter der Bedingung von KI thematisiert werden. Der Workshop wird sich diesem Thema aus drei Blickwinkeln nähern:

  1. Welche Prüfungsformen sind unter der Bedingung der massenhaften Verfügbarkeit von (text-)generativer KI derzeit als zukunftstauglich einzustufen?
  2. Wie kann KI gewinnbringend in Prüfungssituationen eingesetzt werden?
  3. Wie könnten kompetenzorientierte Prüfungen an Hochschulen in Zukunft aussehen?

Dozierende: Alexander Schulz (Freie Universität Berlin), Dr. Tobias Halbherr (ETH Zürich)

Anmeldung: Online Formular

2. Impulvortrag mit Workshop, 11:00 – 12:15: KI für die Vorbereitung von Klausuraufgaben

Dozierende: Miriam Chrosch (Freie Universität Berlin)

Anmeldung: Online-Formular

3. Impulsvortrag mit Diskussion, 13:15 – 14:30: Potentials of AI in the Analysis and Evaluation of Essay-type tasks

– in englischer Sprache –

For the Automatic Short Answer Grading (ASAG) task in NLP, after the dissemination of neural networks and attention based transformer models, researchers shifted their focus to extract crucial syntactic and semantic information to be used in the comparison of blueprint answers to that of students. In the first part of our discussion, the shortcomings and potentials of using transformer models for the task of ASAG will be explored, supported by real life research examples collected in a project group.

The introductory first part leads to the second part which is dedicated to the use of Large Language Models (LLMs) for the same answer grading and evaluation task. Bearing in mind the ongoing debates about the latent and visible dangers of using LLMs expansively in many fields, problems that pertain to the task of ASAG in higher education will be discussed. Certain examples will be used to at least attempt to represent how such problems can be remedied or limited with the later developments in the field.

Learning Goals

Through the examples and the discussion, the audience is invited to challenge the existing examination systems and concepts, and to gain more information on the effects of emerging AI technologies on higher education, especially around the following focal points:

  • What makes a good evaluation of formal and scientific bodies of text?
  • Do language models of any kind hold promise to surpass the quality of human evaluation in exams, in regard to the existing causes of human error (e.g. bias, exhaustion, etc.)
  • What can be some examples of the positives/negatives LLMs may bring, even in a relatively controlled environment?

Dozierende: Tunc Yilmaz (Freie Universität Berlin), Andrea Palmini

Anmeldung: Online Formular

Mit Blick auf studentische Hausarbeiten wurden unmittelbar nach Veröffentlichung von ChatGPT, dem LLM von OpenAI, Bedenken bezüglich des mit textgenerativen Modellen verbundenen Missbrauchspotential laut. Überspitzt formuliert wurden klassische Prüfungsformate wie die Hausarbeit dabei von einigen zu Grabe getragen. Natürlich stellen die neuen Tools tradierte Prüfungsformate auf den Prüfstand, weil sie uns vor die Frage nach dem Sinn dieser Formate stellen. Welche Kompetenzen soll das Format Hausarbeit vermitteln? Wie lässt sich der Einsatz textgenerativer Werkzeuge mit den Grundsätzen guter wissenschaftlicher Praxis zusammenbringen? Über diese und angrenzende Fragen möchte ich mich mit Ihnen aus ihren unterschiedlichen Perspektiven austauschen.

Inhalte

  • Überblick über die Möglichkeiten und Restriktionen aktueller Large Language Models (wie ChatGPT)
  • Welche Vorschläge zum Umgang mit generativer KI-Tools werden diskutiert?
  • Autorschaftsfragen und Erkennbarkeit

Lernziele

  • Sie können einschätzen, was LLMs realistischerweise leisten können
  • Sie können die Folgen der Verfügbarkeit von LLMs für das Prüfungsformat Hausarbeit abschätzen
  • Sie kennen die grundsätzlichen Möglichkeiten zur Formulierung von Rahmenbedingungen für die Verwendung von LLMs
  • Sie können zentrale Probleme rund um den Einsatz von LLM einordnen

Dozierende: Dr. Armin Glatzmeier (Freie Universität Berlin)

Anmeldung: Online-Formular

In Ergänzung zum Kurs „Literaturrecherche für Seminar- und Abschlussarbeiten“ zeigen wir Ihnen verschiedene KI-gestützte Recherche-Plattformen (geplant sind Research Rabbit, Semantic Scholar und SciSpace), mit denen Sie Ihre Suche nach wissenschaftlichen Quellen ergänzen und anreichern können.

Nach dem Besuch dieser Veranstaltung kennen Sie die Funktionsweise der einzelnen Plattformen, wissen um die Besonderheiten und Probleme der Tools und können beurteilen, ob sie grundsätzlich Recherche-KI-Tools zusätzlich zu den bisherigen Recherche-Möglichkeiten nutzen wollen.

Vortragende:

Barbara Bingenheimer, Hochschul- und Landesbibliothek

Termine:
  • 06.11.2023, 08:00-09:30 Uhr
  • 07.12.2023, 14:00-15:30 Uhr
  • 18.01.2024, 08:00-09:30 Uhr
  • 03.02.2024, 10:00-11:30 Uhr
  • 13.05.24 , 08:00-09:30 Uhr
  • 20.06.24, 14:00-15:30 Uhr
  • 20.07.24, 10:00-11:30 Uhr
  • 05.08.24, 09:00-10:30 Uhr

E-Mails verfassen, Protokolle schreiben, Meetings vorbereiten und vieles mehr sind alltägliche berufliche Aufgaben. KI-Tools versprechen hier große Erleichterung, sodass mehr Zeit für andere, anspruchsvollere Arbeiten bleibt. In diesem Vortrag werden zum einen KI-Tools für diesen Bereich vorgestellt, zum anderen aber auch deren Grenzen kritisch betrachtet.

Vortragende:

Dr. Isabella Buck, LLZ

Ort:

Zoom X Raum: https://hs-rm.zoom-x.de/j/63319065902?pwd=Z2dUUG1BcEhWRytRSUlqdXdMOGFMUT09

Meeting-ID: 633 1906 5902
Kenncode: 042225