E-Learning Assistent kombiniert ML & Rule-Based Algorithmen
Michael Heimann, Nina Habicht • December 25, 2019
Inhalte
Vorteile von E-Learning Agenten
Sogenannte Educational oder „Pedagogical Agents“ führen Aufgaben in Tutoren- und Lernsystemen aus. Mit der rasanten Entwicklung der von Computer Linguistic und Machine-Learning seit 2000 können inzwischen auch komplexe E-Learning Chatbots realisiert und in sogenannte Learning Management Systeme (LMS)
integriert werden. Sie zeichnen sich durch folgende Eigenschaften aus:
- Sie unterstützen einen effizienten Lernprozess
- Sie liefern wichtige Informationen über das Lernverhalten und den Lernprozess
- Chatbots lernen ständig dazu und verbessern sich.
- Sie fördern das Spielerische und die Freude am Lernen
- Sie begleiten die Lernenden durch die Kurse, geben Updates und motivieren durch Ermutigungen (positive Feedbackschleifen)
- Chatbots können technische Lern-Nuggets einbinden und gleichzeitig den Gesprächsfluss zur Lernstruktur aufrechterhalten
- Die Bewertungen sind unvoreingenommen und objektiv im Vergleich zu echten Lehrpersonen
Liste von E-Learning Chatbots
Wir haben e-Learning Bots auf chatbots.org, botlist.co und Google Actions sowie Skills analysiert bzw. ausprobiert. Hier haben wir uns auf die neusten Bots ab 2017 konzentriert. Die Meisten unterstützen das Erlernen einer Sprache. Wir haben solche, die aus technischer oder UX-Sicht revolutionär und bekannt sind, zusammengefasst:
1. Duolingo: Sprachlern-App, die nicht nur stark personalisiert und in Richtung Conversational E-Learning weiterentwickelt wurde, sondern auch mit künstlicher Intelligenz ihr Nutzerengagement um 12% steigern konnte. Zum einen wird die sogenannte spaced-repetition Methode angewendet, die besagt, dass es besser ist, kurze Lektionen in Intervallen zu wiederholen, als die gleichen Informationen in kurzer Zeit zu pauken. Zum anderen, wird das statistische Modell der Halbwertszeitregression angewendet: Fehlermuster von Millionen von Usern werden analysiert, um für jedes Wort die Halbwertszeit vorherzusagen. Diese ist die Dauer bis ein bestimmtes Wort mit einer Wahrscheinlichkeit von 50% vergessen wurde. Duolingo soll - wie eine gute Lehrperson - verstehen, was der User kann oder eben nicht kann, ihn abholen können und den Lernstoff entsprechend passend vermitteln. Eine Weiterentwicklung zu einem Sprachbot auf Alexa oder Google sind noch nicht angekündigt. Obwohl die Bot-Funktion von 2016 abgestellt wurde, wünschen sich die meisten User diese zurück.
Abbildung: Duolingo Bots
2. Alex
unterstützt die Studenten der TU Berlin mit Fragen rund um Kurse.
Auch Sprachassistenten gibt es viele, welche vorwiegend beim Erlernen von Sprachen unterstützen. Viele Voice Assistenten sind für Kinder und Teenager konzipiert und als Quiz aufgebaut. Komplexere Lösungen für die Erwachsenenbildung gibt es wenig.
3. Coursera hat einen Amazon Skill
entwickelt, um direkt Infos über die Kursbelegung und Quiz-Ergebnisse, Aufgaben und Lernfortschritte zu erhalten.
4. Scoyo hat eine Google Action
sowie Skill für Kinder entwickelt, um einfach das Einmaleins zu erlernen. "OK Google, spreche mit Scoyo Einmaleins" aktiviert die Action. „Alexa, öffne Scoyo“
5. Englisch mit Oxford hilft mit einer nützlichen Skill. Ganze Geschichten werden auf Englisch erzählt und danach mit Multiple Choice Fragen abgefragt. Die Zusammenfassung der Ergebnisse werden direkt zur Alexa App geschickt.
Das nachfolgend beschriebene Projekt ist ein Beispiel dafür, wie E-Learning Systeme und Bots für komplexere Anfragen kombiniert werden.
E-Learning Assistenten im Kundensupport
Positive Erfahrungen bei Anfragen an Vertrieb oder Support sind für die Kundenbindung oftmals entscheidend. User Experience in natursprachlichen Dialogen mit Kunden wird je länger je wichtiger, denn die Erwartungen nehmen zu. Gewünscht ist eine schnelle, effektive und qualifizierte Antwort. Diese kann heute bereits weitgehend automatisch erzeugt werden. In schwierigen Fällen soll eine möglichst nahtlose Übergabe an einen Mitarbeiter erfolgen. Für den optimalen Mitarbeitereinsatz muss das automatische Dialogsystem die Fragen für die Übergabe thematisch aufbereiten, präzise Einordnen und an den bestqualifizierten Bearbeiter weiterleiten.
Die integral-learning GmbH
aus Berlin hat in Zusammenarbeit mit dem Zentrum für Informations- und Sprachverarbeitung der LMU
ein natursprachliches Dialogsystem entwickelt, das die Arbeit in einem Call Center für eine e-Learning Anwendung unterstützt. Lernende können fachliche und organisatorische Fragen stellen.
Dieser Agent ist einzigartig, da er gleichzeitig regelbasierte Bot-Technologien und eines der mächtigsten ML-Algorithmen (BERT von Google) kombiniert. Der automatische Agent begleitet die Lernenden und bereitet die oftmals unklar formulierte Anfragen geschickt vor. Damit wissen die Fachleute im Call-Center, die die Anfrage übernehmen, genau um was es sich bei der Frage handelt und zu welchem Teil des komplexen Kurses eine Frage gestellt wurde. So wird die Zeit, welche die Fachleute mit der Anfrage verbringen, reduziert.
Abbildung: Dialog des E-Learning Assistenten
Wie wurde der hybride E-Learning Bot umgesetzt?
Das agile Projekt wurde von einem Team aus Entwicklern zusammen mit Alena Moiseeva
(Zentrum für Informations- und Sprachverarbeitung Ludwig Maximilian Universität, München) und einem Product Owner in ca. 4 Monaten in Python umgesetzt. Der Algorithmus des Dialogsystem ist hybrid: Er kombiniert regelbasierte Komponenten mit Maschine-Learning basierten und verwendet dazu den BERT Algorithmus von Google. Die Bot Komponenten sind über ein REST-Interface mit dem Chatsystem, das in Javascript und node.js entwickelt wurde, verbunden. Neben Software-Entwicklungsarbeit waren für die Umsetzung des Chatbots auch umfangreiche Analysen der vorhandenen Dialog-Daten sowie ein auf die Zielgruppe angepasstes Conversational Design mit einer geeigneten „Persönlichkeit“ für den Chatbot wichtig.
Michael Heimann
Software Architect
Michael hat über 10 Jahre Erfahrung als Softwarearchitekt in der IT-Branche. Als Product Owner konzipierte und entwickelte er mit dem Team von integral-learning und dem CIS der LMU ein natürlichsprachliches Dialogsystem für E-Learning. Bereits in seiner Abschlussarbeit als Informatiker entschied er sich für ein Thema aus dem Bereich des maschinellen Lernens. Die Analyse von Problemen und die Umsetzung von Lösungen mit Methoden der modernen Softwareentwicklung sind seine berufliche Leidenschaft.
Need support with your Generative Ai Strategy and Implementation?
🚀 AI Strategy, business and tech support
🚀 ChatGPT, Generative AI & Conversational AI (Chatbot)
🚀 Support with AI product development
🚀 AI Tools and Automation
What's RAG? The goal is for the language model is not to draw on its own knowledge (from the model), but for information to be enriched in the prompt. This is usually your own data you provide to the model (PDFs, systems).
Video Creation: The Ultimate Guide to Runway, Luma AI, Haiper.ai, and Hailuo AI
What are the best AI powerpoint tools. Discover tools that create presenations with AI.
Ultimative review of all relevant image creation tools
Optimizing your Website for AI: How to get found by ChatGPT. This article provides concrete Large Language Model Optimization strategies for SMEs and companies.
Since August 2024, users have been able to use the web version of the image creation tool Midjourney. This simplifies usage by providing a user-friendly interface to experiment with one of the top Generative AI image creation tools available. We tested it for you and are sharing helpful tips and tricks. How to prompt images with Midjourney? If you use Midjourney on discord, there is a clear prompt structure and prompt parameters to adhere to. Usually, it makes sense to stick to it: 1) To prompt use "/Imagine" 2) Then enter your subject (description and details) you want to see on the image and it's environment (see yellow highlighted below in the prompt example) 3) Then enter composition, lightning, colours (see green highlighted below in the prompt example) 4) Finally add technical parameters to adjust and finalize your image. Please find a useful parameter library here.
This article explains agentic AI and why it is so important when building generative AI and chatbot applications. Overview about Agentic AI vs. Gen. AI vs. RPA and all you need to know about these terms.
LLM Benchmarks: Finding the right LLM for your Needs
RAG vs. Finetuning. Open Source vs. Proprietary Models. We explain what makes sense when.
Top ChatGPT Prompts and Prompt Engineering for Product Managers
