Abstract
The extent to which individualized and adaptive learning can be supported by recommender systems is increasingly being discussed in the field of adult and continuing education (ACE). Aspects of accessibility and customization of learning platforms play just as much a role as the added value of AI from a pedagogical perspective. This paper addresses the question of how recommender systems can be used to support self-directed learning of adult learners with heterogenous prerequisites and learning needs. Building on the initial situation of the target group as well as assumptions of learning opportunity-use models, an idea of AI and humans acting in partnership is designed and at the same time made to the object of investigation.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
References
Bildungsberichterstattung, A. (ed.) Bildung in Deutschland 2020. wbv Media (2020). https://doi.org/10.3278/6001820gw
Autorengruppe wb-personalmonitor (ed.) Das Personal in der Weiterbildung. Arbeits- und Beschäftigungsbedingungen, Qualifikationen, Einstellungen zu Arbeit und Beruf. DIE Survey. wbv Media (2016)
Biel, C., Brandt, P., Hellmich, C., Kilian, L., Schöb, S.: Lern-Empfehlungen von der Maschine - Adaptives Recommending am Beispiel von EULE. weiter bilden 26, 22–25 (2019)
Borgwardt, A.: Bit für Bit in die Zukunft - Künstliche Intelligenz in Wissenschaft und Forschung. Friedrich-Ebert-Stiftung, Berlin (2020)
Edelson, D.C.: Design research – what we learn when we engage in design. J. Learn. Sci. 11, 105–112 (2002)
Fischer, F., Hartmann, P., Mattern, D., Mayer, P., Paul, L. (eds.) Künstliche Intelligenz in der Bildung der Zukunft – individuell, flexibel, vernetzt und lebenslang? Whitepaper. DHBW Karlsruhe (2020)
Herrmann, A.: Autonome KI als Partner des Menschen – Ethische Perspektiven im Spannungsfeld von Kommerzialisierung und Kollaboration. In: R. Fürst (ed.) Digitale Bildung und Künstliche Intelligenz in Deutschland. Nachhaltige Wettbewerbsfähigkeit und Zukunftsagenda, pp. 257–270. Springer, Wiesbaden (2020)
Kerres, M.: Mediendidaktik: Konzeption und Entwicklung digitaler Lernangebote, 5. Aufl., De Gruyter Studium, Oldenbourg (2018). https://doi.org/10.1515/9783110456837
Kerres, M., Buntins, K.: Recommender in AI-enhanced learning: an assessment from the perspective of instructional design. Open Educ. Stud. 2, 101–111 (2020). https://doi.org/10.1515/edu-2020-0119
Kerres, M., Buntins, K., Buchner, J., Drachsler, H., Zawacki-Richter, O.: Lernpfade in adaptiven und künstlich-intelligenten Lernprogrammen: Eine kritische Analyse aus Sicht der Mediendidaktik. In: de Witt, C., Gloerfeld, C., Wrede, S.E. (eds.) Künstliche Intelligenz in der Bildung. Springer, Wiesbaden (in press)
Krause, T., Stattkus, D., Deriyeva, A., Beinke, J.H., Thomas, O.: Beyond the rating matrix: debiasing implicit feedback loops in collaborative filtering. In: Wirtschaftsinformatik Proceedings, p. 12 (2022). https://aisel.aisnet.org/wi2022/ai/ai/12
Schrader, J.: Fortbildung von Lehrenden der Erwachsenenbildung: Notwendig? Sinnvoll? Möglich? In: Schrader, J., Hohmann, R., Hartz, S. (eds.) Mediengestützte Fallarbeit. Konzepte, Erfahrungen und Befunde zur Kompetenzentwicklung von Erwachsenenbildnern, pp. 25–68. Bertelsmann, Bielefeld (2010)
Seidel, T.: Angebots-Nutzungs-Modelle in der Unterrichtspsychologie. Integration von Struktur- und Prozessparadigma. Zeitschrift für Pädagogik 60, 850–866 (2014). https://doi.org/10.25656/01:14686
Vančura, V: Neural basket embedding for sequential recommendation. In: Proceedings of the 15th ACM Conference on Recommender Systems (2021)
Williams, J.D., Raux, R.: Henderson, M: The dialog state tracking challenge series: a review. Dialogue Discourse 7, 4–33 (2016)
Acknowledgments
This contribution originates from the research project KUPPEL (KI-unterstützte plattformübergreifende Professionalisierung erwachsenen-pädagogischer Lehr-kräfte), funded by the German Federal Ministry of Education and Research (BMBF), ref. no. 21INVI0802, 21INVI0803, 21INVI0805.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2023 The Author(s), under exclusive license to Springer Nature Switzerland AG
About this paper
Cite this paper
Digel, S., Krause, T., Biel, C. (2023). Enabling Individualized and Adaptive Learning – The Value of an AI-Based Recommender System for Users of Adult and Continuing Education Platforms. In: Wang, N., Rebolledo-Mendez, G., Dimitrova, V., Matsuda, N., Santos, O.C. (eds) Artificial Intelligence in Education. Posters and Late Breaking Results, Workshops and Tutorials, Industry and Innovation Tracks, Practitioners, Doctoral Consortium and Blue Sky. AIED 2023. Communications in Computer and Information Science, vol 1831. Springer, Cham. https://doi.org/10.1007/978-3-031-36336-8_121
Download citation
DOI: https://doi.org/10.1007/978-3-031-36336-8_121
Published:
Publisher Name: Springer, Cham
Print ISBN: 978-3-031-36335-1
Online ISBN: 978-3-031-36336-8
eBook Packages: Computer ScienceComputer Science (R0)