.jpg)
Adaptives Lernen ist ein personalisierter Ansatz im digitalen Lernen, bei dem sich Lerninhalte, Übungen und Herausforderungen automatisch an die individuellen Bedürfnisse, Fähigkeiten und Lernfortschritte jedes Lernenden anpassen. Dies geschieht durch den Einsatz von Datenanalyse, künstlicher Intelligenz und algorithmischen Modellen. Das System identifiziert die Stärken und Schwächen jedes Lernenden und bietet maßgeschneiderte Lerninhalte, Übungen und Herausforderungen, um das Lernen effizienter und effektiver zu gestalten. So erhalten die Lernenden eine optimale Lernerfahrung und können in ihrem eigenen Tempo Fortschritte machen. Diese Methode wird hauptsächlich in digitalen Lernplattformen und E-Learning-Umgebungen eingesetzt und verändert grundlegend, wie Wissen vermittelt und erworben wird.
Das Konzept basiert auf Algorithmen und teilweise auf künstlicher Intelligenz und ist eine Alternative zum klassischen "One-size-fits-all"-Ansatz. Die Idee, Lerninhalte auf der Grundlage individueller Faktoren wie dem aktuellen Wissensstand zu personalisieren, kam bereits in den 1970er Jahren auf, konnte aber aufgrund der damals unzureichenden Leistungsfähigkeit der Computer nicht umgesetzt werden.
Im Wesentlichen gibt es zwei Varianten des adaptiven Lernens bzw. adaptiver Lernpfade, die sich in der Komplexität der Personalisierung unterscheiden.
Bei der Variante mit geringer Komplexität gibt es nur wenige, in vielen Fällen sogar nur zwei vordefinierte Lernpfade. Oft besteht die Kompetenzmessung nur aus einer einzigen Frage, die dann darüber entscheidet, auf welchen Pfad die Lernenden geleitet werden. Obwohl dies eine Verbesserung gegenüber dem One-Size-Fits-All-Ansatz darstellt, ähnelt der zugrundeliegende Algorithmus in der Regel nur einem einstufigen Entscheidungsbaum.
In der zweiten Variante, die einen etwas höheren Komplexitätsgrad aufweist, werden die Kompetenzen der Lernenden auf einer sehr granularen Ebene erfasst, in einem Kompetenzgraphen festgehalten und zueinander in Beziehung gesetzt. Dies erfordert komplexere Algorithmen und in den meisten Fällen wird künstliche Intelligenz eingesetzt. Neben dem Wissensstand werden in der komplexeren Variante des adaptiven Lernens teilweise noch weitere Faktoren berücksichtigt. Beispielsweise können Lernpräferenzen abgefragt werden, wie die ideale Lernzeit pro Tag oder die bevorzugten Medien, mit denen der Lernende am effektivsten lernt.
Die Vorteile des adaptiven Lernens sind kaum von der Hand zu weisen. Adaptives Lernen spart den Lernenden viel Zeit, da sie sich nicht mehr mit Inhalten auseinandersetzen müssen, die sie bereits kennen. Vielmehr steigen Lernende mit Vorwissen direkt dort ein, wo sie etwas Neues lernen. Dies schafft eine unmittelbare Relevanz für die Lernenden und fördert die Lernmotivation und das Engagement.
Darüber hinaus bietet der adaptive Ansatz den Lernenden mehr Flexibilität. Sie können in der Regel nicht nur wählen, wann sie lernen, sondern auch wo und wie lange. Auch für die Organisation selbst ergeben sich Vorteile durch den Einsatz adaptiver Lernplattformen oder anderer Formen des adaptiven Lernens.
Ein wesentlicher Punkt ist zudem, dass adaptives Lernen Präsenzworkshops und mehrtägige Weiterbildungen ersetzen kann, was zu erheblichen Kosteneinsparungen führen kann. Darüber hinaus lassen sich auf diese Weise oft größere Produktivitätsschübe erzielen als mit klassischen Präsenzeinheiten.
edyoucated wird von führenden Forschungseinrichtungen wie dem Bundesministerium für Bildung und Forschung (BMBF), dem Bundesinstitut für Berufsbildung (BIBB) und dem Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gefördert.
