modulo

das Empfehlungssytem für überfachliche Kurse

das Empfehlungssytem für überfachliche Kurse

Wie viel Zeit hast du schon damit verbracht dich durch das Angebot an überfachlichen Grundlagen zu kämpfen? Hast du schon mal etwas von dem Kurs „Handeln trotz Nichtwissen“ gehört? Genau hier setzt unsere Idee – modulo – an und versucht, bei der überfachlichen Kurswahl zu helfen.

Projektbeschreibung

Hintergrund

Fast jeder Studiengang an der TUM fordert heutzutage Leistungen, die in interdisziplinären Kursen zu erbringen sind. Diese an sich gute Sache kann für Studenten durch die Kurswahl, die durch die unübersichtliche Vielfalt an angebotenen Kursen sehr langwierig sein kann, schnell zum Störfaktor werden. Deswegen wollen wir eine Anwendung entwickeln, die basierend auf den Präferenzen der Anwender für jeden Einzelnen am besten passende Kurse vorschlägt. Die Kursvorschläge werden dabei mit Hilfe von künstlicher Intelligenz (KI) ermittelt. Das Prinzip funktioniert folgendermaßen: Der Algorithmus ordnet Eingaben des Nutzers, zum Beispiel seine Interessen, Kursen aus der Datenbank zu. Künstliche Intelligenz kommt dann ins Spiel, wenn der Nutzer eine Rückmeldung zur Qualität der Vorschläge gibt. Das System lernt dadurch, welche Themen und Kurse miteinander korrelieren und die Wahrscheinlichkeit für passende Vorschläge wird höher. Je öfter das System benutzt wird, desto besser wird es.

Ziele und Methoden

Das primäre Ziel unseres Projektes ist es, den Entscheidungsprozess der Studenten der TUM zu analysieren und sie auf ein intelligentes Empfehlungssystem zu übertragen, damit es die Studenten wiederum bei diesem Prozess unterstützen kann. Wir haben unser Forschungsgebiet auf die Fakultät für Elektrotechnik und Informationstechnik beschränkt um den (Zeit)-Aufwand sowohl für die Programmierung das Systems als auch für die Informationserhebung zu reduzieren. Je nach Erfolg unseres Projektes in diesem Teilbereich könnte das Resultat aber auch auf die gesamte Universität ausgeweitet werden. Für die Analyse unserer Ergebnisse führen wir qualitative Interviews, durch deren Auswertung wir unseren Empfehlungsdienst kontinuierlich weiter verbessern werden. Gleichzeitig stehen wir mit den betroffenen Stellen der Universität in Kontakt, um eventuelle (z.B. rechtliche) Hürden zu erkennen und unser Projekt im gegebenen Rahmen gezielt und mit der Unterstützung aller weiterzubringen. Außerdem wird der gesamte Fortschritt unseres Projektes dokumentiert, damit wir etwas über die Entscheidungsprozesse der Entwickler solcher Systeme – also auch uns selbst – lernen können.

Ergebnis und Diskussion

Unser Prototyp wurde unter Berücksichtigung der im Vorfeld geführten Interviews implementiert. Die Benutzeroberfläche genügt noch keinen hohen Ansprüchen, aber die grundlegende Funktionalität ist bereits gegeben. Auch der Aspekt der künstlichen Intelligenz ist bereits verwirklicht, sodass das System schon jetzt, basierend auf den vorherigen Nutzungen, immer bessere Vorschläge generiert. Insofern ist gegeben, dass die ersten ‚echten’ Tests und Auswertungen demnächst anlaufen können. Dass hierbei noch nicht alle Kriterien mit einbezogen werden können, die wir in einer finalen Version des Empfehlungsdienstes gerne sähen, tut dem keinen Abbruch.

Zusammenfassung und zukünftige Ziele

Das Projekt läuft soweit gut voran. Immer dort, wo Daten zur Verfügung gestellt werden sollen, gibt es erst einmal Skepsis und es ist Aufklärungs- und Überzeugungsarbeit vonnöten, um dann im gemeinsamen Dialog klare Kanten auszuarbeiten, was rechtlich möglich ist und was nicht. Das ist verständlich, ja sogar nötig, und deshalb ist es wichtig, alle betroffenen Parteien mit ins Boot zu holen. Aus diesem Grund ist eines unserer nächsten Ziele, den Verantwortlichen beim MCTS unseren bisherigen Ergebnisse vorzustellen und gemeinsam auszuloten, welche Daten man möglicher- und sinnvollerweise noch in den Algorithmus einfließen lassen könnte.

Parallel dazu werden wir erste Studien zur Benutzerfreundlichkeit unseres Dienstes durchführen, um auch von Seite der Studenten eine Rückmeldung zu bekommen, wo es noch weiterer Verbesserungen bedarf. Erst wenn diese ‚halbtechnische’ Umfrage ausgewertet und der Dienst dementsprechend angepasst wurde, gibt es unserer Meinung nach Sinn, tatsächliche Nutzerstudien durchzuführen. Das wäre dann der nächste Schritt, um zu analysieren, wie sehr unser System die Studenten bei ihrer Kurswahl unterstützen könnte.

Kontakt

Bei Fragen, Kommentaren und Anregungen erreicht ihr uns unter: modulo@jungeakademie.tum.de

Team

Mitglieder

Dina Aladawy
Severin Angerpointner
Andrei Costinescu
Christoph Frisch
Friederike Groschupp
Bernhard Häfner
Florian Henkes

Tutoren

Benedict Biebl
Michael Clormann

Mentoren

Prof. Dr. Sabine Maasen
Priv.-Doz. Dr. Florian Röhrbein