Glossar

Adaptives Lernen

Was ist Adaptives Lernen?

Adaptives Lernen bezeichnet Lernangebote, die sich laufend an Wissensstand, Tempo und Fehler der Lernenden anpassen. Software wertet dazu Antworten aus und wählt als Nächstes passende Übungen, Erklärungen oder Wiederholungen. Eingesetzt wird das in Schulen, Hochschulen und Unternehmensschulungen – etwa wenn eine Lernplattform nach einer falsch gelösten Aufgabe automatisch eine einfachere Zwischenstufe anbietet. Im maschinellen Lernen steht der Begriff außerdem für Modelle, die sich fortlaufend an neue Daten anpassen.

Themen

Bildung
Personalisierung
E-Learning

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten

← Alle Begriffe

Verwandte Begriffe

KI-basiertes Studenten-Feedback

KI-basiertes Studenten-Feedback bezeichnet Rückmeldungen zu Aufsätzen, Aufgaben oder Projekten, die ein KI-System anhand vorgegebener Kriterien erstellt. Lernende erhalten so schneller Hinweise zu Stärken, Aufbau, Argumentation oder Sprache, Lehrende werden bei wiederkehrenden Korrekturen entlastet. Die Bewertung sollte transparent nach Kriterien erfolgen; Noten und Entscheidungen über Leistungen bleiben Aufgabe der Lehrkräfte. Beispiel: Der Entwurf einer Hausarbeit erhält vor der Abgabe Verbesserungsvorschläge.

Bildung
Feedback
+1

Vorlage

Lernkurve

Im maschinellen Lernen ist eine Lernkurve ein Diagramm, das die Leistung oder den Fehler eines Modells über die Trainingsdauer oder die Menge der Trainingsdaten zeigt, meist getrennt für Trainings- und Validierungsdaten. Aus dem Verlauf lässt sich ablesen, ob ein Modell unter- oder überangepasst ist und ob mehr Daten voraussichtlich helfen. Bleibt etwa der Validierungsfehler deutlich über dem Trainingsfehler, deutet das auf Überanpassung hin. Umgangssprachlich beschreibt der Begriff auch, wie schnell Menschen eine neue Technik beherrschen.

Training
Modellbewertung
+1

Maschinelles Lernen

Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, bei dem Computer Muster aus Daten ableiten, statt jede Regel ausdrücklich programmiert zu bekommen. Je nach Aufgabe lernen Modelle aus beschrifteten Beispielen (überwacht), aus unbeschrifteten Daten (unüberwacht) oder durch Belohnung (bestärkend). Anwendungen reichen von Spamfiltern über Nachfrageprognosen bis zu Produktempfehlungen. Die Qualität hängt stark von Menge und Güte der Trainingsdaten ab.

Grundlagen
KI
+1