Die Herausforderungen im Mathematikunterricht sind vielfältig, insbesondere für Kinder mit Lernschwierigkeiten. Aktuelle Forschung von Prof. Achim Lilienthal an der Technischen Universität München zeigt, dass Technologien wie Künstliche Intelligenz (KI) und Eyetracking-Systeme entscheidende Hilfe bieten können. Mit einer einfachen Ausstattung, bestehend aus einem PC, einer guten Grafikkarte und einer Webcam, lassen sich sowohl die Stärken als auch die Schwächen der Schüler effektiv erkennen. Die Webcam registriert dabei die Blickbewegungen der Schüler, die in einer Heatmap visualisiert werden, wobei rote Bereiche anzeigen, wo Schüler häufig hinschauen, während grüne Bereiche auf flüchtige Blicke hinweisen. Dies ermöglicht eine differenzierte Betrachtung des Lernverhaltens.

Im Rahmen des Projekts KI-ALF, das von Maike Schindler, Professorin für Mathematik in inklusiven und sonderpädagogischen Kontexten, geleitet wird, hat Lilienthal Hunderte von mathematischen Aufgaben definiert. Diese Tests umfassen grundlegende Fähigkeiten wie das Erkennen von Zahlen, das Addieren, Subtrahieren, Teilen und Multiplizieren. Das Eyetracking-System analysiert die Muster der Blickbewegungen und wählt gezielt Lernvideos sowie Übungsaufgaben aus, um den spezifischen Bedürfnissen der Schüler gerecht zu werden.

Individuelle Förderung durch Technologie

Ein wesentlicher Vorteil dieser Technologie ist die Erstellung automatisierter Förderberichte für Lehrkräfte, die ihnen helfen, gezielte Unterstützung zu leisten. Lilienthal kombiniert dabei seine Erfahrung aus der Robotikforschung mit der Entwicklung eines kostengünstigen Eyetracking-Systems. Während hochentwickelte Systeme oft mehrere Tausend Euro kosten, ist die Webcam-Lösung weitaus erschwinglicher, wodurch sie für den Einsatz in Schulen relevanter wird. Das System hat sich als robust gegenüber den Ungenauigkeiten der Webcams erwiesen.

Zudem wird zur Untersuchung kognitiver Prozesse beim Lösen von Mathematikaufgaben an verschiedenen Schulen in Rheinland-Pfalz geforscht. Professor Dr. Stefan Ruzika von der Rheinland-Pfälzischen Technischen Universität (RPTU) leitet eine Eyetracking-Studie, die an fünf Schulen durchgeführt wurde: dem Nikolaus-von-Kues Gymnasium, der IGS Enkenbach-Alsenborn, dem Veldenz Gymnasium, dem Reichswald-Gymnasium und dem Hohenstaufen-Gymnasium. Insgesamt 104 Oberstufenschüler nahmen an dieser Untersuchung teil, bei der sie neun Aufgaben zum graphischen Differenzieren lösen sollten.

Optimierung durch datenbasierte Ansätze

Die Blickbewegungen der Schüler wurden mit einem am Monitor montierten Eyetracker aufgezeichnet. Nach der Bearbeitung der Aufgaben hatten die Teilnehmer die Möglichkeit, ein Video ihrer Augenbewegungen anzusehen und ihren Lösungsweg zu erklären. Ziel dieser Studie ist es, die kognitiven Prozesse beim Lösen von Aufgaben zu beleuchten und Schwierigkeiten zu identifizieren. Dabei kommen Methoden der mathematischen Optimierung, Datenanalyse und des maschinellen Lernens zum Einsatz, um die Diagnosefähigkeit der adaptiven Lernsysteme zu verbessern.

Das Projekt „MAL-i“ (Mathematical Adaptive Learningsystems Enhanced by Eye-Tracking) strebt ein differenziertes Feedback in Lernsystemen an. Diese adaptiven Systeme haben während der Corona-Pandemie im Distanzunterricht eine große Rolle gespielt. Die Eyetracking-Technologie macht Wahrnehmungs- und Verarbeitungsprozesse sichtbar und soll helfen, Fehler frühzeitig zu erkennen. Ruzika hebt hervor, wie wichtig eine breite Datenbasis ist, und bedankt sich bei den unterstützenden Schulen, wobei einige Schulen gleichzeitig das Angebot des Kompetenzzentrums für mathematische Modellierung in der Schule (KOMMS) in Anspruch nahmen.

Insgesamt zeigt sich, dass die Kombination aus Künstlicher Intelligenz und Eyetracking-Technologie das Potenzial hat, das Mathematiklernen signifikant zu verbessern, indem sie spezifische Unterstützungsbedarfe adressiert und individuell zugeschnittene Fördermaßnahmen ermöglicht.

Für weitere Informationen zu diesen Forschungsprojekten besuchen Sie bitte die Webseiten von Technische Universität München und Nachrichten KL.