IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-48522-1_7.html
   My bibliography  Save this book chapter

Alter Wein in neuen Schläuchen? KI-basierte Lernsysteme und Lernavatare

In: Maschinen wie wir?

Author

Listed:
  • Bernhard Ertl

    (Universität der Bundeswehr München)

  • Maximilian C. Fink

    (Universität der Bundeswehr München)

Abstract

Zusammenfassung Jenseits der aktuell weit verbreiteten Beachtung künstlicher Intelligenz im Rahmen von Large Language Models (LLMs) wie ChatGPT, hat künstliche Intelligenz im Bildungssystem eine lange Historie – seit den Ansätzen des programmierten Unterrichts in den 1960ern. Dabei stellt sich die Frage, inwieweit aktuelle, auf LLMs basierende, künstlich intelligente Lernsysteme sich von den früheren Ansätzen unterscheiden und mit welchen Aspekten die neuen Möglichkeiten der KI Lernszenarien bereichern kann. Der Beitrag zeichnet zuerst die Evolution künstlich intelligenter Lernsysteme nach und gibt einen Überblick über die damit verbundenen Anwendungen. Er schlüsselt Funktionen künstlicher Intelligenz im Lernprozess auf, erstellt darauf aufbauend eine Taxonomie für künstlich intelligente Lernsysteme und ordnet bisherige und zukunftsweisende Entwicklungen darin ein. Er zeigt exemplarische Szenarien auf Basis der neuen Möglichkeiten von KI auf, diskutiert deren Grenzen und schließt mit einem Fazit.

Suggested Citation

  • Bernhard Ertl & Maximilian C. Fink, 2025. "Alter Wein in neuen Schläuchen? KI-basierte Lernsysteme und Lernavatare," Springer Books, in: Burkhard Schäffer & Fabio Roman Lieder (ed.), Maschinen wie wir?, pages 143-166, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-48522-1_7
    DOI: 10.1007/978-3-658-48522-1_7
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a
    for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-48522-1_7. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.