Konzeption eines auf emotionaler KI basierenden Assistenzsystems zur Erkennung, Einschätzung und Stärkung des emotionalen Zustands von Studierenden

Abstract

Das Forschungsvorhaben fokussiert im Kern auf die Erkennung, Einschätzung und Stärkung des emotionalen Zustands von Studierenden und resultiert hintergründig aus den zusätzlich durch die COVID-19 Pandemie verstärkten Herausforderungen. Konzipiert wird die Entwicklung eines emotional intelligenten Assistenzsystems, welches die Funktionalitäten bestehender Lernmanagement-Systeme um Systemfunktionen zur Erkennung und Einschätzung des emotionalen Zustands von Studierenden erweitert. Im Ergebnis wird so eine erweiterte und verbesserte Lernmanagementplattform erwartet, die Lernende mit Kommilitonen und Lehrenden verbindet, das Gemeinschaftsgefühl stärkt und das Bilden von Lerngruppen fördert. Insbesondere ist dieses Vorhaben als eine Chance zu sehen, Studierende durch die Möglichkeit einer schnellen Reaktion in emotionalen Extremsituationen unterstützen und fördern zu können. Zur Erkennung und Einschätzung des emotionalen Zustands von Studierenden wird auf die kombinierte Anwendung datenwissenschaftlicher Methoden und Verfahren zum Affective Computing, der Sentiment Analysis Methodologie und der Learning Analytics fokussiert. Weiterhin beinhaltet das Assistenzsystem im Sinne der Verbesserung der psychischen und auch physischen Gesundheit personalisierte und durch die KI ausgewählte Elemente, wie das Einblenden von positiven Affirmationen, die Erinnerung an meditative und sportliche Aktivitäten sowie das Einspielen von stimmungshebenden und entspannenden Soundsequenzen. Das Vorhaben der Entwicklung eines solchen Assistenzsystems impliziert die Forschungsfrage, ob das Wissen über die emotionale Befi ndlichkeit von Studierenden und die Art und Weise, wie Funktions und Empfehlungserweiterung in ein bestehendes Bildungssystem implementiert worden sind, zu einer Stabilisierung und Verbesserung der psychischen und physischen Gesundheit führen kann sowie ob Erkrankungen, wie Depressionen und Angstzustände vorhersagbar sind, die Lernerfolgsquote gesteigert, die  Eilnehmerquote an Lehrveranstaltungen erhöht und das Maß an autonomen und selbstgesteuertem Lernen vorangetrieben werden kann.