Glossar zu generativer KI und OER

Eine Situation, in der Nutzer:innen auf Dienste von privatwirtschaftlichen Unternehmen angewiesen sind, die ihre eigenen Bedingungen und Einschränkungen festlegen.

Technologien passen Lerninhalte automatisch an die Bedürfnisse der Lernenden an, z. B. durch KI, die Fortschritte analysiert und passende Übungen vorschlägt.

Ein Konzept, das Güter beschreibt, die allen zugänglich sind und gemeinschaftlich genutzt werden können, wie z. B. Wissen oder offene Bildungsressourcen.

Die oft schwierigen Arbeitsbedingungen bei der Erstellung von KI-Trainingsdaten, z. B. für Menschen, die Inhalte markieren oder filtern, werden immer stärker diskutiert.

Es geht darum, Lernmaterialien leicht zu finden, z. B. durch Metadaten oder Suchfunktionen. KI kann dabei helfen, relevante Inhalte schnell vorzuschlagen.

Der Einsatz von KI und Maschinen, um Aufgaben wie das Erstellen von Lernmaterialien oder die Bewertung von Tests zu übernehmen.

Sicherstellen, dass Lernangebote von allen genutzt werden können, z. B. durch Untertitel für Videos oder barrierefreie Websites. KI kann etwa Texte automatisch in einfache Sprache übersetzen.

Wenn KI-Systeme unfair sind, weil ihre Trainingsdaten nicht alle Perspektiven oder Gruppen berücksichtigen. Zum Beispiel könnten KI-generierte Inhalte bestimmte soziale Gruppen benachteiligen. Bias entsteht oft, weil mit generativen KI-Systemen die Vergangenheit reproduziert wird.

Programme, die auf Fragen antworten oder Inhalte erklären können. Gab es auch schon ohne KI, z.B. Chatbots zu häufigen Fragen in Online-Kursen, die vorab gespeichert wurden.

Daten und Software werden über das Internet statt auf dem eigenen Gerät gespeichert.

Ein Lizenzmodell, mit der Urheber*innen festlegen, wie ihre Werke genutzt werden dürfen, z. B. ob Bearbeitungen erlaubt sind. OER verwenden oft diese Lizenzen.

Wenn viele Menschen gemeinsam Inhalte erstellen, z. B. Wikipedia. Auch KI-Systeme profitieren oft von gesammeltem Wissen.

Sorgfältig ausgewählte Lernmaterialien. KI kann dabei helfen, die besten Inhalte für einen bestimmten Zweck herauszufiltern.

Der Schutz persönlicher Daten. Bei KI ist es wichtig, dass die Daten insbesondere von Lernenden sicher bleiben und nicht missbraucht werden.

Eine Technik, mit der KI-Systeme große Datenmengen auswerten, z. B. um Sprache zu verstehen. Sie wird oft genutzt, um personalisierte Lernangebote zu erstellen.

Die Frage, wie KI fair und verantwortungsvoll entwickelt wird, z. B. bei der Vermeidung von Diskriminierung.

Die Wissenschaft von der Erklärbarkeit von KI-Systemen. Es geht darum, KI-Systeme so gestalten, dass Entscheidungen leicht nachvollziehbar und die Funktionsweisen verständlich sind. Das ist wichtig, damit Lehrende und Lernende den Ergebnissen vertrauen können.

KI-Systeme, die eigenständig Texte, Bilder oder Videos erstellen. Sie können z. B. personalisierte Lernmaterialien generieren.

Bildung und Technologie sollten dem Allgemeinwohl dienen, z. B. durch frei zugängliche OER und KI-Tools, die allen helfen.

Digitale Systeme, die wie ein persönlicher Tutor agieren. KI analysiert Lernfortschritte und bietet individuell angepasste Unterstützung.

Die Fähigkeit, dass verschiedene Systeme wie Lernplattformen und KI-Tools zusammenarbeiten – wichtig, damit OER überall genutzt werden können. Grundlegend ist hierbei der Aufbau von Schnittstellen.

Die Fähigkeit, Informationen zu analysieren, zu bewerten und reflektiert Entscheidungen zu treffen.

Rechtliche Rahmenbedingungen, die festlegen, wie ein Werk genutzt werden darf, z. B. offene Lizenzen für OER.

Ein Bereich der KI, bei dem Systeme aus Daten lernen, z. B. um Tests automatisch auszuwerten.

Die Vermittlung von Wissen über den Umgang mit Medien, z. B. wie KI sinnvoll und kritisch genutzt sowie auch gestaltet und reflektiert werden kann.

Zusätzliche Informationen über Inhalte, z. B. Schlagwort, Kategorie, Format ... Sie helfen, OER leichter zu finden.

Die Frage, wie Bildungstechnologien umweltfreundlich gestaltet werden können, z. B. durch energieeffiziente Technologie. Außerdem bedeutet Nachhaltigkeit, dass das Rad nicht immer neu erfunden, sondern auf bestehenden Inhalten aufgebaut wird.

Flexible Lernangebote, die für alle zugänglich sind, z. B. Peer-to-Peer Learning oder Barcamps.

Regeln, die die freie Nutzung und Bearbeitung von Inhalten erlauben, z. B. Creative Commons.

Freier Zugang zu wissenschaftlichen Inhalten – große Überschneidung zu OER-Initiativen.

Frei zugängliche Daten, die ohne Einschränkungen genutzt werden können, z. B. für Bildungsforschung.

Bildungsansätze, die Offenheit und Zusammenarbeit fördern. Viele OER-Aktive verfolgen das Ziel, mit offenen Bildungsinhalten zugleich auch offene Bldungspraktiken voranzutreiben.

Software, deren Quellcode frei verfügbar ist. Open-Source-Tools sind oft Grundlage für OER-Plattformen. Was Open Source bei KI-Modellen konkret bedeuten kann, wird viel diskutiert.

Bildungsmaterialien, die offen lizenziert sind und frei genutzt, verändert und weiterverbreitet werden dürfen.

Lerninhalte werden individuell angepasst, z. B. durch KI, die Schwächen erkennt und passende Inhalte empfiehlt.

KI-Systeme, die überprüfen, ob Texte abgeschrieben wurden – nützlich in der Bildung, aber auch kontrovers.

Das Entwickeln von Eingaben für KI-Tools, um optimale Ergebnisse zu erhalten, z. B. für personalisierte Lerninhalte.

Werke ohne Urheberrecht, die frei nutzbar sind. KI-generierte Inhalte fallen oft in diese Kategorie, da sie keine menschlichen Urheber haben.

Das Überprüfen, ob Lernmaterialien oder KI-Ergebnisse korrekt und nützlich sind.

Ein Verständnis von Qualitätssicherung, dass Qualität nicht abschließend ist, sondern im Prozess entsteht.

Die Offenlegung, wie KI funktioniert, z. B. welche Daten genutzt wurden. Das schafft Vertrauen bei Nutzenden.

Ein Gesetz, das festlegt, dass erstellte Inhalte automatisch urheberrechtlich geschützt sind. Es geht von der problematischen Annahme aus, dass kreative Werke individuell und isoliert entstehen, anstatt in Betracht zu ziehen, dass es immer um Vernetzung und Zusammenarbeit geht.

Tools wie H5P, die es erleichtern, offene Lernmaterialien zu entwickeln und zu remixen.

Daten so organisieren, dass sie von Maschinen verstanden werden, z. B. für automatisierte Lernangebote.

Sicherstellen, dass alle Menschen – mit oder ohne Einschränkungen – Bildungsangebote nutzen können. KI hilft z. B. durch automatische Übersetzungen.