Digitale Lehr-Lernkonzepte im universitären Setting: Das KI-gestützte Videoannotationstool ‚Motion Bank System‘ im multidisziplinären Einsatz.

KI-gestützte, digitale Tools werden vermehrt in sport- und bewegungsbezogene Lehr-Lernsettings, Forschungsansätzen und künstlerisch kreativen Prozessen eingebunden (Siewert & Büning, 2023). Das BMBF-Projekt #vortanz arbeitet an einer verbesserten Erweiterung des Videoannotationstools Motion Bank System (MBS). Neue, bewegungsbasierte KI-gestützte Funktionen (Personentracking, Pose Estimation und Human Action Recognition) werden integriert, sodass vom System generierte Vorannotationen ausgegeben werden können, die Studierenden als Feedback dienen und neuartige Reflexionsräume schaffen (Miko et al., 2022). Ziel der vorliegenden wissenschaftlichen Begleitung ist es, herauszufinden, wie sich durch KI-gestützte Tools sonst weniger sichtbare Informationsstrukturen für Reflexionsprozesse in Lehr-Lernsituationen nutzbar machen lassen. Wie interlinken Lehre und Lernen mit Interfaces und wie werden Lernprozesse beeinflusst, in dem wir uns in digitalen Räumen und auf digitalen Oberflächen bewegen?
Der multidisziplinäre Einsatz von MBS an der Deutschen Sporthochschule Köln wird vorgestellt als:
1. Werkzeug für Bewegungsanalyse, Reflexions- und Feedbackprozesse im Rahmen choreografischer, kreativer Bewegungsgestaltung und tänzerischem Bewegungslernen im Rahmen des berufsorientierten Vertiefungsbereich (n=30 Studierende im Bachelorstudiengang Sport- und Bewegungsvermittlung in Freizeit).
2. Videofeedbacktool zur Schulung von Bewegungskorrekturgaben im Blended-Learning Ansatz (n=35 Studierende im Bachelorstudiengang Sport in Gesundheit und Prävention).
Evaluiert wird der Einsatz von MBS im ersten Setting mittels eines qualitativen Mixed-Methods-Designs auf Basis teilnehmender Beobachtung und Gruppeninterviews (n=30) zu Nutzungs- und Anwendungsperspektiven der Studierenden. Da Verwendung von Videoanalysetools die selbstständige Supervision und das Reflektieren von Bewegungsmustern und auch die Entwicklung von Selbstwirksamkeit (Potdevin et al., 2018) unterstützt, fokussiert das zweite Setting eine quantitative Erfassung der Selbstwirksamkeitserfahrung im Blended Learning. Mittels Fragebögen (n=35) werden Daten zu drei Testzeitpunkten (prä, zwischen digital-analog, post) erhoben und anschließend durch eine einfaktorielle ANOVA untersucht.
Die Ergebnisse geben Einblicke in Wirkmechanismen von KI-gestützten Tools für Reflexionsprozesse in Lehr-Lernsituationen.