#vortanz: digitale Hochschulbildung im Tanz mittels KI unterstützter Software: Vorstellung eines Forschungsdesigns

Einleitung: Die Digitalisierung bietet für die Hochschuldidaktik eine besondere Chance (Galley et al. 2017), ist im Vergleich zur schulischen Didaktik aber deutlich seltener Gegenstand der Bildungsforschung. Das hier vorgestellte Konzept setzt an dieser Forschungslücke an und nutzt zum einen bestehende Systeme videobasierter Lern- und Lehrmethoden (VBL) für Bewegung und Tanz in Kombination mit der Möglichkeit zur Annotation, um Reflexion und Feedback zu ermöglichen (u. a. Yousef et al. 2014). Eigene Vorarbeiten zeigen, dass der Einsatz von VBL aufgrund der Gegenstandsspezifik gerade für Lehrveranstaltungen mit hohem physischem Einsatz spezifische Formen von Reflexion unterstützt (vgl. Steinberg et al. 2020; Büning & Wirth, 2020; Leijen & Sööt, 2016). Darauf aufbauend wird die Lokalisierung und Identifikation von Körperteilen, Personen und Handlungen in Bildmaterial (Foto/ Video) mittels Methoden aus dem Bereich der Computer Vision und des Maschinellen Lernens (KI) genutzt. Gerade für bewegungsintensive Hochschulfächer, hier Tanz und Bewegungskultur, bietet sich die Nutzung etablierter Basistechnologien (wie z. B. OpenCV, OpenPose und Pythagoras 360°, s. Büning & Wirth, 2019) als ergänzende Lehr- und Lernwerkzeuge an. Im vom BMBF geförderten Forschungsprojekt #vortanz soll daher eine KI-gestützte Software als intelligentes Assistenzsystem zur Lernprozessunterstützung auf Hochschulniveau implementiert und in Bezug auf den Lernerfolg untersucht werden. Methodisches Vorgehen: An drei Hochschul-Standorten in Deutschland (Köln, Frankfurt, Berlin) wird auf unterschiedlichem Studienniveau (BA, MA) und mit unterschiedlicher Ausrichtung (Tanz, Choreographie, Bewegungskultur), das aus der professionellen künstlerischen Tanzpraxis heraus entwickelte Software-System Motion Bank (Hochschule Mainz) nachhaltig an die Lehre angeschlossen und empirisch, methodisch und technisch erforscht. Meso- bzw. Makroebene: Auf der Ebene der drei Hochschulstandorte ist vorgesehen, mittels eines Mixed-Method-Designs (Creswell & Plano Clark, 2018) Feedback Prozesse zum Einsatz des Software-Systems zu erfassen sowie die Nutzung von digitalen Tools und der automatisierten Verfahren in vivo zu erheben. Der Schwerpunkt liegt hier auf der Teilnehmendenperspektive (Lehrende und Lernende), welche mit Hilfe videographischer Dokumentation der Lehrveranstaltung, nichtteilnehmender Beobachtungen der Unterrichtsprozesse und fokussierter Interviews erfasst wird. Auf der Mikroebene werden die jeweiligen fachspezifischen, tanzbezogenen Lehrveranstaltungen der Hochschulen mit ihren Lehrenden und Studierenden fokussiert. Am Standort Köln wird eine Vergleichsgruppe eingerichtet, die KI-basierte bewegungsanalytische Funktionen nutzt. Die quantitative Phase baut methodisch auf den qualitativen Verfahren der Makro-Ebene (Erfassen von Feedback-Prozessen) auf und umfasst standardisierte Lehrevaluationsbögen, die an den Hochschulen eingesetzt und teststatistisch ausgewertet werden, um Indikatoren für die Wirkung und Wirksamkeit der KI-Anwendungen in den Lehrveranstaltungen in den Gesamtkontext der universitären Lehrveranstaltungen einordnen zu können. Zum jetzigen Zeitpunkt gehen wir davon aus, dass der Umfang der Erhebungen in hohem Maße von den einzelnen Bedingungen der Standorte sowie der damit einhergehenden Sättigung des Datenmaterials abhängt. Die Datenauswertung der qualitativen Daten erfolgt induktiv in Anlehnung an die Kodierverfahren der Grounded Theory im zirkulären Prozess. Durch das offene, selektive und axiale Kodieren werden Beobachtungs- und Befragungsdaten aufgebrochen und Wirkindikatoren der KI-Anwendung unter anderem auf folgende Dimensionen der Mikroebene entwickelt: Didaktische Vorgehensweisen und Übungen, ausgeführte Bewegungen und ihre Bearbeitungsformen und anvisierten Qualitäten sowie begleitende Verbalisierungen. Geplant ist, dass die qualitative Auswertung der Annotationen mit der Anwendungsmetrik der Software verbunden wird, um unter anderem zu ermitteln, wie häufig von Studierenden und Lehrenden auf die Unterstützung durch automatisierte Annotationen zurückgegriffen wird; welche Optionen zu welchem Zwecke und in welchem Verhältnis die Nutzung der Vorannotationen zur deskriptiven Verwendung der Annotationen steht. Diskussion: Im Zentrum des Vorhabens #vortanz stehen Fragen nach der gelingenden Unterstützung von Feedback und Reflexionsprozessen mittels digitaler Technologien im Kontext automatisierter Prozesse in bewegt-gestalterischen Lehrund Lernprozessen. Das Forschungsdesign bezieht sich auf die qualitative Erfassung der Möglichkeiten der automatisierten und manuellen Indexierung von Bewegung und Tanz und der darauf aufbauenden Möglichkeiten des Feedbacks, der Analyse und der Reflexion. Der Fokus der zu diesem Zeitpunkt darstellbaren Diskussion liegt auf einer kritischen Auseinandersetzung mit den darin zum Tragen kommenden Formen der Wissensformation, -repräsentation und -vermittlung von der Ebene der Daten bis zu ihrer visuellen, diagrammatischen Repräsentation (Rittershaus, 2019).