Angebote für Abschlussarbei­ten

Beginn: ab sofort möglich

Beschreibung: In diesem Projekt wird untersucht, wie die Qualität von lernergenerierten Aufgaben verlässlich bewertet werden kann. Ausgangspunkt ist ein Projekt, in dem die Kategorisierung durch Fachpersonen und KI-Systeme nicht übereinstimmte. In einer ersten Arbeit soll daher kritisch untersuchen, wie zuverlässig und trennscharf das bestehende Kategorienschema zur Bewertung von lernergenerierten Aufgaben tatsächlich ist: Wie konsistent sind Einschätzungen von Fachpersonen? Wo zeigen sich Interpretationsspielräume oder Unstimmigkeiten im Kategoriensystem? Aufbauend auf diesen Erkenntnissen soll das Kategoriensystem optimiert werden. In einer zweiten Abschlussarbeit soll erforscht werden, inwieweit eine KI-gestützte Kategorisierung vergleichbare Ergebnisse liefern kann. Ziel ist es, Methoden zu entwickeln, die sowohl die menschliche als auch die algorithmische Bewertung von Aufgabenqualität verbessern und transparenter machen können. Die Arbeiten kombinieren qualitative Analyseansätze mit quantitativen Vergleichsmethoden und zeigen damit Wege auf, wie (KI-gestützte) qualitative Kategorisierungen verbessert werden können, um Aufgabenqualität im Bildungsbereich zuverlässig zu beurteilen.

In Kooperation mit Aline Mangold (Prof. Technisches Design, )

Betreuung: Dr. Antje Proske (antje.proske@tu-dresden.de)

Studiengang: MA HPSTS

Beginn: ab sofort möglich

Beschreibung: In dieser experimentellen Abschlussarbeit wird untersucht, wie Lernende KI-generiertes Feedback im Vergleich zu Peer-Feedback wahrnehmen und nutzen. Besonderes Augenmerk liegt darauf, ob es einen Unterschied macht, wenn das KI-Feedback als solches gekennzeichnet ist oder so gestaltet wird, dass es wie Peer-Feedback wirkt. Ziel ist es herauszufinden, wie konstruktiv Lernende mit den unterschiedlichen Feedbackarten arbeiten können und welche Form von Feedback sie als besonders unterstützend empfinden. Die Ergebnisse sollen dazu beitragen, das Potenzial von KI-Feedback für den Lernprozess besser zu verstehen und Empfehlungen für dessen Gestaltung abzuleiten.

Betreuung: Dr. Antje Proske (antje.proske@tu-dresden.de)

Studiengang: MA HPSTS

Beginn: ab sofort möglich

Beschreibung: In dieser experimentellen Abschlussarbeit wird untersucht, warum das Generieren eigener Aufgaben im Vergleich zum Beantworten vorgegebener Aufgaben nicht zu einer höheren Lernleistung führt, obwohl dies theoretisch zu erwarten wäre. Im Fokus steht dabei die Rolle der Tutorperspektive und die Granularität der Aufgabeninhalte: Es wird geprüft, ob die Einnahme einer Tutorperspektive und die Nutzung von Aufgaben, die von Lernenden selbst erstellt wurden, einen Unterschied im Wissenstransfer bewirken. Die Ergebnisse sollen dazu beitragen, Bedingungen zu identifizieren, unter denen das Generieren von Aufgaben eine besonders effektive Lernstrategie darstellt.

Betreuung: Dr. Antje Proske (antje.proske@tu-dresden.de)

Studiengang: BA Psychologie

Start: Immediately

Study Program: M.Sc. Human Performance in Socio-Technical Systems (HPSTS)

Description: Every new technology-based measurement tool needs to be validated with another reliable and valid method, under normal circumstances. This research project is designed to validate the knee sleeve´s performance in monitoring knee movement during squats and lunges. It will involve a thorough literature review to gain insights into existing knee monitoring technologies and video analysis techniques. The research design will focus on defining the target population, selecting relevant participants, and utilizing the Kinovea program for video analysis during squat and lunge exercises. The data analysis process will involve the measurement and comparison of knee angles obtained from both the knee sleeve and the recording analyzed via Kinovea program. Subsequently, statistical methods will be employed to evaluate and establish the accuracy of the knee sleeve in monitoring knee movement. The study aims to provide comprehensive insights into the knee sleeve´s effectiveness, with conclusions and recommendations for technology improvement, alongside detailed documentation, and presentation of findings.

Data: Data has to be collected.

The project will be in English.

Contact: ismail.bayram@tu-dresden.de

Start: Immediately

Study Program: M.Sc. Human Performance in Socio-Technical Systems (HPSTS)

Description: People with flatfoot can suffer from pain, ankle instability, rapid fatigability. On the long term, they can develop various musculoskeletal pathologies in the lower limb joints. While foot orthoses are commonly prescribed for people with flatfoot, their efficiency is left to be proven. Indeed, various systematic reviews questioned the routine prescription of foot insoles (1–3). Particularly, Hoang et al. (4) concluded that active interventions had better efficacy in reducing pain. Indeed, active interventions improve joint stability through muscle strengthening, while also enhancing proprioceptive feedback. Accordingly, augmenting sensory feedback during gait to indicate the propre muscle activation scheme and plantar foot distribution could reduce pain associated with flatfeet during gait, and improve the arch definition on the long run.

Thus, within this project, we want to develop a real-time vibrotactile feedback based on kinematic and plantar pressure data to improve foot kinematics during gait. Modalities of feedback will be investigated, as well as the effect of the intervention on the kinematics and kinetics gait parameters to infer if such intervention could decrease the risk of pathologies of the lower limb joints.

The project will be in English.

1. Herchenröder et al. J Foot Ankle Res. 2021;14(1):57.
2. MacKenzie et al. J Pediatr Orthop. 2012;32(8):830‑4.
3. Banwell et al. J Foot Ankle Res. 2014;7(1):23.
4. Hoang et al. Int J Environ Res Public Health. 2021;18(15):8063.

Contact: