So können Hochschulen Big Data bestmöglich nutzen

Chris Schneider, LexisNexis

In mancher Hinsicht haben sich die Lehr- und Forschungsmethoden von Wissenschaftlern kaum geändert, seit Plato und Aristoteles in der Akademie im antiken Griechenland Probleme der Philosophie und Mathematik diskutierten. Die Studierenden lernen immer noch in kleinen Diskussionsgruppen und Vorlesungen von Lehrenden und viele von ihnen lesen noch immer gedruckte Skripte in Bibliotheken. In diesem Blogartikel beschäftigen wir uns jedoch mit einer Neuerung, die die akademische Welt vor Kurzem revolutioniert hat: Big-Data-Analysemethoden.

Forschung mithilfe von KI

Die Anwendung von Big-Data-Analysemethoden hat im Rahmen von Forschungsprojekten zu neuen und innovativen Partnerschaften zwischen Hochschulen und Unternehmen geführt. Unternehmen verfügen über jede Menge Daten und Hochschulen haben die Datenwissenschaftler, die diese interpretieren und analysieren können. Das Ergebnis ist für beide Seiten vorteilhaft – Unternehmen können mehr über ihre Kunden und Produkte erfahren und Hochschulen erhalten neue Forschungsideen und dringend benötigte Forschungsgelder von Partnerunternehmen. So hat etwa das Pharmaunternehmen Novartis bereits angekündigt, eine Partnerschaft1 mit dem Big Data Institute der University of Oxford einzugehen. Die Wissenschaftler in Oxford nutzen maschinelles Lernen zur Analyse von Daten aus klinischen Studien von Novartis, um Muster in den Reaktionen von Patienten auf verschiedene Arzneimittel zu erkennen.

Wissenschaftler in fast jeder akademischen Disziplin untersuchen, wie KI und Big-Data-Analysen die Art und Weise, in der sie forschen, verändern könnten. Eine in der wissenschaftlichen Fachzeitschrift Nature veröffentliche Studie2 enthüllte, dass im Jahr 2018 ‚Big Data‘ und ‚KI‘ die dritt- beziehungsweise viertmeist gesuchten Begriffe in einer wissenschaftlichen Datenbank waren.

LexisNexis besuchte 2019 das Global Education and Skills Forum in Dubai und traf auf viele Wissenschaftler, die Forschungsvorhaben verfolgen, die ohne KI nicht durchführbar wären. Milo Comerford, Senior Analyst am Tony Blair Institute for Global Change, stellte fest, dass KI und maschinelles Lernen die wissenschaftliche Forschung radikal verändert haben. Als Beispiel führte er seine eigene Forschungsarbeit an, in der er KI dazu verwendet, Tausende von extremistischen Propagandaschriften zu durchforsten, um zu neuen Erkenntnissen zu gelangen. „Das wäre auf manuellem Weg und durch meine eigene Analyse niemals möglich gewesen“, sagte er.

Personalisierte Lehre durch Big Data

Die Kernaufgaben von Hochschulen sind Forschung und Lehre. Big-Data-Analysemethoden verändern beides. Hochschullehrende nutzen Big Data zur Sammlung von Daten über ihre Studierenden, um ihren Unterricht maßgeschneidert zu gestalten. Sie müssen sich also nicht mehr den Kopf darüber zerbrechen, ob ihre Vorlesungen die Studierenden überfordern – sie können nun Daten aus einer E-Learning-Software nutzen, um herauszufinden, welcher Teil des Unterrichts den Studierenden Probleme bereitet. So können sie jene unterstützen, die Schwierigkeiten in einem bestimmten Bereich haben. Schon 2015 wurde in einem wissenschaftlichen Artikel3 in der Zeitschrift Procedia Economics and Finance erklärt, dass Big Data Lehrenden eine „Möglichkeit zur Verfeinerung des Lernprozesses“ bietet: „Wenn Lehrende etwas über die tatsächliche Effizienz ihres Unterrichts und den Fortschritt ihrer Studierenden erfahren möchten, müssen sie solche Lösungen einbeziehen.“ In den fünf Jahren seit Erscheinen dieses Artikels haben immer mehr Lehrende diesen Rat befolgt.

Der nächste Schritt könnte sein, dass manche dieser Hochschullehrenden durch KI ersetzt werden – einige Hochschulen nutzen KI tatsächlich bereits in der Lehre. Studierende des Studiengangs ‚Online Master of Science in Computer Science‘ am Georgia Institute of Technology erhielten auf ihre Fragen im Onlineforum des Studiengangs im Jahr 2016 oft Antworten von Jill Watson4 – allen Anschein nach eine Lehrassistentin an der Hochschule. Am Ende des Studiengangs wurde enthüllt, dass es sich bei Jill um einen KI-Bot basierend auf der Watson-Plattform von IBM handelt. Die meisten Studierenden hatten davon keine Ahnung gehabt. KI und Big Data bieten Hochschulen eine Möglichkeit zur Kosteneinsparung in der Lehre und ermöglichen ihnen, mehr Studierende zu erreichen.

Automatisierte Zulassungen an Hochschulen

Hochschulen nutzen Big Data jeden Herbst auch als Unterstützung in ihrer Entscheidung über die Zulassung von Studierenden. Bisher verfügten Hochschulen über große Teams von Zulassungsbeauftragten, die Tausende von Bewerbungen bewerteten, bevor sie über die Zulassungen entschieden. Big-Data-Analysemethoden ermöglichen nun die Reihung von Kandidatinnen und Kandidaten nach Testergebnissen und anderen Zulassungskriterien. Hochschulen sind darauf angewiesen, eine Vielzahl an geeigneten Studierenden für Ihre Einschreibung zu gewinnen. Der Datenfachmann Eric Spear meint5, Big-Data-Analysemethoden „...sind der Schlüssel zur Lösung des Problems sinkender Studierendenzahlen.“ Analysemethoden ermöglichen einer Hochschule, nachzuvollziehen, welche Studiengänge bei Studierenden unterschiedlicher Werdegänge beliebter sind und bei welchen Studiengängen es ein Problem mit hohen Studienabbruchquoten gibt. Die Vermeidung einer Beurteilung durch Menschen im Zulassungsverfahren könnte sich auch positiv auf den Ruf von Hochschulen auswirken. In 2019 wurde einigen Top-Colleges in den USA vorgeworfen6, Spenden von wohlhabenden Amerikanern im Austausch für einen Platz an der Hochschule angenommen zu haben. Ein KI-gesteuerter Prozess hätte dies vermutlich verhindert.

Big Data sinnvoll nutzen

Big-Data-Analysemethoden können Ihr Leben vereinfachen, ob Sie nun ein Wissenschaftler oder ein Universitätspräsident sind oder ein Unternehmen vertreten, das eine Forschungspartnerschaft mit Datenwissenschaftlern in Erwägung zieht. Der Wert der gewonnenen Erkenntnisse aus diesen Analysen hängt jedoch von der Qualität der zugrunde liegenden Daten ab. Nexis® Data Integration unterstützt Universitäten bei der Integration von Daten mithilfe flexibler APIs, die normalisierte Big Data in einem halbstrukturierten XML-Format bereitstellen. Dadurch sind Hochschulen in der Lage, ihre Daten etwa durch Tags anzureichern, damit diese den speziellen Forschungsaufgaben entsprechen. Zusätzlich können Personen, die Daten abfragen, von unseren eigenen, thematischen Klassifikationen profitieren, um so die relevantesten Datensätze zu erkennen, abzufragen und schneller zu Ergebnissen zu gelangen.

Quellen:

Novartis partners with Oxford’s Big Data Institute to explore the benefits of data science and artificial intelligence for patients. novartis.co.uk, 18.01.2019
Here’s what scientists searched for in 2018: AI is up, stress is down. nature.com 07.01.2019
Using Big Data in the Academic Environment. researchgate.net, Dezember 2015
Meet Jill Watson: Georgia Tech's first AI teaching assistant. pe.gatech.edu, 10.11.2016
How colleges can use data analytics to improve enrollment strategies. bigdata-madesimple.com, 30.11.2018
Felicity Huffman sentenced to 14 days in prison for college bribery scandal. theguardian.comBSR.org, 13.11.2019


Zum Autor

Chris Schneider ist Associated Head of Sales bei der LexisNexis GmbH. Seit circa sechs Jahren ist er im Data & Analytics-Umfeld tätig und verfügt über einen großen Erfahrungsschatz hinsichtlich der Betreuung von Compliance-Projekten in der Finanz- und Bankenbranche. Er war bei zahlreichen Corporate-Projekten involviert.

Diesen Blog-Beitrag teilen:


Blog-Alert abonnieren

Wir informieren Sie automatisch
über neue Blogbeiträge.

Blog durchsuchen

Blog durchsuchen