Entwicklung eines Empfehlungssystems zur personalisierten Qualifizierung im Bereich Qualitätsingenieurwesen: eine Anforderungsanalyse

Zusammenfassung Die Kompetenzanforderungen an Qualitätsingenieure unterliegen einer hohen Volatilität, die sich aus dem rasanten technischen Fortschritt, der stetig wachsenden Informations- und Wissensmenge und der sinkenden Halbwertszeit des Wissens ergibt. Es stellt sich die Frage, wie eine zielgerichtete und effiziente Qualifizierung bei sich ständig ändernden und wachsenden Qualifikationsanforderungen erreicht werden kann. Empfehlungssysteme können im Bereich der Qualifizierung helfen, den Wissens-Überfluss zu bewältigen und die zu qualifizierenden Personen effizient durch den Qualifizierungsprozess zu führen. Obwohl Empfehlungssysteme bereits im Online-Handel oder bei Streaming-Diensten etabliert sind, gestaltet sich die Übertragung der Empfehlungsalgorithmen auf die Empfehlung von Lernobjekten und Lernsequenzen problematisch. Im Gegensatz zu Empfehlungsalgorithmen, die in Unterhaltung und Handel eingesetzt werden und unabhängige Produkte oder Videos auf Basis von Nutzerdaten und -präferenzen empfehlen, gibt es im Qualifizierungsbereich zwei entscheidende Unterschiede: 1) Lernobjekte und Lernsequenzen müssen im Gesamten die Erreichung von Qualifizierungs- und Lernzielen ermöglichen. 2) Es existieren Abhängigkeitsbeziehungen zwischen Lernobjekten, sodass der Konsum dieser nicht variabel oder in beliebiger Reihenfolge erfolgen kann. Aus dem Kontext des Qualitätsingenieurwesens und der Didaktik ergeben sich folgende Anforderungen an ein Empfehlungssystem zur personalisierten Qualifizierung im Bereich Qualitätsingenieurwesen: Das Empfehlungssystem sollte eine progressive und kohärente Empfehlung von Lerneinheiten ermöglichen. Die Empfehlung von Lerninhalten muss flexibel sein und den aktuellen Qualifizierungsbedarfen entsprechen. Die Relevanz von Items sollte anhand der Erreichung der Qualifizierungsziele gemessen werden. Es ist wichtig, eine Vielzahl von Qualifizierungszielen abzubilden. Das Empfehlungssystem muss auch bei geringen Datenmengen relevante Lerneinheiten empfehlen können. Die Benutzerprofile sollten den aktuellen Lernstand abbilden. Bei der Entwicklung eines Empfehlungssystems für diesen Zweck müssen diese Anforderungen berücksichtigt werden.