Skill-basierte Erklärungen steigern Interesse an unerwarteten Kursen UC Berkeley

In den USA haben Studierende die Freiheit, ihre Kurse selbst zu wählen – ein Privileg, das gleichzeitig eine enorme Herausforderung darstellt. Die akademische Landschaft ist komplex, die Auswahlmöglichkeiten zahlreich und die Zeit begrenzt, während gleichzeitig stark nachgefragte Kurse oft ausgebucht sind.

Obwohl es Berufsberater gibt, reicht deren Zahl nicht aus, um die Bedürfnisse aller Studierenden zu decken. Moderne Empfehlungssysteme bieten zwar personalisierte Vorschläge, liefern aber häufig keine nachvollziehbaren Erklärungen, die den Studierenden helfen, die Relevanz eines Kurses zu beurteilen.

In einer neuen Studie wurde ein tiefes Lernmodell entwickelt, das aus Kursbeschreibungen relevante Konzepte extrahiert. Dieses Modell soll die Qualität der Empfehlungen verbessern, indem es die Inhalte der Kurse besser verständlich macht.

Die Forscher setzten das Modell in einem serendipity‑basierten Empfehlungssystem namens AskOski an der University of California, Berkeley, ein. Dabei wurden die sogenannten „skill‑basierten Erklärungen“ – also Hinweise darauf, welche Fähigkeiten ein Kurs vermittelt – in die Empfehlungen integriert.

Die Ergebnisse zeigen, dass die Erklärungen das Interesse der Studierenden besonders an Kursen mit hoher Unerwartetheit steigern. Gleichzeitig erhöht sich das Vertrauen der Nutzer in ihre Entscheidungsfindung, wenn sie nachvollziehen können, welche Kompetenzen sie durch einen Kurs erwerben können.

Die Studie unterstreicht damit die Bedeutung, skill‑bezogene Daten und transparente Erklärungen in Bildungsempfehlungssysteme einzubauen. Damit lassen sich nicht nur die Auswahlprozesse erleichtern, sondern auch die Zufriedenheit und das Selbstvertrauen der Studierenden nachhaltig stärken.