GAINS - Gender-Sensitive Artificial Intelligence-Supported Learning

Ausgangslage: Aktuelle technische Entwicklungen im Bereich der Künstlichen Intelligenz (KI) und Mixed-Reality Endgeräten eröffnen neue Möglichkeiten komplexe Lehrinhalte zeit- und ortsunabhängig und gendersensitiv zu vermitteln. Dadurch besteht ein hohes Potential die Vermittlung von technischen Inhalten und somit die Ausbildung für Pilot*innen und Techniker*innen zu verbessern und gender-sensitiv zu gestalten. Mit weniger als 10% weiblichen Pilotinnen weltweit sind Frauen in der Luftfahrt stark unterrepräsentiert. Gleichzeitig herrscht ein globaler Engpass an Pilot*innen, der sich in den kommenden Jahren verstärken wird. Zusätzlich werden auch gender-sensitive Unterschiede/Hindernisse im Bereich der Ausbildung in Form von gender-beeinflussten Umgang und Feedback durch Lehrende beschrieben, die durch standardisierte und teilautomatisierte Ausbildungsformen basierend auf KI reduziert werden können. Die Entwicklung neuer KI-unterstützte Ausbildungsformen bringt jedoch auch Herausforderungen im Bereich der Vermeidung von Gender-Bias und der Einhaltung ethischer Normen mit sich. Aktuelle Software Qualitätsframeworks decken KI-spezifische Aspekte nur unzureichend ab. Dadurch ergibt sich im Bereich der Bewertung der Qualität von KI Software ein wesentlicher Forschungsbedarf. Ziele/Ergebnisse: Das gegenständliche Projekt hat das Ziel moderne und gender-sensitive Ausbildungsmöglichkeiten zu erforschen, die von KI unterstützt werden. Das Projekt GAINS konzentriert sich auf die gender-sensitive Erforschung von Präferenzen und Bedürfnisse an KI-unterstützte Lehrmittel zur Vermittlung von technischen Inhalten in der Erwachsenenbildung. Als Anwendungsdomäne wird der Bereich Luftfahrt gewählt, da dieser sowohl in Bezug auf den bestehenden Gender-Gap in der Technik repräsentativ, als auch in Bezug auf die hohen Lehrstandards prädestiniert ist, Forschung, Technologie und Innovation mit gender-relevanten Inhalten zu initiieren. Dabei sollen basierend auf einer systematischen Literaturanalyse, Experten Workshops und dem Use-Case Technology Mapping (UCTM)-Framework relevante Anwendungsfälle für KI-unterstützte Lehre von technischen Inhalten im Bereich Aviation identifiziert und anhand gender-sensitiver, wirtschaftlicher, sozialer und ökologischer Potentiale bewertet werden (AP2). Weiters wird in einer Befragung zu den Themen Akzeptanz, Präferenzen, ethische und gender-relevante Aspekte von KI-gestützter Lehre unter besonderer Berücksichtigung der zuvor erhobenen potentiellen Anwendungsfällen in verschiedenen Alters- und Gendergruppen bei Pilot*innen, Instruktor*innen und Flugschüler*innen durchgeführt (AP4). Basierend auf der systematischen Erhebung und multi-dimensionaler Bewertung potentieller Anwendungsfälle (AP2) für KI und der intersektionalen Studie zu Akzeptanz und Präferenzen von KI in der Lehre von technischen Inhalten (AP4), werden zukunftsrelevante gender-sensitive Forschungsbereiche abgeleitet und ein Proof-of-Concept für mögliche Lehrkonzepte mit konkreter Genderdimension evaluiert (AP5). Um zukünftige KI-basierte Anwendungen in Bezug auf deren Software-Qualität bewerten zu können, werden bestehende Software Entwicklungsstandards in Bezug auf KI-spezifische Aspekte in Dimensionen wie Ethik und Gender-sensitivität untersucht und Erweiterungen zur Software-Qualitätsbewertung erarbeitet (AP3). Durch den Einsatz verbesserter Software-Qualitätsframeworks soll die Qualität von zukünftiger KI-basierter Anwendungen erhöht werden.