Navigation und Service

Logo Bundesministerium für Forschung, Technologie und Raumfahrt

#vortanz

Automatisierte Vorannotation in der digitalen Hochschultanzausbildung

Hochschule Mainz; wizAI solutions GmbH; Deutsche Sporthochschule Köln

Im Vorhaben #vortanz soll eine KI-gestützte Software als intelligentes Assistenzsystem zur Lernprozessunterstützung in der Tanzausbildung auf Hochschulniveau implementiert und in Bezug auf den Lernerfolg untersucht werden. Dazu wird - über die Hochschul-Standorte Köln, Frankfurt und Berlin hinweg - auf unterschiedlichem Studienniveau und mit unterschiedlicher Ausrichtung (Tanz, Choreographie, Bewegungskultur), das aus der professionellen künstlerischen Tanzpraxis heraus entwickelte Software-System der Motion Bank nachhaltig an die Lehre angeschlossen. Ein neuartiges digitales Fachkonzept soll gestützt durch etablierte KI- und Big-Data-Verfahren für den hochschuldidaktischen Einsatz nutzbar gemacht werden. Es soll konkret in realen Kursen angewendet und dabei empirisch, methodisch und technisch erforscht werden. Die Erforschung von Nutzungspotentialen aber auch Anwendungsproblemen im Rahmen der bewegungsbezogenen Hochschulausbildung, soll in theoretische Modelle und praktische Implikationen überführt werden.

Zuwendungsempfänger

Hochschule Mainz; wizAI solutions GmbH, Deutsche Sporthochschule Köln
Verbundleitung: Prof. Dr. Florian Jenett
Betrag: 1.196.532 €

Laufzeit: 01.02.2021 - 31.01.2024

Zentrale Publikationen

Steinberg, C., Lleshi, R., & Miko, H. (2024). Video-Based Human Action Recognition and its Application in Dance Research. In D. Memmert (Hrsg.), Sports Technology: Technologies, Fields of Application, Sports Equipment and Materials for Sport (S. 129–139). Springer.

Siewert, K., & Büning, C. (2023). Avatargestütztes Feedback in bewegungsbezogenen Bildungsangeboten auf Hochschulebene. sportunterricht, 72(2), 59–64.

Rittershaus, D., Koch, A. & Jenett, F. (2023). „Machine don’t see and we know it“: Routinen und Implikationen maschineller Erfassung tänzerischer Bewegung mittels Machine-Learning-Verfahren. In: Schneider, Katja (Hrsg). Routinen im Tanz: Künstlerische Praktiken zwischen Stabilisierung und Destabilisierung, Jahrbuch TanzForschung 2022 (S. 265 – 272). Bielefeld: transcript.

 

Kontakt

Prof. Dr. Florian Jenett
E-Mail: florian.jenett@hs-mainz.de