Das World Wide Web Consortium (W3C) ist ein Gremium zur Standardisierung von Techniken des World Wide Web. Der Fokus liegt auf der Entwicklung technischer Spezifikationen und Richtlinien. Beispiele für Technologien, die durch das W3C standardisiert wurden, sind HTML, XHTML, XML, RDF, OWL, CSS oder SVG. Darüber hinaus spielt das Thema Barrierefreiheit eine wichtige Rolle, welches über die Web Content Accessibility Guidelines (WCAG) adressiert wird und von der W3C Web Accessibiltiy Initiative (WAI) betreut und weiterentwickelt wird.

Literatur zum Nach- und Weiterlesen:
World Wide Web Consortium (2022). Abrufbar unter: https://www.w3.org/ (letzter Zugriff: 03.11.2022).

Die Accessible Rich Internet Applications Suite (ARIA) wurde von der „Web Accessibility Initative“ (WAI) innerhalb des W3C, entwickelt. Im Kern soll ARIA vor allem dynamischen Webcontent (z. B. Sliders, Widgets) für Nutzer:innen mit verschiedenen Beeinträchtigungen zugänglicher machen. ARIA ist eine Erweiterung für HTML und definiert, wie assistive Technologien (v. a. Screen Reader) mit dynamischem Content einer Webseite umgehen sollen.

Literatur zum Nach- und Weiterlesen:
World Wide Web Consortium (2017). Accessible Rich Internet Applications (WAI-ARIA) 1.1. Abrufbar unter: https://tinyurl.com/yc4dp8yr (letzter Zugriff: 03.11.2022).

Die Web Content Accessibility Guidelines (WCAG) sind ein internationaler technischer Standard des W3C. Die WCAG bieten Richtlinien für die barrierefreie Gestaltung von Webseiten und mobilen Anwendungen. Für Menschen mit Sehbehinderungen, Einschränkungen des Gehörs, Lernbehinderungen, kognitiven Einschränkungen, eingeschränkter Bewegungsfähigkeit und Sprachbehinderungen und auch für Menschen ohne Beeinträchtigungen werden Webinhalte benutzbar(er). Die WCAG 2.1 umfassen 13 Richtlinien, die vier übergeordneten Prinzipien zuzuordnen sind:
• Wahrnehmbarkeit (Benutzer:innen können die Elemente der Benutzeroberfläche mit ihren Sinnen wahrnehmen)
• Bedienbarkeit (Benutzer:innen können die Oberfläche bedienen)
• Verständlichkeit (Benutzer:innen können die Bedienung und die Informationen der Benutzeroberfläche verstehen)
• Robustheit (Inhalte können von einer Vielzahl von Benutzer:innen inkl. Ihrer Hilfstechnologien interpretiert werden)

Literatur zum Nach- und Weiterlesen:
Deutsche Übersetzung der WCAG 2.0: World Wide Web Consortium (2009). Richtlinien für barrierefreie Webinhalte (WCAG). Abrufbar unter:
https://www.w3.org/Translations/WCAG20-de (letzter Zugriff: 03.11.2022).
Aktuelle Version WCAG 2.1: World Wide Web Consortium (2018). Abrufbar unter: https://www.w3.org/TR/WCAG21/ (letzter Zugriff: 03.11.2022).

Web Scraping beschreibt das automatische Auslesen von Inhalten einer dritten Website zur Einbindung in das eigene Angebot. Neben dem legalen und erwünschten Web Scraping, wie es beispielsweise Suchmaschinen durchführen, um Websites zu indexieren, gibt es auch schädliche und missbräuchliche Methoden des Web Scrapings. Web Scraping kann genutzt werden, um Daten über Nutzende zu sammeln und für Dritte zur Verfügung zu stellen.

Literatur zum Nach- und Weiterlesen:
Kinsta (2022). Was ist Web Scraping. Abrufbar unter: https://kinsta.com/de/wissensdatenbank/was-ist-web-scraping/ (letzter Zugriff 03.11.2022).

KI-basierte Algorithmen können in mehrere Kategorien unterteilt werden. Die wissensbasierte bzw. symbolische KI ist eine davon.
Bei der symbolischen KI werden spezifische Wissensinhalte oder Verhaltensregeln explizit in Computerprogramme eingebettet. Dazu wird eine Wissensbasis (z. B. Fakten zu einer Wissensdomäne) und ein Inferenzmechanismus implementiert. Der Inferenzmechanismus ermöglicht die Ableitung neuer Erkenntnisse, z. B. die Diagnose des Lernfortschritts. In den ersten Jahrzehnten der KI-Forschung waren symbolische KI-Verfahren sehr vielversprechend, um komplexe Probleme zu lösen. Mittlerweile wurden sie in vielen Bereichen aber von statistischen bzw. lernenden KI-Verfahren abgelöst.
Vorteile der wissensbasierten KI-Verfahren im Bildungskontext sind die Möglichkeit didaktisch fundierte Entscheidungen in einem Computerprogramm abzubilden und der geringe Bedarf an personenbezogenen Daten.

Literatur zum Nach- und Weiterlesen:
Pinkwart, N. & Beudt, S. (2020). Künstliche Intelligenz als unterstützende Lerntechnologie. Stuttgart, Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO. Abrufbar unter: https://tinyurl.com/3muxrpvr (letzter Zugriff: 03.11.2022).
Dickson, B. (2019). What is symbolic artificial intelligence? TechTalks. Abrufbar unter: https://bdtechtalks.com/2019/11/18/what-is-symbolic-artificial-intelligence/ (letzter Zugriff, 03.11.2022)