Lehrstuhl für Empirische Pädagogik und Pädagogische Psychologie (DE)
print

Links und Funktionen
Sprachumschaltung

Navigationspfad


Inhaltsbereich

Problemorientiertes und selbstgesteuertes Lernen an der Hochschule

Kooperationsskripts für Online-Diskussionen

Analyse und Förderung von Onlinediskussionen mit Hilfe von Natural Language Processing (NLP)

Training komplexer Fertigkeiten in der Medizin


Kooperationsskripts für Online-Diskussionen

Ein zentrales Problem computerunterstützten kooperativen Lernens ist die oftmals niedrige argumentative Qualität von Onlinediskussionen. Das Forschungsprojekt „Kooperationsskripts für Onlinediskussionen“ beschäftigt sich daher mit der Frage, wie die argumentative Wissenskonstruktion in Onlinediskussionen mit Hilfe von Kooperationsskripts gefördert werden kann. Unter argumentativer Wissenskonstruktion versteht man die Konstruktion von domänenspezifischem und domänenübergreifendem Wissen durch gemeinsames Argumentieren. Kooperationsskripts können die argumentative Wissenskonstruktion dadurch fördern, dass sie Lernaktivitäten und Rollen spezifizieren, sequenzieren und distribuieren. Im Projekt werden sowohl Prozesse als auch Ergebnisse der gemeinsamen Wissenskonstruktion untersucht. Dazu wurde ein mehrdimensionales Rahmenmodell zur Analyse von Verbaldaten entwickelt, das die argumentative Wissenskonstruktion u. a. hinsichtlich epistemischer Aktivitäten, der formalen Qualität der Argumentation und sozialer Modi der Ko-Konstruktion und dabei insbesondere hinsichtlich der Transaktivität, d. h. der gegenseitigen Bezugnahme in Onlinediskussionen untersucht. In Zusammenarbeit mit der Universität Pittsburgh wurde dieses aufwändige Verfahren zur Analyse von Onlinediskussionen automatisiert. Im Forschungsprojekt wurden mehrere Kooperationsskripts entwickelt, die die spezifischen Dimensionen von Onlinediskussionen gezielt fördern. Die Befunde zeigen, dass die untersuchten Skripts einerseits die erwünschten Haupteffekte haben. So bewirkt z. B. ein Skript zur Förderung der Transaktivität auch tatsächlich, dass sich Studierende in Onlinediskussionen stärker aufeinander beziehen und auch substanziell mehr Wissen erwerben. Andererseits können manche Skripts aber auch unerwünschte Nebenwirkungen haben. So förderte z.B. ein epistemisches Skript zwar wie intendiert die inhaltliche Bearbeitung der Lernaufgabe – wirkte sich aber eher ungünstig auf den Wissenserwerb aus. Weiterhin wurde das Ausblenden oder Fading von Skripts sowie die Anwendung von Skripts in unterschiedlichen Wissensdomänen, z. B. in der Informatik und der Medizin untersucht.

Kooperationspartner:

  • Carolyn Rosé, Universität Pittsburgh, USA, Automatische Analyse von Verbaldaten

Analyse und Förderung von Onlinediskussionen mit Hilfe von Natural Language Processing (NLP)

Die Analyse der facettenreichen Interaktion von Lernenden beim kooperativen Lernen ist eine wichtige Methode bei Erforschung der gemeinsamen Wissenskonstruktion. Diese Analysen sind jedoch sehr zeitaufwendig. Automatische Analysen dieser Interaktionsprozesse durch den Einsatz und die Adaptierung aktuell verfügbarer Klassifikationstechnologien scheinen daher vielversprechend. Neben der Effizienzsteigerung bei der Analyse von Interaktionsprozessen ist ein weiteres Einsatzgebiet für diese Technologien die adaptive Förderung von Interaktionsprozessen. Lehrer bzw. Tutoren können mit Informationen über die Qualität von Onlinediskussionen versorgt werden und so gezielt auf Lernprozesse Einfluss nehmen. Schließlich sind auch adaptive Systeme denkbar die sich an die Fähigkeiten der Lernenden automatisch anpassen. Zur Steigerung der Qualität von automatischen Klassifikationstechnologien und der Erforschung dieser Technologien bei der computerunterstützten gemeinsamen Wissenskonstruktion kooperieren wir mit der Carnegie-Mellon-University, der Technischen Universität Darmstadt und der Universität Stuttgart.

Kooperationspartner:

  • Iryna Gurevych, Technische Universität Darmstadt, Educational Natural Language Processing (E-NLP) & Ubiquitous knowledge processing
  • Carolyn Rosé, Carnegie-Mellon-University, Pittsburgh, USA, Automatische Analyse natürlich-sprachlicher Daten
  • Hinrich Schütze, Institute for Natural Language Processing, Universität Stuttgart, Statistisches Natural Language Processing
  • Max Mühlhäuser, Technische Universität Darmstadt, eLearning, Multimodale Interaktionnach oben

Training komplexer Fertigkeiten in der Medizin

Projektbeteiligte am Lehrstuhl

Kooperationspartner

  • Prof. Dr. Mathias Siebeck
  • Florian Pilz, M.A. Paed

Servicebereich