Unterstützung von Lehr-Lern-Prozessen durch maschinelles Lernen
Roski, Marvin, Hoppe, Anett , Dannemann, Sarah , Dietze, Stefan, Ewerth, Ralph, Friege, Gunnar, Marenzi, Ivana, Ntoutsi, Eirini, Schanze, Sascha
Beitrag auf der GDCP-Jahrestagung 2020
Anhand des Experten-Novizen-Vergleichs konnten bisher das Verständnis von Tiefenstrukturen und Erlernen von Heuristiken als zentrale Gelingensbedingungen beim Bearbeiten von Physikaufgaben festgestellt werden (Friege, 2001).
Eine Vermittlung dieser Aspekte erfolgt in universitären Physikübungen oftmals nur implizit, daher wird ein entsprechendes Strategietraining für die Ingenieursstudierenden der Hochschule Ruhr West entwickelt.
Die Auswirkung spezifischen Lernmaterials sowie der Strategieübung auf die Problemlösekompetenz wird im Rahmen eines 2×2 Designs untersucht.
Die Konzeption des Lernmaterials beinhaltete die Entwicklung eines Manuals, das die Aufgabenanalyse anhand verschiedener Strukturmerkmale ermöglichte. Darauf aufbauend konnten Aufgaben gezielt adaptiert, sowie Worked-Examples konzipiert werden. Diese Gestaltung des Materials soll eine Verschiebung des Fokus auf die Problemrepräsentation und Erarbeitung eines Lösungsansatzes bewirken, welche die Grundlage des strategischen Problemlösens bilden.
Eine Pilotierung des Interventionsdesigns erfolgt im nächsten Präsenzsemester.
Referenz:
Roski, Marvin, Hoppe, Anett , Dannemann, Sarah , Dietze, Stefan, Ewerth, Ralph, Friege, Gunnar, Marenzi, Ivana, Ntoutsi, Eirini, Schanze, Sascha (2021). Unterstützung von Lehr-Lern-Prozessen durch maschinelles Lernen. In: S. Habig (Hrsg.), Naturwissenschaftlicher Unterricht und Lehrerbildung im Umbruch?. Gesellschaft für Didaktik der Chemie und Physik, Online Jahrestagung 2020. (S. 449). Universität Duisburg-Essen
Den Beitrag können Sie hier als pdf herunterladen.