Publikationen - 18.06.2024 - 15:00
In diesem Artikel untersuchen die Autoren, wie die Argumentationsfähigkeiten von Studierenden, insbesondere strategisches Entscheiden und Überzeugen, durch den Einsatz von maschinellem Lernen verbessert werden können. Sie befassen sich mit der Herausforderung, skalierbares und personalisiertes Feedback zu geben, um diese Fähigkeiten zu fördern. In der Studie wird maschinelles Lernen eingesetzt, um sofortiges und skalierbares Feedback zu bieten, was für Bildungsinnovation wichtig ist.
Ein dynamisches, auf maschinellem Lernen basierendes System wurde entwickelt und in drei empirischen Studien im Vergleich zu traditionellen, skriptbasierten und adaptiven Unterstützungen getestet. Dieser Ansatz ermöglicht es, die Effektivität der dynamischen Modellierung zur Verbesserung der Argumentationsfähigkeiten zu evaluieren.
Die Ergebnisse zeigen, dass das dynamische System die Argumentationsfähigkeiten der Studierenden über verschiedene Aufgaben und Kompetenzniveaus hinweg signifikant verbessert und die traditionellen Methoden übertrifft. Es ist sowohl bei komplexen als auch bei einfachen Argumentationsaufgaben effektiv und bietet eine robuste, auf die individuellen Bedürfnisse der Lernenden zugeschnittene Unterstützung.
Diese Forschung liefert neue Erkenntnisse, indem sie die Wirksamkeit der dynamischen, auf maschinellem Lernen basierenden Modellierung in Bereichen wie dem überzeugenden Schreiben, außerhalb der traditionellen MINT-Fächer, demonstriert. Dies unterstreicht das Potenzial adaptiver Lerntechnologien, die Bildungspraxis und -politik zu verändern, indem kritisches Denken und Kommunikationsfähigkeiten gefördert werden.
Das Paper kann unter folgendem Link eingesehen werden: https://pubsonline.informs.org/doi/10.1287/isre.2021.0615
