Mitarbeiter müssen sich ständig neues Wissen aneignen und die geforderten Fähigkeiten verlagern sich immer mehr in Richtung Denkfähigkeiten auf höheren Lernzielebenen, wie z. B. kritisches Denken, Fähigkeit zur Zusammenarbeit und Kommunikation in Teams. Die meisten Universitäten tun sich jedoch schwer, herausfordernde Lehr-Lern-Szenarien anzubieten die den Lernenden helfen, die auf der Grundlage von reichhaltigem Feedback, Denkfähigkeiten auf höheren Lernzielebenen entwickeln. Um dieses Problem zu lösen, kann Peer-Learning eingesetzt werden, um auch in grossen Klassen reichhaltiges Feedback zu gewährleisten. Ein Haupthindernis bei dem Einsatz von Peer-Learning ist, jedoch die Qualität des Feedbacks.

Daher konzentriert sich dieses Projekt auf die Messung der Hauptmerkmale, die die Qualität von digitalem Peer-Feedbacks beeinflussen. Insbesondere stützen wir uns auf frühere Theorien, um Textcharakteristika abzuleiten, die die Qualität des Feedbacks widerspiegeln, und schlagen eine Methodik zur Operationalisierung und Messung jedes dieser Merkmale als Textmerkmale vor.

Darüber hinaus entwickeln wir ein IT-tool welches auf basis der künstlichen Intelligenz und einem vor trainierten Modell, Studierenden individuelle Vorschläge gibt, wie die Qualität ihres gerade erstellten Feedbacks verbessert werden könnte.