Search
Generic filters
Exact matches only
Filter by content type
Users
Attachments

Improving the Argumentation Skills of Students through Machine Learning

Übersicht

In dem HSG-intern geförderten Projekt untersuchen wir, wie wir Studierende eine individuelle Schreibunterstützung basierend auf Techniken des Maschinellen Lernens und Natural Language Processing bieten können. Ziel der Projektes ist es, Argumentationsfähigkeiten von Studierenden in Massen- und Distanzlehrveranstaltungen zu verbessern und damit zur Unterstützung von Meta-Kognitions-Fähigkeiten beizutragen.

Verantwortlich

Prof. Dr. Jan Marco Leimeister


Beschreibung

Durch die immer weiter fortschreitende Digitalisierung kann Faktenwissen heute quasi jederzeit problemlos über technische Hilfsmittel abgerufen werden. Dies führt dazu, dass Fähigkeiten und Kompetenzen, die über die reine Reproduktion von Wissen hinausgehen, immer wichtiger werden. Dazu gehört insbesondere die Fähigkeit, logisch und strukturiert zu argumentieren. Allerdings sind Dozierende sowohl örtlich als auch zeitlich darin limitiert, Studierenden kontinuierlich individuelles Feedback auf ihre Texte zu geben, welches jedoch erforderlich ist, um einen kontinuierlichen Lernprozess zu ermöglichen. Dieses Problem lösen wir mit unserem Lerntool “ArgueLearn”, dass es durch den Einsatz von Künstlicher Intelligenz erlaubt, Studierenden individuelles formatives Argumentationsfeedback unabhängig von Ort und Zeit des Lehrenden zu geben. Auf diese Weise wird die Fähigkeit der Studierenden zur logischen und strukturierten Argumentation skalierend gefördert.

Unser Tool “ArgueLearn” ermöglicht die individuelle Unterstützung von Studierenden unterschiedlicher Fachrichtungen beim Schreiben von argumentativen Texten – unabhängig von einem Tutor, Zeit und Raum – zur Steigerung von Metakognitions-Fähigkeiten. Durch eine nutzerzentrierte und theoriegeleitete Entwicklung haben wir unterschiedlichste Design-Prinzipien anhand von Gamifikation und multimedialen Lerntheorien sowie iterativem Prototyp-Testing aufgestellt und diese in “ArgueLearn” umgesetzt.