Achtung:

Sie haben Javascript deaktiviert!
Sie haben versucht eine Funktion zu nutzen, die nur mit Javascript möglich ist. Um sämtliche Funktionalitäten unserer Internetseite zu nutzen, aktivieren Sie bitte Javascript in Ihrem Browser.

Info-Icon This content is not available in English
Show image information
Show image information
Show image information
Show image information

Photo: Pixabay | Free-Photos

Photo: Cynthia Arnold

Photo: Word Cloud

Photo: © Wiebke J. Cramer | Sara Rezat

Computergestütztes Lernen argumentativen Schreibens in der digtitalen Schulbildung

Projektbeschreibung (an english version is available at the end of the german text):

Digitale Technologien verändern unsern Alltag und unser Berufsleben und dadurch auch unsere Formen des Lernens. Nicht zuletzt die Kultusministerkonferenz fordert daher eine verstärkte digitale Unterstützung der Schulbildung. Bislang steckt diese gerade im deutschsprachigen Raum noch in den Kinderschuhen, geht selten über Multiple-Choice-Tests und vergleichbar simple Technologien hinaus. Ein wichtiger Bestandteil der Schulbildung ist – sowohl schuljahr- als auch fächerübergreifend – das argumentative Schreiben. Entsprechend wichtig sind durchdachte und zeitgerechte Lernformen speziell dort.

Das beantragte Projekt befasst sich damit, wie sich deutschsprachige Schüler*innen beim Erwerb schriftlicher argumentativer Kompetenzen durch den Einsatz algorithmischer Methoden unterstützen lassen. Die Methoden sollen automatisch argumentative Texte analysieren, um auf dieser Basis entwicklungsorientiertes Feedback zu gelungenen und ausbaufähigen Aspekten zu geben sowie Verbesserungsvorschläge zu machen, und zwar angepasst an den Entwicklungsstand. Drei zentrale Fragestellungen sollen untersucht werden: (1) Wie lässt sich die Struktur deutschsprachiger argumentativer Lernertexte zuverlässig erkennen? (2) Wie lässt sich der Entwicklungsstand von Schüler*innen auf Basis ihrer Texte bewerten? (3) Wie kann entwicklungsorientiertes und an den Entwicklungsstand angepasstes Feedback zu einem argumentativen Text gegeben werden? Im Fokus steht dabei die Struktur der Texte, während die Untersuchung der Inhalte und deren Beziehung zu Quellen als weiterführende Arbeit angesehen werden.

Die Integration von und Auseinandersetzung mit Gegenpositionen in einem argumentativen Text ist ein wichtiger Meilenstein in der Entwicklung argumentativen Schreibens. Studien zum Erwerb zeigen, dass dies eine besondere Hürde darstellt. Insbesondere dafür sollen daher algorithmische Methoden entwickelt werden, die eigene Positionen, Begründungen und Gegenpositionen in Texten erkennen und darauf aufbauend den Entwicklungsstand bewerten. Die Ergebnisse dieser Analysen dienen dann als Eingabe für Methoden, die entwicklungsstandspezifisches Feedback generieren. So könnten Schüler*innen etwa auf fehlende Gegenpositionen hingewiesen werden, wie auch auf mögliche Textstellen, wo sich diese integrieren ließen.

Insgesamt sollen vier Hauptziele verfolgt werden: (1) Die Erstellung eines deutschsprachigen Korpus mit ca. 1500 händisch annotierten Lernertexten dreier Altersgruppen, (2) die Entwicklung von Methoden zur Erkennung und Bewertung argumentativer Struktur, (3) die Erhebung von Feedback zu Lernertexten und dessen Evaluierung sowie (4) die Entwicklung von Methoden zur Erzeugung von Feedback. In der qualitativ ausgerichteten empirischen Evaluierung werden die Methoden mit didaktischem Wissen zusammengebracht, um so die Möglichkeiten und Grenzen entwicklungsorientierter Schreibunterstützung zu bestimmen, sowohl in technischer als auch in sozialer Hinsicht.

Computational Support for Learning Argumentative Writing in Digital School Education
Project description

In this project, we aim to study how to support German school students in learning to write argumentative texts through computational methods that provide developmental feedback. These methods will assess and explain which aspects of a text are good, which need to be improved, and how to improve them, adapted to the student’s learning stage. We seek to provide answers to three main research questions: (1) How to robustly mine the structure of German argumentative learner texts? (2) How to effectively assess the learning stage of a student based on a given argumentative text? (3) How to provide developmental feedback to an argumentative text adapted to the learning stage?

The motivation behind is that digital technology is more and more transforming our culture and forms of learning. While vigorous efforts are made to implement digital technologies in school education, software for teaching German is so far limited to simple multiple-choice tests and the like, not providing any formative, let alone individualized, feedback. Argumentative writing is one the most standard tasks in school education, taught incrementally at different ages. Due to its importance across school subjects, it defines a suitable starting point for more “intelligent” computational learning support. We focus on the structural composition of argumentative texts, leaving their content and its relation to underlying sources to future work.

Due to several studies, the integration of counter-argumentation is an enormous challenge in the developmental knowledge acquisition for argumentative writing. To support this computationally, we will develop analysis methods that mine the claims, reasons, and counter-considerations of arguments from German learner texts and that assess the learning stage of the learner on this basis. The output then serves as input to methods that synthesize learning stage-specific feedback, e.g., pointing a student to missing counter-considerations and potential positions for including it.

The project has four core objectives: (1) We aim to establish a German corpus of about 1500 manually annotated learner texts from three age groups. (2) On this basis, we develop computational methods for mining and assessing arguments. (3) We acquire feedback on learner texts and evaluate this feedback. (4) We develop methods to synthesize learning stage-specific feedback. The empirical evaluation combines didactic knowledge with the developed methods, in order to qualitatively explore the capabilities and limitations of providing

developmental feedback, both in technical and in social regards.

 

The University for the Information Society