PROJEKTBESCHREIBUNG
Projektleitung: Prof. Dr. Sara Rezat (Universität Paderborn) /Prof. Dr. Henning Wachsmuth (Leibniz-Universität Hannover)
Förderzeitraum: Januar 2022 - Juni 2025
Das DFG-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. Drei zentrale Fragestellungen werden untersucht: (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.
Projektziele
1. Die Erstellung eines deutschsprachigen Korpus mit 1320 händisch annotierten Lernertexten zweier Altersgruppen.
2. Die Entwicklung algorithmischer Methoden zur Erkennung und Bewertung argumentativer Struktur.
3. Die Erhebung von Feedback zu Lernertexten und dessen Evaluierung.
4. Die Entwicklung algorithmischer Methoden zur Erzeugung von Feedback.
ArgSchool: Demoversion
Im Rahmen des Projekts wurde ein Programm entwickelt, das automatisiert die Textstruktur und die Textqualität argumentativer Schüler*innentexte analysiert. Die Anwendung erkennt zentrale Strukturelemente argumentativer Texte – wie These, Argumente und Gegenargumente – und gibt eine Einschätzung zur Textqualität auf Grundlage des entwickelten Ratingvorgehens.
Mit der hier bereitgestellten Demoversion können Interessierte die grundlegenden Funktionen des Systems ausprobieren und einen Einblick in das Potenzial computergestützter Textanalyse für Forschung und Unterricht gewinnen. Zum Testen steht die Möglichkeit zur Verfügung, einen der drei hinterlegten Beispieltexte auszuwählen oder eigene argumentative Texte einzugeben.
Umfangreiche Informationen zum Annotations- und Ratingvorgehen finden sich in den zugehörigen Publikationen des Projekts.
PUBLIKATIONEN
2025
Rezat, Sara/ Karabey, Rabia (2025): Musterhaftigkeit und Formen sprachlicher Kreativität im Kontext der Annotation argumentativer Lerner:innentexte. In K. Schindler & A. L. Zepter (Hrsg.): Sprachliche Kreativität in Bildungs- und Fachsprache. Textproduktion und Diskurspraktiken. Tübingen: Narr Francke Attempo.
Rezat, Sara/ Kilsbach, Sebastian/ Karabey, Rabia/ Michel, Nadine/ Stahl, Maja/ Wachsmuth, Henning (2025): Didaktische Modellierung automatisierten adaptiven Feedbacks zu argumentativen Lerner*innentexten. Leseräume – Zeitschrift für Literalität in Schule und Forschung, Heft 11, S. 1-15. https://leseräume.de/wp-content/uploads/2025/06/Rezat-et-al-2025-LR-JG12-H11.pdf
Kilsbach, Sebastian/ Rezat, Sara/ Michel, Nadine/ Karabey, Rabia/ Stahl, Maja/ Wachsmuth, Henning (2025): Mehrebenenannotation argumentativer Lerner*innentexte für die automatische Textauswertung. Zeitschrift für Angewandte Linguistik 82, S. 102-129. https://www.degruyter.com/document/doi/10.1515/zfal-2025-2003/html
2024
Stahl, Maja/ Michel, Nadine/ Kilsbach, Sebastian/ Schmidtke,Julian/ Rezat, Sara/ Wachsmuth, Henning (2024): A School Student Essay Corpus for Analyzing Interactions of Argumentative Structure and Quality. Accepted to the North American Chapter of the Association for Computational Linguistics: NAACL 2024. https://arxiv.org/pdf/2404.02529
Stahl, Maja/ Biermann, Leon/ Nehring, Andreas/ Wachsmuth, Henning (2024): Exploring LLM Prompting Strategies for Joint Essay Scoring and Feedback Generation. Accepted to the Workshop on Innovative Use of NLP for Building Educational Applications: BEA 2024. https://arxiv.org/pdf/2404.15845
2023
Stahl, Maja/ Düsterhus, Nick/ Chen, Mei-Hua/ Wachsmuth, Henning (2023): Mind the Gap: Automated Corpus Creation for Enthymeme Detection and Reconstruction in Learner Arguments. In Findings of the Association for Computational Linguistics: EMNLP 2023. https://aclanthology.org/2023.findings-emnlp.312.pdf
Stahl, Maja/ Wachsmuth, Henning (2023): Identifying Feedback Types to Augment Feedback Comment Generation. In Proceedings of the 16th International Natural Language Generation Conference: Generation Challenges. https://aclanthology.org/2023.inlg-genchal.5.pdf
VORTRÄGE
2025
Stahl (2025). “ArgInstruct: Specialized Instruction Fine-Tuning for Computational Argumentation”, ACL, Vienna, July 2025.
Kilsbach et al. (2025). “Didaktische und computerlinguistische Perspektiven auf die Modellierung und Generierung automatisierten Feedbacks”, dieS-Sommerschule, Paderborn, June 2025.
2024
Kilsbach & Rezat (2024). “Didaktische Modellierung und computerlinguistische Generierung automatiserten Feedbacks zu argumentativen Lernertexten”, Symposion Deutschdidaktisch 2024, Mainz, September 2024.
Kilsbach & Michel (2024). “The Art of Generating Feedback - How to Support Students Acquire Argumentative Writing Skills”, AILA World Congress, Kuala Lumpur, August 2024.
Stahl (2024b). “A School Student Essay Corpus for Analyzing Interactions of Argumentative Structure and Quality”, NAACL, Mexico City, June 2024.
Stahl (2024a). “Exploring LLM Prompting Strategies for Joint Essay Scoring and Feedback Generation”, BEA@NAACL, Mexico City, June 2024.
2023
Stahl (2023). “Mind the Gap: Automated Corpus Creation for Enthymeme Detection and Reconstruction in Learner Arguments", ArgMining@EMNLP, Singapore, December 2023.
Rezat & Kilsbach (2023). “Annotation und Rating argumentativer Lernertexte für die Generierung automatisierten Feedbacks. Schreibdidaktische Perspektiven aus einem interdisziplinären DFG-Projekt.", University of Oldenburg, November 2023.
Kilsbach (2023). “Lernlevel-sensitiv? Argumentationskompetenz und Feedback”, DGSS-Tagung, Marburg, October 2023.
Kilsbach & Michel (2023b). “Automatisiertes Feedback für argumentative Schüler*innentexte in der Sek II”, 3. Trinationale Tagung der Gefsus zum Thema „Textfeedback in Praxis und Forschung“, September 2023.
Rezat (2023c). “Annotation und Rating argumentativer Lernertexte für die Generierung automatisierten Feedbacks. Schreibdidaktische Perspektiven aus einem interdisziplinären DFG-Projekt.”, Workshops zum SNF-Forschungsprojekt QuaTexD, University of Fribourg, September 2023.
Kilsbach & Michel (2023a). “Computer-based generation of learner-sensitive feedback in school argumentative texts”, 10th Conference of the International Society for the Study of Argumentation (ISSA 2023), Leiden University, July 2023.
Wachsmuth (2023b). “Computational Support for Learning Argumentative Writing in Digital School Education”, Netzwerk Schreiben, Basel, March 2023.
Wachsmuth (2023a). “Computational Support for Learning Argumentative Writing in Digital School Education”, Workshop zu korpuslinguistischer Schreibforschung, Basel, March 2023.
Rezat (2023b). “Musterhaftigkeit und Formen sprachlicher Kreativität - Ein Dilemma bei der Annotation argumentativer Lernertexte?”, DGFS-Tagung, Cologne, March 2023.
Rezat (2023a). “Annotation argumentativer Lernertexte für die computerbasierte Generierung von Feedback“, Deutschdidaktisches Kolloquium, Jena, February 2023.
Rezat et al. (2023). “Werkstattbericht aus dem DFG-Projekt Computergestütztes Lernen argumentativen Schreibens in der digitalen Schulbildung”, Deutschdidaktisches Kolloquium, Berlin, February 2023.
Rezat et al. (2023). “Annotation argumentativer Lernertexte für die computerbasierte Generierung von Feedback", Linguistisches Kolloquium, Paderborn, January 2023.
2022
Stahl (2022). “To Prefer or to Choose? Generating Agency and Power Counterfactuals Jointly for Gender Bias Mitigation.” NLP+CSS@EMNLO, Abu Dhabi, November 2022.
