Vortrag 3: "Didaktische und computerlinguistische Perspektiven auf die Modellierung und Generierung automatisierten Feedbacks"
Dr. Sebastian Kilsbach, Maja Stahl, Prof.in Dr. Sara Rezat, Prof. Dr. Henning Wachsmuth, Rabia Karabey, Nadine Michel
Der Vortrag gibt Einblick in das laufende DFG-Projekt Computergestütztes Lernen argumentativen Schreibens in der digitalen Schulbildung (2021–2025). Insbesondere wird auf die didaktische Modellierung automatisierten adaptiven Feedbacks zu argumentativen Lernertexten eingegangen. Dargelegt wird, wie korpusbasiert adaptives Feedback anhand einer Mehrebenen-Annotation, einem mehrdimensionalen Qualitätsrating und Varianzanalysen modelliert werden kann. Ziel ist die Entwicklung eines domänenspezifischen Feedback-Tools, das zuvor mit fachspezifischen und hochwertigen Daten trainiert werden muss.
Der Vortrag ist dreigeteilt. Zunächst wird auf den bisherigen Projektablauf und die darin vollzogenen Einzelschritte zur Gewinnung dieser Daten eingegangen. Dies betrifft methodische Aspekte der Mehrebenen-Annotation und des Text-Ratings sowie die sprachdidaktischen Vorüberlegungen, die zu treffen waren. Anschließend geben wir Einblicke, welche Schritte nötig sind, um anhand der Daten automatisch zu einer konkreten Feedback-Generierung eines solchen Tools zu gelangen. In diesem Zusammenhang werden auch computerlinguistische Generierungsansätze auf Basis von Large Language Models, die im Projekt entwickelt wurden, vorgestellt.
Abschließend werden verschiedene Feedback-Bausteine exemplarisch demonstriert. Hier wird gezeigt, wie anhand von Varianzanalysen typische Textstrukturen für spezifische Qualitätsstufen abgeleitet und so ein passgenaues, adaptives Feedback erzeugt werden kann. Ein zentraler Aspekt ist die Frage, für welche Kategorien überhaupt auf welcher Niveaustufe Feedback gegeben werden sollte (vgl. Kilsbach et al., 2025; Stahl et al., 2024).
Literatur:
Kilsbach, Sebastian/ Rezat, Sara/ Michel, Nadine/ Karabey, Rabia/ Stahl, Maja/ Wachsmuth, Henning (2025, i.E.): Mehrebenenannotationen argumentativer Lerner*innentexte für die automatische Textauswertung. In: Zeitschrift für Angewandte Linguistik, 82.
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. In: Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, 4703–4717. Online unter: doi.org/10.48550/arXiv.2404.02529