Schulz, Claudia ; Sailer, Michael ; Kiesewetter, Jan ; Meyer, Christian M. ; Gurevych, Iryna ; Fischer, Martin R. ; Fischer, Frank (2018):
Automatische Analyse von Diagnosekompetenzen in Fallsimulationen.
In: 6te Jahrestagung der Gesellschaft für Empirische Bildungsforschung (GEBF 2018), pp. 543-544,
Basel, Switzerland, [Conference or Workshop Item]
Abstract
Diagnosekompetenzen spielen in vielen beruflichen Situationen eine wichtige Rolle. Diagnostizieren ist das zielgerichtete Sammeln und Integrieren von Informationen zum Zweck der bestmöglichen Entscheidungsfindung. Um Diagnosekompetenzen von Studierenden zu fördern und diese dadurch hinreichend auf ihre beruflichen Aufgaben vorzubereiten, bieten sich Fallsimulationen an. Dabei werden Studierenden berufsnahe Situationen geschildert, in denen diagnostisches Denken und Schlussfolgern erforderlich ist. Ohne hinreichendes inhaltliches Feedback ist es Studierenden jedoch nur schwer möglich ihre Diagnosekompetenzen zu verbessern. Klassische Methoden des Feedbacks, insbesondere für große Gruppen an Studierenden, sind entweder wenig Lehrkraft-intensiv jedoch allgemein (z.B. Muster- bzw. Expertenlösungen) oder adaptiv jedoch Lehrkraft-intensiv (z.B. individuelles Feedback von Experten). Automatisches adaptives Feedback bezüglich Diagnosekompetenzen kann helfen die Nachteile klassischer Feedback Methoden zu überwinden. Ziel ist es, Methoden zu entwickeln, die Diagnosekompetenzen automatisch analysieren und evaluieren, und daher zur automatischen Erstellung von adaptivem Feedback genutzt werden können. Methoden aus der Künstlichen Intelligenz (KI) wurden bereits erfolgreich in Lehr-Lernumgebungen eingesetzt und haben hohes Zukunftspotential (Luckin, Holmes, Griffiths & Forcier, 2016), da sie sich zur automatischen Analyse von Daten eignen. Die hier untersuchte Forschungsfrage ist, inwieweit Methoden aus der KI auf Studierendenlösungen in Fallsimulationen anwendbar sind, um diese automatisch bezüglich Diagnosekompetenzen zu analysieren.
| Item Type: | Conference or Workshop Item |
|---|---|
| Erschienen: | 2018 |
| Creators: | Schulz, Claudia ; Sailer, Michael ; Kiesewetter, Jan ; Meyer, Christian M. ; Gurevych, Iryna ; Fischer, Martin R. ; Fischer, Frank |
| Title: | Automatische Analyse von Diagnosekompetenzen in Fallsimulationen |
| Language: | German |
| Abstract: | Diagnosekompetenzen spielen in vielen beruflichen Situationen eine wichtige Rolle. Diagnostizieren ist das zielgerichtete Sammeln und Integrieren von Informationen zum Zweck der bestmöglichen Entscheidungsfindung. Um Diagnosekompetenzen von Studierenden zu fördern und diese dadurch hinreichend auf ihre beruflichen Aufgaben vorzubereiten, bieten sich Fallsimulationen an. Dabei werden Studierenden berufsnahe Situationen geschildert, in denen diagnostisches Denken und Schlussfolgern erforderlich ist. Ohne hinreichendes inhaltliches Feedback ist es Studierenden jedoch nur schwer möglich ihre Diagnosekompetenzen zu verbessern. Klassische Methoden des Feedbacks, insbesondere für große Gruppen an Studierenden, sind entweder wenig Lehrkraft-intensiv jedoch allgemein (z.B. Muster- bzw. Expertenlösungen) oder adaptiv jedoch Lehrkraft-intensiv (z.B. individuelles Feedback von Experten). Automatisches adaptives Feedback bezüglich Diagnosekompetenzen kann helfen die Nachteile klassischer Feedback Methoden zu überwinden. Ziel ist es, Methoden zu entwickeln, die Diagnosekompetenzen automatisch analysieren und evaluieren, und daher zur automatischen Erstellung von adaptivem Feedback genutzt werden können. Methoden aus der Künstlichen Intelligenz (KI) wurden bereits erfolgreich in Lehr-Lernumgebungen eingesetzt und haben hohes Zukunftspotential (Luckin, Holmes, Griffiths & Forcier, 2016), da sie sich zur automatischen Analyse von Daten eignen. Die hier untersuchte Forschungsfrage ist, inwieweit Methoden aus der KI auf Studierendenlösungen in Fallsimulationen anwendbar sind, um diese automatisch bezüglich Diagnosekompetenzen zu analysieren. |
| Book Title: | 6te Jahrestagung der Gesellschaft für Empirische Bildungsforschung (GEBF 2018) |
| Uncontrolled Keywords: | UKP_a_ArMin;UKP_a_WALL;UKP_p_FAMULUS;UKP_a_ENLP;UKP_reviewed |
| Divisions: | 20 Department of Computer Science 20 Department of Computer Science > Ubiquitous Knowledge Processing DFG-Graduiertenkollegs DFG-Graduiertenkollegs > Research Training Group 1994 Adaptive Preparation of Information from Heterogeneous Sources |
| Event Location: | Basel, Switzerland |
| Date Deposited: | 22 Dec 2017 10:06 |
| URL / URN: | https://download.hrz.tu-darmstadt.de/media/FB20/Dekanat/Publ... |
| Identification Number: | TUD-CS-2018-0015 |
| PPN: | |
| Corresponding Links: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Send an inquiry |
Options (only for editors)
 |
Show editorial Details |
Drucken
Impressum