SAMOP 2023 – wissenschaftliches Programm

Bereiche | Tage | Auswahl | Suche | Aktualisierungen | Downloads | Hilfe

DD: Fachverband Didaktik der Physik

DD 42: Lehr-Lernforschung IV

DD 42.1: Vortrag

Mittwoch, 8. März 2023, 11:00–11:20, DD 108

Diagnostik physikalischer Problemlösefähigkeiten mit maschinellem Lernen — •Fabian Kieser und Peter Wulff — Pädagogische Hochschule, Heidelberg

Die Erfassung und Förderung physikalischer Problemlösefähigkeiten ist ein wichtiges und aktuelles Thema der physikdidaktischen Forschung. Problemlösen ist allerdings ein komplexer kognitiver Prozess. Zum Lösen naturwissenschaftlicher Probleme ist ein tiefes Verständnis von Prinzipien und Konzepten der jeweiligen Fachdomäne notwendig. Aufgaben, die die Problemlösekompetenz überprüfen, müssen also über das Abfragen von Routinen hinaus gehen. Dies macht eine individualisierte Auswertung und zielgerichtetes Feedback aufwändig. Für die Optimierung dieser Problemlöseprozesse bieten computerbasierte Auswerteverfahren zusätzliche Ressourcen, weil der Lernprozess auf abstrakter Ebene begleitet wird, sodass Lehrende entlastet werden. In dieser Studie werden die Möglichkeiten zur Analyse physikalischer Problemlösefähigkeiten mit maschinellem Lernen untersucht. Besonderes Potential bieten die Methoden der modernen Textverarbeitung (Natural Language Processing), die auf Techniken des maschinellen Lernens zurückgreifen, um natürliche Sprache computerbasiert zu analysieren. Um die Methoden an die spezifische Sprache der Schülerantworten anzupassen, werden eigens KI-Modelle (bspw. Neuronale Netze) trainiert, mit dem Ziel, in textbasierten Antworten zu offenen physikalischen Problemlöseaufgaben den physikalischen Ansatz zu detektieren. Erste Ergebnisse werden vorgestellt und Möglichkeiten für den Einsatz im schulischen Kontext diskutiert.