Analyse individueller Aufgabenbearbeitungen (Text und Zeichnung) zur Vorbereitung einer kollaborativen Arbeitsphase zur Entwicklung des konzeptionellen Verständnisses

Von Lernenden angefertigte Zeichnungen sind aufschlussreich, um bspw. ein chemisches Konzeptverständnis zu bestimmen. Bei offenen Zeichenaufgaben sind in einer Lerngruppe sehr individuelle Ergebnisse zu erwarten. Für die Lehrkraft bedeutet dies eine besondere Herausforderung, diese entsprechend für ein Feedback zu beurteilen. In diesem Projekt werden Zeichnungen und darin enthaltene Textbausteine in Bezug auf fachdidaktische Filter für eine automatisierte Analyse untersucht.

Bereits Van Meter & Garner (2005) stellten in einem Review positive Einflüsse für das Lernen mit selbsterstellten Zeichnungen im naturwissenschaftlichen Unterricht fest. Diese Einflüsse und vielfältigen Einsatzmöglichkeiten (vgl. Ainsworth, Prain & Tytler, 2011) machen Zeichnungen zu einem wertvollen Werkzeug für Unterricht und Forschung. In der Analyse sind Zeichnungen – kombiniert mit Freitexten – sehr zeitaufwändig, was ein Hindernis für einen Einsatz im Unterricht darstellt. Der technische Fortschritt in der Bildanalyse, z. B. unter Zuhilfenahme von Künstlicher Intelligenz, bietet neue Möglichkeiten, um das Problem einer zeitaufwändigen Analyse für Lehrkräfte oder Forschende zu lösen. Aus Informatischer Perspektive bräuchte es allerdings Trainingsbeispiele im fünf- bis sechsstelligen Bereich. Dieses Promotionsvorhaben geht davon aus, dass fachdidaktische Erkenntnisse z. B. über zu erwartende Zeichenprimitive und deren Bedeutung im Zusammenhang mit dem Kontext der Aufgabe helfen, mit einer geringeren Anzahl von Trainingsbeispielen ein hinreichendes Analyseergebnis zu erzielen.

Literaturverzeichnis:

Ainsworth, S., Prain, V. & Tytler, R. (2011). Drawing to Learn in Science. In Science 333, 1096-1097

Van Meter, P. & Garner, J. (2005). The Promise and Practice of Learner-Generated Drawing. Literature Review and Synthesis. In Educ. Psy. Rev., 17 (4), 285-325