Intelligente Tutorielle Systeme (ITS) zu Stöchiometrieaufgaben

In Zusammenarbeit mit der Carnegie Mellon University (CMU) und der Universität Potsdam zielen gemeinsame Forschungsvorhaben darauf ab, ITS zu befähigen, das Lernverhalten aus Logdaten automatisch zu analysieren und das adaptive Feedback zu verbessern. Dies umfasst automatische Fehlerklassifikationen, das Erkennen individueller Schwierigkeiten und die Reduzierung von Overpractice, um das selbstständige Bearbeiten von Stöchiometrieaufgaben sowie das konzeptuelle Verständnis langfristig zu fördern. Ein Ansatz zur Erreichung dieses Ziels ist die Integration und Auswertung von Think-Aloud-Protokollen, um die Interpretierbarkeit der Logdaten zu verbessern. Hierbei kommen zwei bestehende kognitive Tutorsysteme mit unterschiedlichem Grad an Scaffolding zum Einsatz: der StoichTutor (hohes Scaffolding) und der ORCCA Tutor (Open-Response-Cognitive-Chemistry-Assistant, geringes Scaffolding).