---
_id: '54960'
abstract:
- lang: ger
  text: Das Fachdidaktische Wissen (FDW) wird als zentrale Komponente des Professionswissens
    von Lehrkräften bereits lange intensiv untersucht. Bislang liegen Ergebnisse zu
    Zusammenhängen des FDW mit anderen Professionswissensbereichen, zur Performanz
    in prototypischen Handlungssituationen und erste datengestützte inhaltlich-hierarchische
    Analysen auf Basis von Item Response Modellen (IRT-Modellen) vor. Im Zusammenhang
    mit einem projektübergreifend durchgeführten Vergleich entsprechender IRT-Modelle
    haben sich jedoch Limitationen bei der Vereinbarkeit und der inhaltlichen Reichhaltigkeit
    entsprechender Ergebnisse gezeigt, wie im Beitrag vorgestellt wird . Daher werden
    Analysemethoden aus dem Bereich des Machine Learning (unsupervised) vorgeschlagen,
    welche im Gegensatz zu IRT-Modellen auch nicht-hierarchische inhaltliche Strukturen
    aufdecken können. Es werden Ergebnisse entsprechender Clusteranalysen sowie Analysepläne
    zur Unterstützung dieser auf Basis der authentischen Sprachproduktionen von Proband:innen
    mithilfe von Natural Language Processing vorgestellt.
author:
- first_name: Jannis
  full_name: Zeller, Jannis
  id: '99022'
  last_name: Zeller
  orcid: 0000-0002-1834-5520
- first_name: Josef
  full_name: Riese, Josef
  id: '429'
  last_name: Riese
  orcid: 0000-0003-2927-2619
citation:
  ama: 'Zeller J, Riese J. Fähigkeitsprofile im Physikdidaktischen Wissen mithilfe
    von Machine Learning. In: van Vorst H, ed. <i>Frühe naturwissenschaftliche Bildung,
    Tagungsband der GDCP Jahrestagung 2023</i>. Gesellschaft für Didaktik der Chemie
    und Physik; 2024:122-125.'
  apa: Zeller, J., &#38; Riese, J. (2024). Fähigkeitsprofile im Physikdidaktischen
    Wissen mithilfe von Machine Learning. In H. van Vorst (Ed.), <i>Frühe naturwissenschaftliche
    Bildung, Tagungsband der GDCP Jahrestagung 2023</i> (pp. 122–125). Gesellschaft
    für Didaktik der Chemie und Physik.
  bibtex: '@inproceedings{Zeller_Riese_2024, place={Hamburg}, title={Fähigkeitsprofile
    im Physikdidaktischen Wissen mithilfe von Machine Learning}, booktitle={Frühe
    naturwissenschaftliche Bildung, Tagungsband der GDCP Jahrestagung 2023}, publisher={Gesellschaft
    für Didaktik der Chemie und Physik}, author={Zeller, Jannis and Riese, Josef},
    editor={van Vorst, Helena}, year={2024}, pages={122–125} }'
  chicago: 'Zeller, Jannis, and Josef Riese. “Fähigkeitsprofile im Physikdidaktischen
    Wissen mithilfe von Machine Learning.” In <i>Frühe naturwissenschaftliche Bildung,
    Tagungsband der GDCP Jahrestagung 2023</i>, edited by Helena van Vorst, 122–25.
    Hamburg: Gesellschaft für Didaktik der Chemie und Physik, 2024.'
  ieee: J. Zeller and J. Riese, “Fähigkeitsprofile im Physikdidaktischen Wissen mithilfe
    von Machine Learning,” in <i>Frühe naturwissenschaftliche Bildung, Tagungsband
    der GDCP Jahrestagung 2023</i>, Hamburg, 2024, pp. 122–125.
  mla: Zeller, Jannis, and Josef Riese. “Fähigkeitsprofile im Physikdidaktischen Wissen
    mithilfe von Machine Learning.” <i>Frühe naturwissenschaftliche Bildung, Tagungsband
    der GDCP Jahrestagung 2023</i>, edited by Helena van Vorst, Gesellschaft für Didaktik
    der Chemie und Physik, 2024, pp. 122–25.
  short: 'J. Zeller, J. Riese, in: H. van Vorst (Ed.), Frühe naturwissenschaftliche
    Bildung, Tagungsband der GDCP Jahrestagung 2023, Gesellschaft für Didaktik der
    Chemie und Physik, Hamburg, 2024, pp. 122–125.'
conference:
  location: Hamburg
  name: GDCP Jahrestagung 2023
date_created: 2024-07-01T14:33:40Z
date_updated: 2024-07-03T08:47:31Z
ddc:
- '370'
department:
- _id: '15'
- _id: '299'
editor:
- first_name: Helena
  full_name: van Vorst, Helena
  last_name: van Vorst
file:
- access_level: closed
  content_type: application/pdf
  creator: jzeller
  date_created: 2024-07-01T14:27:20Z
  date_updated: 2024-07-01T14:27:20Z
  file_id: '54961'
  file_name: Zeller, Riese (2024) Fähigkeitsprofile im Physikdidaktischen Wissen mithilfe
    von ML.pdf
  file_size: 389778
  relation: main_file
  success: 1
file_date_updated: 2024-07-01T14:27:20Z
has_accepted_license: '1'
keyword:
- Physikdidaktisches Wissen
- Fähigkeitsprofile
- Machine Learning
language:
- iso: ger
license: https://creativecommons.org/licenses/by/4.0/
page: 122-125
place: Hamburg
publication: Frühe naturwissenschaftliche Bildung, Tagungsband der GDCP Jahrestagung
  2023
publication_status: published
publisher: Gesellschaft für Didaktik der Chemie und Physik
status: public
title: Fähigkeitsprofile im Physikdidaktischen Wissen mithilfe von Machine Learning
type: conference
user_id: '99022'
year: '2024'
...
---
_id: '56948'
abstract:
- lang: ger
  text: Das Fachdidaktische Wissen (FDW) steht als zentrale Komponente des Professionswissens
    angehender Lehrkräfte bereits länger im Fokus der fachdidaktischen Forschung.
    Bisherige Ergebnisse zu möglichen Entwicklungsstufen oder prototypischen Ausprägungen
    des FDW ermöglichen eine differenzierte Einordnung von Lernenden auf Basis der
    Bearbeitung erprobter, validierter Testinstrumente. Diese Testinstrumente sind
    häufig mit offenen Antwortformaten gestaltet und die nachträgliche Schließung
    solcher Testinstrumente hat sich als nicht unproblematisch in Hinblick auf Validität
    und Authentizität erwiesen. Um ein automatisiertes reichhaltiges Assessment-System
    auf Basis der bisherigen Forschungsergebnisse zu entwickeln, können alternativ
    erprobte offene Testinstrumente in Kombination mit Machine-Learning basierten
    Auswertungsverfahren genutzt werden. Im Vortrag werden Ergebnisse einer entsprechenden
    Analyse auf Basis eines vergleichsweise großen (844 Bearbeitungen) Datensatzes
    präsentiert. Dabei wird ein zweistufiger Assessment Prozess, in dem zunächst die
    offenen Aufgaben mithilfe eines Sprachmodells bepunktet werden und anschließend
    aus den Bepunktungen inhaltlich reichhaltiges Feedback erstellt wird, genutzt.
author:
- first_name: Jannis
  full_name: Zeller, Jannis
  id: '99022'
  last_name: Zeller
  orcid: 0000-0002-1834-5520
- first_name: Josef
  full_name: Riese, Josef
  id: '429'
  last_name: Riese
  orcid: 0000-0003-2927-2619
citation:
  ama: 'Zeller J, Riese J. Assessment des physikdidaktischen Wissens mithilfe von
    Machine Learning. In: <i>Entdecken, lehren und forschen im Schülerlabor. GDCP
    Jahrestagung 2024</i>.'
  apa: Zeller, J., &#38; Riese, J. (n.d.). Assessment des physikdidaktischen Wissens
    mithilfe von Machine Learning. <i>Entdecken, lehren und forschen im Schülerlabor.
    GDCP Jahrestagung 2024</i>. Entdecken, lehren und forschen im Schülerlabor. GDCP
    Jahrestagung 2024, Bochum.
  bibtex: '@inproceedings{Zeller_Riese, title={Assessment des physikdidaktischen Wissens
    mithilfe von Machine Learning}, booktitle={Entdecken, lehren und forschen im Schülerlabor.
    GDCP Jahrestagung 2024}, author={Zeller, Jannis and Riese, Josef} }'
  chicago: Zeller, Jannis, and Josef Riese. “Assessment des physikdidaktischen Wissens
    mithilfe von Machine Learning.” In <i>Entdecken, lehren und forschen im Schülerlabor.
    GDCP Jahrestagung 2024</i>, n.d.
  ieee: J. Zeller and J. Riese, “Assessment des physikdidaktischen Wissens mithilfe
    von Machine Learning,” presented at the Entdecken, lehren und forschen im Schülerlabor.
    GDCP Jahrestagung 2024, Bochum.
  mla: Zeller, Jannis, and Josef Riese. “Assessment des physikdidaktischen Wissens
    mithilfe von Machine Learning.” <i>Entdecken, lehren und forschen im Schülerlabor.
    GDCP Jahrestagung 2024</i>.
  short: 'J. Zeller, J. Riese, in: Entdecken, lehren und forschen im Schülerlabor.
    GDCP Jahrestagung 2024, n.d.'
conference:
  end_date: 2024-09-12
  location: Bochum
  name: Entdecken, lehren und forschen im Schülerlabor. GDCP Jahrestagung 2024
  start_date: 2024-09-09
date_created: 2024-11-08T07:39:57Z
date_updated: 2024-11-08T07:40:44Z
ddc:
- '370'
department:
- _id: '15'
- _id: '299'
file:
- access_level: closed
  content_type: application/pdf
  creator: jzeller
  date_created: 2024-11-08T07:39:37Z
  date_updated: 2024-11-08T07:39:37Z
  file_id: '56949'
  file_name: Tagungsbandbeitrag-Jannis-Zeller-GDCP2024_preprint.pdf
  file_size: 622347
  relation: main_file
  success: 1
file_date_updated: 2024-11-08T07:39:37Z
keyword:
- Physikdidaktisches Wissen
- Assessment
- Machine Learning
language:
- iso: ger
publication: Entdecken, lehren und forschen im Schülerlabor. GDCP Jahrestagung 2024
publication_status: inpress
status: public
title: Assessment des physikdidaktischen Wissens mithilfe von Machine Learning
type: conference
user_id: '99022'
year: '2024'
...