Assessment des physikdidaktischen Wissens mithilfe von Machine Learning

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.