Large Language Models

In der universitären Lehrkräftebildung wird die schriftliche Reflexion eigener Unterrichtserfahrungen für die professionelle Entwicklung von Lehrkräften genutzt.

Oftmals ist das gegebene Feedback allgemein gehalten und nicht spezifisch auf den Inhalt bezogen. Fortschritte in der Verarbeitung natürlicher Sprache (Natural Language Processing) können helfen, schriftliche Reflexionen besser zu analysieren.

In dieser Studie werden natürliche Sprachverarbeitung und maschinelles Lernen verwendet, um einen sog. Klassifikator zu trainieren.

Dieser soll die schriftlichen Reflexionen von angehenden Chemielehrkräften nach bestimmten Kriterien klassifizieren, die bisher mit Hilfe klassischer Kodiermanuale identifiziert wurden.

Anschließend wird geprüft, ob das trainierte Modell in der Lage ist, die Elemente des Reflexionsmodells in den schriftlichen Reflexionen zu identifizieren.

Ziel ist die Entwicklung eines automatisierten Feedback- Tools, welches das eher allgemeine Feedback durch datengestütztes analytisches Feedback ergänzt und eine Alternative zum klassischen Kodieren darstellt.