Alternative Methoden für die Analyse von Freitextantworten im E-Learning. Neue Potenziale für eAssessment?
1. Alternative Methoden für die Analyse
von Freitextantworten im E-Learning.
Neue Potenziale für eAssessment?
Dr. Marco Kalz
Centre for Learning Sciences and Technologies
(CELSTEC)
Open University of the Netherlands
marco.kalz@ou.nl
2. Struktur
Hintergrund
Latent Semantische Analyse (LSA)
Methode
Anwendungsbeispiele
CELSTEC Prototypen
Placement Support Service
Advanced (Peer) Tutor Locator
Zusammenfassung
Erkenntnisse
Ein Essay Scoring System für Edumedia
Tutoring der Zukunft?
3. Forschungsfokus
eAssessment Lösungen für die Geistes-, Sozial- und
Erziehungswissenschaften
Fokus: Kurse mit vielen Teilnehmern (x>200)
Fokus: Non-formale Lernzenarien
6. Latent Semantische Analyse
Entwickelt von Deerwester, Dumais, Furnas, Landauer, &
Harshman 1990) bei der Firma Bellcore Labs
Statistisches Verfahren für die Berechnung der Ähnlichkeit
von Texten auf der Basis von Ko-Okurrenzen
Rein semantischer Ansatz, keine Syntax
Mehrstufiges Verfahren: TDM - SVD - Query
Vektobasiertes Verfahren: Ähnlichkeit durch Winkel
zwischen 2 Vektoren
Vorteil gegenüber Keyword-Verfahren: Latente Ähnlichkeit
7. LSA Beispiel (Gorrell 2005)
1.) Textinput (Meist Dokumente/Paragraphen)
"The man walked the dog"
"The man took the dog to the park"
"The dog went to the park"
2.) Term-Dokumenten-Matrix (TDM)
9. eAssessment mit LSA
Essay Scoring Systems
Question Answering Systems
Automated Tutoring Systems
Selection of Educational Material
Matching employees profiles with
tasks
Automated Summarization
15. Zusammenfassung
Beide Prototypen sind im Rahmen von PhD Projekten
evaluiert worden
Beide Prototypen konnten effizient die Arbeit von
Tutoren unterstützen
Probabilistisches Verfahren, keine Garantie für richtiges
Feedback (aber hohe Trefferquoten von über 80% im
Vergleich mit einem menschlichen Urteil)
Nur anwendbar in textbasierten Disziplinen
16. Erkenntnisse
Hoher Erstellungsaufwand am Anfang
Einige kontextuelle Faktoren, die Übertragbarkeit
einschränken
Lokalisierungsbedarf
Noch wenige Erfahrungen außerhalb der englischen
Sprache
Perspektive: Selbst-optimierende Systeme
Perspektive: Kombination von LSA mit klassischen
Data Mining Methoden
17. Ein Essay-Scoring Scenario
Edumedia: Einzelaufgaben (Freitext)
Benotete Referenzbeispiele
Cluster Sehr gut - gut
Cluster befriedigend -
ausreichend
Neues ubekanntes Dokument
Cluster mangelhaft
Sehr geehrte Damen und Herren, vielen Dank für die Einladung zum Forschungskolloquium hier in Duisburg. Ich werde mich heute mit dem Thema der computergestützten Analyse von Freitextantworten im E-Assessment beschäftigen. Der Vortrag basiert zum Teil auf einem Vortrag, den ich Anfang Januar auf der OnlinEduca in Berlin gehalten habe.
Zunächst werde ich Ihnen kurz etwas zur Motivation erläutern, die uns dazu geführt hat, uns mit Freitextantworten zu beschäftigen. Anschließend werde ich kurz etwas zu einer Methode sagen, die wir in verschiedenen Projekten eingesetzt haben. Anschließend werde ich 2 Prototypen vorstellen, die wir in den letzten Jahren entwickelt und evaluiert haben. Diese Erfahrungen aus den beiden Projekten werde ich zusammenfassen und ein Beispiel für ein mögliches Essay Scoring System für Edumedia zu geben. Am Ende werde ich Ihnen in einem ca. 2-minütigen Video einen Ausblick in die Zukunft der computergestützten Unterstützung von Lernern geben.
Der Grund, warum wir uns mit der computergestützten Auswertung von Freitextantworten beschäftigen ist, dass dieses Antwortformat in den Geistes-, Sozial- und Erziehungswissenschaften einen hohen Stellenwert hat, während reine Wissensabfragen über z.B. Multiple-Choice hier eher selten vorkommen. Ein weiterer Grund für die Untersuchung nach alternativen Auswertungsverfahren von Freitextantworten sind einige Kurse an der OUNL, die oft mit mehr als 200 TN absolviert werden. Hier kann die tutorielle Betreuung meist nicht zufriedenstellend gewährleistet werden. Zunehmende Bedeutung erhalten auch non-formale Lernangebote, bei denen die Rolle eines Tutors gar nicht vorhanden ist.
Um zu sehen, wie Freitextantworten im eAssessment gehandhabt werden steigen wir doch direkt einmal ein mit dem Gewinner des diesjährigen Medidaprix, dem eAssessment Center der Universität Bremen ein. Auf dieser Folie sehen wir, welche Fragetypen in diesem eAssessment-Center benutzt werden können. Wie wir hier lesen können, findet die Auswertung der Texte manuell statt.
Hartig & Klieme haben 2007 einmal offene mt geschlossenen Antwortformaten verglichen und sehen besonders die zeitaufwendige Beantwortung und aufwendige Auswertung als Nachteil. In diesem Vortrag will ich Ihnen eine Methode vorstellen, mit der bei der computertestützten Auswertung von Freitextantworten schon beachtliche Erfolge erzielt wurden.
Entwickelt wurde das Verfahren von Mitarbeitern der Firma Bellcore, die bis zu diesem Jahr in den USA auch ein Patent darauf hatten. Generell handelt es sich bei der LSA um ein rein mathematisch-statistisches Modell, das das Vorkommen von bedetungstragenden Wörtern zusammen mit anderen bedeutungstragenden Wörtern analysiert. Dabei ist es ein rein semantisches Modell, das keinerlei Syntax oder Grammatik in Betracht zieht.
Diese Methode wurde in den USA zur Entwicklung von unterschiedlichen Systemen verwendet.
An der OUNL haben wir das Verfahren angewendet, um Lerner und Lehrende bei der Auswertung von Portfolios für die Annerkennung von bereits erworbenem Wissen zu unterstützen. Dabei wurde LSA benutzt, um die Ähnlichkeit zwischen von den Lernern in der Vergangenheit geschriebenen Texten und Kursinhalten in einem gewählten Studienprogramm zu berechnen.