Logo des Repositoriums

Auflistung nach Autor:in "Christ, Paul"

1 - 2 von 2
  • Konferenzbeitrag
    ALADIN – Generator für Aufgaben und Lösung(shilf)en aus der Informatik und angrenzenden Disziplinen
    (Modellierung 2022 Satellite Events, 2022) Christ, Paul; Laue, Ralf; Munkelt, Torsten
    Das Erlernen von Fähigkeiten zur Modellbildung ist eine grundlegende Zielstellung in vielen Studiengängen. Insbesondere in der Informatik und angrenzenden Disziplinen lassen sich viele Modellierungsaufgaben mittels Graphen repräsentieren, was das computergestützte Generieren solcher Graphen und entsprechender Aufgaben und Lösung(shilf)en auf Grundlage bestehender Graphenalgorithmen nahelegt. Dieser Beitrag stellt das Framework ALADIN vor, welches graphenbasierte Modelle und Aufgaben für Probleme aus verschiedenen Fachbereichen generiert und Studenten bei der Lösung der Probleme unterstützt. Die Generierung erfolgt parametrisiert, um dem Anforderungsprofil der Bearbeiter zu entsprechen. ALADIN ermöglicht eine zeit- und ortsunabhängige Bearbeitung von Übungsaufgaben. Zudem prüft ALADIN die Lösungen direkt auf Korrektheit, ohne Lehrpersonal zu binden. Aufzeichnungs- und Wiedergabefunktionalität erhöht den Nutzen von ALADIN in Blended-Learning-Szenarien.
  • Conference paper
    Automatische Generierung von Aufgaben für die konzeptuelle Modellierung
    (Proceedings of DELFI 2024, 2024) Christ, Paul; Haake, Jörg; Munkelt, Torsten
    Die konzeptuelle Modellierung ist eine wichtige Kompetenz für verschiedene Disziplinen. Das Erlangen dieser Kompetenz erfordert Übung und die Auseinandersetzung mit Aufgaben, die verschiedene kognitive Prozessdimensionen adressieren. Viele solcher Aufgaben sind nötig, um eine große Anzahl an Lernenden mit unterschiedlichen Anforderungen zu bedienen. Der Bedarf einer großen Menge an diversen Aufgaben kann nicht manuell gedeckt werden. Derzeitigen automatischen Methoden, wie der Automatic Item Generation (AIG), mangelt es entweder an Skalierbarkeit oder der Möglichkeit, höhere kognitive Prozessdimensionen zu adressieren. Um diesen Mängeln entgegenzuwirken, wird ein generalisierter AIG-Prozess (gAIG) vorgeschlagen. Schritt 1 dieses Prozesses umfasst die Erzeugung einer Item-Spezifikation, welche eine Schablone für einen Aufgabentyp darstellt, und aus Templates einer Aufgabenbeschreibung, einem Input für Lernende, einer erwarteten Ausgabe (Lösungsvorschlag) und einem Antwort-Format besteht. Schritt 2 dieses Prozesses nimmt die Spezifikation eines parametrisierbaren Generators vor, welcher zur Item-Spezifikation passende Items erzeugt. Eine Fallstudie zeigt die Anwendung der gAIG zur Generierung von Aufgaben zur konzeptuellen Modellierung, welche die kognitiven Prozessdimensionen Anwenden und Analysieren adressiert, was bisherige Methoden nicht skalierbar vermögen.