Christ, PaulHaake, JörgMunkelt, TorstenSchulz, SandraKiesler, Natalie2024-09-032024-09-032024https://dl.gi.de/handle/20.500.12116/44513Die 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.deAIGAutomatic Item Generationkonzeptuelle Modellierungkompetenzorientierte AufgabenE-AssessmentE-LearningBloom’s TaxonomieGraph-RewritingAutomatische Generierung von Aufgaben für die konzeptuelle ModellierungText/Conference paper10.18420/delfi2024_30