tech4comp - Personalisierte Kompetenzentwicklung durch skalierbare Mentoringprozesse

BMBF-Verbundprojekt tech4comp - Personalisierte Kompetenzentwicklung durch skalierbare Mentoringprozesse
Das Verbundprojekt tech4comp ist zum 01. Oktober 2018 gestartet. Unter der Leitfrage "Wie müssen Gestaltungskonzepte aussehen, die die erwiesene Qualität von individuellem Mentoring für den Erwerb von Kompetenzen skalierbar machen?" beforschen bundesweit acht Projektpartner, darunter die MLU, bis März 2022 Konzepte für personalisierte Lernumgebungen und Mentoring für die Studierenden von heute und morgen. Gefördert wird das Projekt durch das Bundesministerium für Bildung und Forschung in der Förderlinie "Innovationspotenziale digitaler Hochschulbildung".
Die Projektgruppe der Martin-Luther-Universität Halle-Wittenberg (MLU), der Technischen Universität Dresden (TU Dresden), des Educational Technology Labs des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI), der Technischen Universität Chemnitz (TU Chemnitz), der Hochschule für Technik, Wirtschaft und Kultur Leipzig (HTWK Leipzig), der Freien Universität Berlin (FU), der Erziehungswissenschaftlichen Fakultät der Universität Leipzig sowie der Rheinisch-Westfälischen Technischen Hochschule Aachen (RWTH) erforschen gemeinsam, wie man den Lernprozess von Studierenden bestmöglich begleiten kann. Das Projekt setzt dabei auf technologiegestütztes Mentoring und Mentoringwerkzeuge.
Teilvorhaben an der Martin-Luther-Universität Halle-Wittenberg (MLU)
Die Projektgruppe der MLU trägt von Halle aus die  wissensdiagnostische Erstellung von Wissens- und Domänenmodellen für  Fächer und Universitätsstandorte zum Gesamtprojekt bei. Die bestehenden  computer-linguistischen Textanalysewerkzeuge T-MITOCAR und T-MITOCAR Artemis wurden von Prof. Pirnay-Dummer  entwickelt und werden im Projekt zur Wissensdiagnostik und  -modellierung eingesetzt. Die Software steht auf  kognitionspsychologischer Grundlage, kann automatisch Wissen  extrahieren, das in Text enthalten ist und wird seit mehr als zehn  Jahren international Einsatz eingesetzt. Aus der Analyse entstehen unter  anderem umfassende Wissenslandkarten von individuellen Texten bis hin  zu aggregierten Gruppenrepräsentationen. Die Software erlaubt neben der  Erstellung dieser Wissenslandkarten auch den graphentheoretischen  Vergleich verschiedener Wissenslandkarten untereinander. Hiermit wird  möglich, die Veränderung des im Text erfassten Wissens zu messen, z. B.  von einer Laienvorstellung hin zu einer spezifischen Expertenauffassung.  Somit wird auf Basis von Texten ermöglicht, z. B. den Lernprozess von  Studierenden über die Zeit zu betrachten und Veränderungen gegenüber dem  tatsächlich gelehrten Inhalt zu ermitteln. Außerdem können so auch die  Texte verschiedener Studierender untereinander oder Studierendentexte  mit Lehrbuchtexten hinsichtlich der in ihnen enthaltenen  Wissensstrukturen verglichen werden. Mit dieser Technologie kann darüber  hinaus aus den in der Lehre eingesetzten Texten und schriftlichen  Lehrmaterialien einer Domäne (im Projekt: Mathematik und    Bildungswissenschaft) ein aggregiertes Wissensmodell erstellt werden,  welches die Domäne als Ganzes abbildet. Solche Domänenmodelle können  ebenfalls für Vergleiche mit Studierendentexten herangezogen werden,  sodass automatisiertes inhaltliches, individuelles Feedback möglich  wird.
Das Teilprojekt in Halle entwickelt auch die dazu passenden  technischen Schnittstellen zu den weiteren datenverarbeitenden  Technologien im Verbundprojekt im Vordergrund. Geleitet wird das  Teilvorhaben der MLU von Herrn Prof. Dr. Pirnay-Dummer (Institut  für Pädagogik, Arbeitsbereich Pädagogische Psychologie) und gemeinsam  mit Dr. Inka Hähnlein, Dr. Wibke Hachmann, Dr. Matthias Zaft, Inga Kampmann und Philipp Streit durchgeführt.