SSE

SSE -

Schriftspracherwerbsdidaktik optimiert und effektiviert erlernen

Die Ma?nahme SSE erprobte und evaluierte in Zusammenarbeit mit allen drei Phasen der Lehrkr?ftebildung ein digitales Diagnose-F?rder-Tool zur adaptiven Gestaltung von Lernprozessen. Das Tool erfasste die individuelle (Recht-)Schreibentwicklung und das Lernverhalten von Grundschüler:innen. Machine Learning-Algorithmen stimmten Schreib(teil-)?leistungen und lernbezogene Einflussfaktoren wie Motivation, kognitive Aktivierung sowie Time-on-Task als Basis für eine (teil-)automatisierte Aufgabenauswahl und -sequenzierung aufeinander ab. W?hrend der Erprobungs- und Evaluierungsphasen wurden Studierende, Referendar:innen und Lehrkr?fte in einer partizipativ-symbiotischen Bottom-up-Strategie eingebunden, indem sie das Tool einsetzten, Entwicklungen der Schüler:innen datenbasiert beobachteten, die maschinelle Einordnung von Rechtschreibfehlern und Lernverhalten supervidierten sowie maschinell erzeugte F?rderempfehlungen als Expert:innen bewerteten.

Poster ?bersicht SSE

Ziele der Ma?nahmen:

Mit der Ma?nahme wurden im Kern drei Ziele verfolgt:

Studierende entwickelten Data Literacy, indem sie Kenntnisse der lese- und schreibbezogenen Prozessanalyse erwarben und entwicklungsorientierte F?rderma?nahmen einübten.
Mediendidaktische Kompetenz der Studierenden wurde geschult, indem digitale Tools passend zu den Lernvoraussetzungen der Schüler:innen ausgew?hlt und selbst geplant wurden.
Informatische Kompetenz der Studierenden wurde angebahnt, indem ein Einblick in die Entwicklung und Funktionsweise künstlich intelligenter Software gegeben wurde.

Interview

Interview mit dem Team von SSE

Daniel Brühl von SSE (Schriftspracherwerbsdidaktik optimiert und effektiviert erlernen) über Spannungsfelder innerhalb der Ma?nahme und die Entwicklung einer KI-gestützten Rechtschreib-App.

Leitung:

Prof. Dr. Meike Munser-Kiefer (Lehrstuhl für Grundschulp?dagogik und -didaktik (Diversit?t))
Prof. Dr. Sven Hilbert (Lehrstuhl für Educational Data Science)

Weitere Mitarbeitende:

Daniel Brühl (wiss. Mitarbeiter Grundschulp?dagogik)
Richard B?hme?(wiss. Mitarbeiter Grundschulp?dagogik)

Kontakt:

Daniel Brühl (wiss. Mitarbeiter Grundschulp?dagogik)

Ver?ffentlichungen und Pr?sentationen

2023

B?hme, Richard/ Brühl, Daniel/ Reisemann, Katharina/ Munser-Kiefer, Meike/ Hilbert, Sven (2023): Auf- und Ausbau von Kompetenzen zur digital gestützten Diagnose und F?rderung im schriftsprachlichen Anfangsunterricht. Ein phasenübergreifendes Seminarkonzept für (angehende) Grundschullehrkr?fte. Herausforderung Lehrer*innenbildung - Zeitschrift zur Konzeption, Gestaltung und Diskussion 6(2), S. 31-48
B?hme, Richard/? Coors, Stefan/? Oster, Patrick/? Munser-Kiefer, Meike/ Hilbert, Sven: Machine Learning for Spelling Acquisition. How Accurate is the Prediction of Specific Spelling Errors in German Primary School Students (angenommen)
Preprint: https://doi.org/10.31234/osf.io/shguf

2022

B?hme, R., Coors, S., Oster, P., Munser-Kiefer, M. & Hilbert, S. (2022, September).?Machine Learning (ML) for Spelling Acquisition. How Accurate is the Prediction of Specific Spelling Errors in German Primary School Students??Posterpr?sentation auf der 30. Jahrestagung der Kommission Grundschulforschung und P?dagogik der Primarstufe der Deutschen Gesellschaft für Erziehungswissenschaft (DGfE), Regensburg.?https://osf.io/z8scw/

2021

Hilbert, S./ Coors, S./ Kraus, E./ Bischl, B./ Lindl, A./ Frei, M./ ... / Stachl, C. (2021). Machine learning for the educational sciences. Review of Education, 9(3), e3310.
B?hme/ Richard, Munser-Kiefer/ Meike, Coors/ Stefan, Hilbert/ Sven & Oster/ Patrick: Digitalbasierte Analyse von Mikroprozessen der orthografischen Entwicklung von Erst- und Zweitkl?ssler*innen. Jahrestagung der DGfE-Sektion Schulp?dagogik. September 2021. Osnabrück.

L-DUR wurde im Rahmen der gemeinsamen "Qualit?tsoffensive Lehrerbildung" von Bund und L?ndern aus Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) gef?rdert. (FKZ: 01JA2010)