Im Informatikunterricht eingesetzte Lernund Programmierumgebungen geben den Benutzenden Feedback in Form von Systemmeldungen, die durch Programmfehler ausgelöst und gesteuert werden und oft nur technische Hinweise enthalten ohne Bezug zum Problemlöseprozess der Lernenden. Um diese Rückmeldungen nicht nur an das Faktenwissen der Lernenden, sondern auch an ihr prozedurales Wissen zu adaptieren, müssen deren Vorgehensweisen bei der Problemlösung automatisiert prozessbegleitend identifiziert werden. Dieser Artikel beschreibt einen Weg, dieses Ziel unter Verwendung von Mustererkennungsmethoden zu erreichen. Die in einer Studie von 65 Lernenden im Alter von 12 bis 13 Jahren erhobenen Daten werden verwendet, um ein auf verborgenen Markow-Modellen basierendes Klassifikationssystem zu trainieren. Dieses System wird integriert in die Programmierumgebung und ermöglicht somit die automatisierte Identifizierung der Vorgehensweise der Lernenden. In diesem Artikel werden die Funktionsweise der automatisierten prozessbegleitenden Identifizierung beschrieben und Ergebnisse aus den erhaltenen Daten diskutiert.

Volltext

Learning and programming environments used in computer science education give feedback to the users by system messages. These are triggered by programming errors and give only "technical" hints without regard to the learners' problem solving process. To adapt the messages not only to the factual but also to the procedural knowledge of the learners, their problem solving strategies have to be identified automatically and in process. This article describes a way to achieve this with the help of pattern recognition methods. Using data from a study with 65 learners aged 12 to 13 using a learning environment for programming, a classification system based on hidden Markov models is trained and integrated in the very same environment. We discuss findings in that data and the performance of the automatic online identification, and present first results using the developed software in class.

Full text in the ACM Digital Library

Beim Lehren algorithmischer Grundbegriffe werden oft spezielle Lernund Programmierumgebungen eingesetzt. Diese besitzen altersgerechtes Design und sind leicht erlernund bedienbar. Trotz allem haben viele Lernende Schwierigkeiten in diesem Bereich und ihre Leistungen bleiben hinter den Erwartungen zurück. Eine Voraussetzung zur Verbesserung des Lehr-/Lern-Prozesses besteht darin, genauere Kenntnisse bezüglich der von den Lernenden eingesetzten individuellen Problemlösestrategien zu erhalten. Ein Ziel dieses Forschungsprojekts ist es, bereits während des laufenden Lösungsprozesses die einzelnen Problemlösestrategien automatisiert zu identifizieren und zu kategorisieren. Dazu müssen in die Lernumgebungen spezielle Analyseund Diagnosemodule integriert werden, deren Ergebnisse schließlich in der Gestalt von individualisierten und an die Vorgehensweise der Lernenden adaptierten Systemrückmeldungen verwendet werden können. Dies kann zu einer Verbesserung der Lernund Programmierumgebungen und damit der Informatikstunden, in denen sie eingesetzt werden, führen. In diesem Artikel werden Untersuchungswerkzeuge und der Untersuchungsprozess erläutert sowie erste Studien beschrieben, deren Ergebnisse vorgestellt und diskutiert werden. Außerdem werden Möglichkeiten zur Verifizierung und Validierung dieser Ergebnisse aufgezeigt und eine davon ausgearbeitet.

Volltext

Learners often use learning and programming environments to practice basics of programming and solving algorithmic problems. To adapt the software feedback to each learner's problem solving process, the learning environment will be enhanced with a tool to identify the individual problem solving strategy in-process automatically. Former attribution of problem solving strategies to patterns in recorded learner-system interactions by human researchers should be validated with the help of questionnaires based on the Theory of Reasoned Action. To identify the patterns automatically, speech recognition methods can be used. In this research project each single problem solving strategy is modelled by a hidden markov model.

Full text in the ACM Digital Library

Im Teilbereich der Algorithmik werden oft spezielle Lernund Programmierumgebungen eingesetzt, um insbesondere im Informatikunterricht der Sekundarstufe I den Lernenden die Grundlagen des Programmierens zu vermitteln. In einigen deutschen Bundesländern (z. B. Bayern), werden die Programmiergrundlagen bereits in der 7. Jahrgangsstufe (12 bis 13-jährige) gelehrt, wo dann altersgerecht gestaltete Lernund Programmierumgebungen wie Robot Karol und Kara, der programmierbare Marienkäfer, verwendet werden. Trotz all dieser Be- mühungen bleiben die Leistungen der Lernenden oft hinter den Erwartungen zu- rück. Um eine Verbesserung der Lehr-Lern-Prozesse zu erreichen, ist ein möglicher Ansatz genauere Kenntnisse bezüglich der individuellen Vorgehensweisen von Lernenden beim Erstellen ihrer Lösungen unter Berücksichtigung der Lö- sungsqualität zu erhalten. Ziel des hier angesprochenen Forschungsvorhabens ist die Identifizierung und Kategorisierung verschiedener Vorgehensweisen der Lernenden, um Lernund Programmierumgebungen und den damit gestalteten Informatikunterricht zu optimieren. Dazu müssen die eingesetzten Lernund Programmierumgebungen um spezielle Untersuchungsund Diagnosekomponenten erweitert werden, deren Ergebnisse künftig den Lernenden in Form individualisierter Hilfestellungen zur Verfügung gestellt werden können. Im vorliegenden Text werden Vorüberlegungen dargelegt, die Forschungsmethodik und die Konzipierung und Implementierung der Forschungsinstrumente erläutert, erste Studien beschrieben sowie deren Ergebnisse vorgestellt und diskutiert.

Volltext

not available

Full text in the ACM Digital Library