Verbesserung des Zusammenfassens durch formative Rückmeldungen in einer technologiegestützten Lernumgebung

Zusammenfassung Das Verfassen von Zusammenfassungen ist ein nützliches Lehrinstrument für das Lernen. Allerdings stellt das Schreiben von Zusammenfassungen für viele Studierende eine Herausforderung dar. Diese Mixed-Methods-Studie untersuchte das Potenzial des Student Mental Model Analyzer for Research and Teaching (SMART)-Systems, um den Studierenden zu helfen, Zusammenfassungen zu erstellen, die zentrale Konzepte und Beziehungen in einem Text widerspiegeln. SMART nutzt die Zusammenfassung der Studierenden, um eine multidimensionale 3S (Oberfläche, Struktur, Semantik) Bewertung des mentalen Modells der Studierenden zu erzeugen. Dieses Modell wird dann verwendet, um Rückmeldungen zu geben, die den Studierenden helfen, ihre Zusammenfassung zu überarbeiten. Die aktuelle Studie ist eine erste Untersuchung, die prüft, ob das Schreiben und Überarbeiten in SMART die Qualität der Zusammenfassungen der Studierenden verbessert. Studierende (n = 38) in einem Online-Kurs auf Graduatniveau nutzten SMART für sieben Leseaufgaben. Die 38 Studierenden reichten insgesamt 357 Zusammenfassungen als Antwort auf die sieben Lektüren ein. In 47 Fällen erstellten die Studierenden sowohl einen ursprünglichen Entwurf als auch eine überarbeitete Fassung. Diese 47 Fälle wurden für die Analyse ausgewählt. In der quantitativen Phase zeigten die MANOVA-Ergebnisse, dass sich die Zusammenfassungen der Studierenden in den 3S-Dimensionen vom ursprünglichen Entwurf zur Überarbeitung verbesserten. In der qualitativen Phase zeigte die Inspektion von Beispielfällen, wie sich die mentalen Modelle der Studierenden hin zu einer robuster und kohärenteren Wissensstruktur für Texte veränderten.