Was Denken sie? Automatisierte Analyse von Schülertexten über Säure-Base-Chemie im Einführungsbiologie-Kurs

Die schriftlichen Arbeiten der Studierenden können tiefere Einblicke in ihr Denken geben als Multiple-Choice-Fragen. Ressourcenbeschränkungen verhindern jedoch oft, dass Dozenten Schreibbewertungen in großen Bachelor-Kursen der Naturwissenschaften verwenden. Wir haben die Verwendung von Software untersucht, um die schriftlichen Arbeiten der Studierenden zu analysieren und ihre Ideen über Chemie in einem Einführungsbiologie-Kurs zu erfassen. Die Studierenden wurden gebeten, das Säure-Base-Verhalten biologischer funktioneller Gruppen vorherzusagen und ihre Antworten zu erklären. Die Erklärungen der Studierenden wurden von zwei unabhängigen Bewertern bewertet. Die Antworten wurden auch mit SPSS Textanalyse für Umfragen und einer benutzerdefinierten Bibliothek von wissenschaftsbezogenen Begriffen und lexikalischen Kategorien, die für das Bewertungsitem relevant sind, analysiert. Diese Analysen offenbarten die konzeptionellen Verbindungen, die von den Studierenden hergestellt wurden, die Schwierigkeiten der Studierenden, diese Themen zu erklären, und die Heterogenität der Ideen der Studierenden. Wir validierten die lexikalische Analyse, indem wir Interviews mit Studierenden mit der lexikalischen Analyse korrelierten. Wir verwendeten die Diskriminanzanalyse, um Klassifikationsfunktionen zu erstellen, die sieben Schlüssellexikalkategorien identifizierten, die die Expertenbewertung vorhersagen (Interrater-Reliabilität mit Experten = 0,899). Diese Studie legt nahe, dass die computerisierte lexikalische Analyse nützlich sein kann, um große Mengen offener Antworten von Studierenden automatisch zu kategorisieren. Die lexikalische Analyse bietet Lehrkräften einzigartige Einblicke in das Denken der Studierenden und eine Perspektive der gesamten Klasse, die schwierig zu erhalten ist aus Multiple-Choice-Fragen oder dem Lesen einzelner Antworten.