«Assess-med-BERT» – Ein Algorithmus zur automatisierten Erstellung von Distraktoren in deutschsprachigen Multiple Choice Fragen für Online Self-Assessments um das Lernen effizient zu unterstützen

Das Projekt verfolgt das Ziel, das Lernen am Beispiel des medizinischen Kontexts zu verbessern, indem Lehrende effizienter Übungsfragen generieren können.

Abstract

Das Projekt befasst sich mit einem Algorithmus zur automatisierten Erstellung von Distraktoren in deutschsprachigen Multiple Choice Fragen für Online Self-Assessments um das Lernen effizient zu unterstützen. Fachübergreifend zeigt sich, dass es zu wenig Übungsaufgaben (i.S. von Self-Assessments) für Lernende gibt, weil die Erstellung viel Zeit benötigt. Da Lehrende bereits viel Zeit verwenden, Multiple Choice Fragen (MCQs) für Prüfungen zu erstellen, fehlt ihnen diese Zeit, um zusätzlich weitere Übungsaufgaben anzubieten. Die vorhandene Forschung zur automatisierten Generierung von Übungsaufgaben bezieht sich weitgehend auf englischsprachige Datengrundlagen, welche nicht auf die deutsche Sprache übertragen werden können. Diese Lücke soll mit dem vorliegenden Projekt geschlossen werden. Das Projekt verfolgt das Ziel, das Lernen am Beispiel des medizinischen Kontexts im deutschsprachigen Raum zu verbessern, indem Lehrende effizienter Übungsfragen generieren (lassen) können, wodurch sich Lernende (sowohl Studierende als auch Weiterzubildende) durch die Verwendung dieser generierten Übungsaufgaben besser neues Wissen aneignen können.

 

Im vorliegenden Forschungsprojekt soll ein Modell auf Grundlage von künstlicher Intelligenz und Natural Language Processing (NLP) entwickelt werden, welches es Akteuren und Akteurinnen im Bildungsbereich ermöglicht, Lernmöglichkeiten (Self-Assessments) mit deutlich geringerem Aufwand als bisher zur Verfügung zu stellen.

(Zwischen-) Ergebnisse und Infos zum Projektstand

Die Erstellung des Modells umfasst zwei wesentliche Schritte: Im ersten Schritt wird ein medizinischer Korpus, eine Ansammlung von Algorithmen und Daten, aufgebaut. Im zweiten Schritt soll das Modell mithilfe des Korpus lernen, automatisiert Distraktoren, d.h. Falschantworten von MCQs, zu generieren. Dabei dienen der Fragestamm und die richtige Wahlantwort als Inputvariablen. Die daraus resultierenden Distraktoren sollen für Self-Assessments eingesetzt werden. Anschliessender Bestandteil des Projekts sind die Implementierung des Self-Assessments, wobei auch eine inhaltliche Überprüfung durch Fachexpertinnen und Fachexperten stattfindet sowie ein Praxistest mit Studierenden. Alle Schritte werden anschliessend evaluiert und in einem Bericht festgehalten.

Translation

Im vorliegenden Kooperations-Projekt mit Beteiligten von vier Institution (Institut für Medizinische Lehre und Institut für Psychologie Universität Bern, Universität Fribourg, Berner Fachhochschule Gesundheit) wird der Fokus auf MCQs im medizinischen Bereich gelegt, da die Projektverantwortlichen hier über besondere Expertise und eine bestehende Datensammlung verfügen. Die geplante Publikation der Ergebnisse, inklusive Mitteilung der präzisen Vorgehensweisen und wichtigsten Erfahrungen, soll perspektivisch jedoch ermöglichen, die beschriebene Verbesserung von Self-Assessments auch bei den Kooperationspartnerinnen und Kooperationspartnern und in anderen deutschsprachigen Bildungskontexten nutzen zu können.

Ansprechperson(en)

Beteiligte Personen

Beteiligte Institutionen