Skip to content. | Skip to navigation

Document Actions

Citation and metadata

Back to the article.

Recommended citation

Pinkwart, N., Aleven, V., Ashley, K., Lynch, C. (2008). Adaptive Rückmeldungen im intelligenten Tutorensystem LARGO. eleed, Iss. 5. (urn:nbn:de:0009-5-16085)

Download Citation

Endnote

%0 Journal Article
%T Adaptive Rückmeldungen im intelligenten Tutorensystem LARGO
%A Pinkwart, Niels
%A Aleven, Vincent
%A Ashley, Kevin
%A Lynch, Collin
%J eleed
%D 2008
%V 5
%N 1
%@ 1860-7470
%F pinkwart2008
%X Das intelligente Tutorensystem LARGO für die Rechtswissenschaften soll Jurastudenten helfen, Argumentationsstrategien zu lernen. Im verwendeten Ansatz werden Gerichtsprotokolle als Lernmaterialien verwendet: Studenten annotieren diese und erstellen graphische Repräsentationen des Argumentationsverlaufs. Das System kann dabei zur Reflexion über die von Anwälten vorgebrachten Argumente anregen und Lernende auf mögliche Schwächen in ihrer Analyse des Disputs hinweisen. Zur Erkennung von Schwächen verwendet das System Graphgrammatiken und kollaborative Filtermechanismen. Dieser Artikel stellt dar, wie in LARGO auf Basis der Bestimmung eines „Benutzungskontextes“ die Rückmeldungen im System benutzungsadaptiv gestaltet werden. Weiterhin diskutieren wir auf Basis der Ergebnisse einer kontrollierten Studie mit dem System, welche mit Jurastudierenden an der University of Pittsburgh stattfand, in wie weit der automatisch bestimmte Benutzungskontext zur Vorhersage von Lernerfolgen bei Studenten verwendbar ist.
%L 370
%K LMS
%K e-learning
%K intelligente Tutorensysteme
%K juristische Argumentation
%K learning management system
%K tutoring systems
%U http://nbn-resolving.de/urn:nbn:de:0009-5-16085
Download

Bibtex

@Article{pinkwart2008,
  author = 	"Pinkwart, Niels
		and Aleven, Vincent
		and Ashley, Kevin
		and Lynch, Collin",
  title = 	"Adaptive R{\"u}ckmeldungen im intelligenten Tutorensystem LARGO",
  journal = 	"eleed",
  year = 	"2008",
  volume = 	"5",
  number = 	"1",
  keywords = 	"LMS; e-learning; intelligente Tutorensysteme; juristische Argumentation; learning management system; tutoring systems",
  abstract = 	"Das intelligente Tutorensystem LARGO f{\"u}r die Rechtswissenschaften soll Jurastudenten helfen, Argumentationsstrategien zu lernen. Im verwendeten Ansatz werden Gerichtsprotokolle als Lernmaterialien verwendet: Studenten annotieren diese und erstellen graphische Repr{\"a}sentationen des Argumentationsverlaufs. Das System kann dabei zur Reflexion {\"u}ber die von Anw{\"a}lten vorgebrachten Argumente anregen und Lernende auf m{\"o}gliche Schw{\"a}chen in ihrer Analyse des Disputs hinweisen. Zur Erkennung von Schw{\"a}chen verwendet das System Graphgrammatiken und kollaborative Filtermechanismen. Dieser Artikel stellt dar, wie in LARGO auf Basis der Bestimmung eines „Benutzungskontextes`` die R{\"u}ckmeldungen im System benutzungsadaptiv gestaltet werden. Weiterhin diskutieren wir auf Basis der Ergebnisse einer kontrollierten Studie mit dem System, welche mit Jurastudierenden an der University of Pittsburgh stattfand, in wie weit der automatisch bestimmte Benutzungskontext zur Vorhersage von Lernerfolgen bei Studenten verwendbar ist.",
  issn = 	"1860-7470",
  url = 	"http://nbn-resolving.de/urn:nbn:de:0009-5-16085"
}
Download

RIS

TY  - JOUR
AU  - Pinkwart, Niels
AU  - Aleven, Vincent
AU  - Ashley, Kevin
AU  - Lynch, Collin
PY  - 2008
DA  - 2008//
TI  - Adaptive Rückmeldungen im intelligenten Tutorensystem LARGO
JO  - eleed
VL  - 5
IS  - 1
KW  - LMS
KW  - e-learning
KW  - intelligente Tutorensysteme
KW  - juristische Argumentation
KW  - learning management system
KW  - tutoring systems
AB  - Das intelligente Tutorensystem LARGO für die Rechtswissenschaften soll Jurastudenten helfen, Argumentationsstrategien zu lernen. Im verwendeten Ansatz werden Gerichtsprotokolle als Lernmaterialien verwendet: Studenten annotieren diese und erstellen graphische Repräsentationen des Argumentationsverlaufs. Das System kann dabei zur Reflexion über die von Anwälten vorgebrachten Argumente anregen und Lernende auf mögliche Schwächen in ihrer Analyse des Disputs hinweisen. Zur Erkennung von Schwächen verwendet das System Graphgrammatiken und kollaborative Filtermechanismen. Dieser Artikel stellt dar, wie in LARGO auf Basis der Bestimmung eines „Benutzungskontextes“ die Rückmeldungen im System benutzungsadaptiv gestaltet werden. Weiterhin diskutieren wir auf Basis der Ergebnisse einer kontrollierten Studie mit dem System, welche mit Jurastudierenden an der University of Pittsburgh stattfand, in wie weit der automatisch bestimmte Benutzungskontext zur Vorhersage von Lernerfolgen bei Studenten verwendbar ist.
SN  - 1860-7470
UR  - http://nbn-resolving.de/urn:nbn:de:0009-5-16085
ID  - pinkwart2008
ER  -
Download

Wordbib

<?xml version="1.0" encoding="UTF-8"?>
<b:Sources SelectedStyle="" xmlns:b="http://schemas.openxmlformats.org/officeDocument/2006/bibliography"  xmlns="http://schemas.openxmlformats.org/officeDocument/2006/bibliography" >
<b:Source>
<b:Tag>pinkwart2008</b:Tag>
<b:SourceType>ArticleInAPeriodical</b:SourceType>
<b:Year>2008</b:Year>
<b:PeriodicalTitle>eleed</b:PeriodicalTitle>
<b:Volume>5</b:Volume>
<b:Issue>1</b:Issue>
<b:Url>http://nbn-resolving.de/urn:nbn:de:0009-5-16085</b:Url>
<b:Author>
<b:Author><b:NameList>
<b:Person><b:Last>Pinkwart</b:Last><b:First>Niels</b:First></b:Person>
<b:Person><b:Last>Aleven</b:Last><b:First>Vincent</b:First></b:Person>
<b:Person><b:Last>Ashley</b:Last><b:First>Kevin</b:First></b:Person>
<b:Person><b:Last>Lynch</b:Last><b:First>Collin</b:First></b:Person>
</b:NameList></b:Author>
</b:Author>
<b:Title>Adaptive Rückmeldungen im intelligenten Tutorensystem LARGO</b:Title>
<b:Comments>Das intelligente Tutorensystem LARGO für die Rechtswissenschaften soll Jurastudenten helfen, Argumentationsstrategien zu lernen. Im verwendeten Ansatz werden Gerichtsprotokolle als Lernmaterialien verwendet: Studenten annotieren diese und erstellen graphische Repräsentationen des Argumentationsverlaufs. Das System kann dabei zur Reflexion über die von Anwälten vorgebrachten Argumente anregen und Lernende auf mögliche Schwächen in ihrer Analyse des Disputs hinweisen. Zur Erkennung von Schwächen verwendet das System Graphgrammatiken und kollaborative Filtermechanismen. Dieser Artikel stellt dar, wie in LARGO auf Basis der Bestimmung eines „Benutzungskontextes“ die Rückmeldungen im System benutzungsadaptiv gestaltet werden. Weiterhin diskutieren wir auf Basis der Ergebnisse einer kontrollierten Studie mit dem System, welche mit Jurastudierenden an der University of Pittsburgh stattfand, in wie weit der automatisch bestimmte Benutzungskontext zur Vorhersage von Lernerfolgen bei Studenten verwendbar ist.</b:Comments>
</b:Source>
</b:Sources>
Download

ISI

PT Journal
AU Pinkwart, N
   Aleven, V
   Ashley, K
   Lynch, C
TI Adaptive Rückmeldungen im intelligenten Tutorensystem LARGO
SO eleed
PY 2008
VL 5
IS 1
DE LMS; e-learning; intelligente Tutorensysteme; juristische Argumentation; learning management system; tutoring systems
AB Das intelligente Tutorensystem LARGO für die Rechtswissenschaften soll Jurastudenten helfen, Argumentationsstrategien zu lernen. Im verwendeten Ansatz werden Gerichtsprotokolle als Lernmaterialien verwendet: Studenten annotieren diese und erstellen graphische Repräsentationen des Argumentationsverlaufs. Das System kann dabei zur Reflexion über die von Anwälten vorgebrachten Argumente anregen und Lernende auf mögliche Schwächen in ihrer Analyse des Disputs hinweisen. Zur Erkennung von Schwächen verwendet das System Graphgrammatiken und kollaborative Filtermechanismen. Dieser Artikel stellt dar, wie in LARGO auf Basis der Bestimmung eines „Benutzungskontextes“ die Rückmeldungen im System benutzungsadaptiv gestaltet werden. Weiterhin diskutieren wir auf Basis der Ergebnisse einer kontrollierten Studie mit dem System, welche mit Jurastudierenden an der University of Pittsburgh stattfand, in wie weit der automatisch bestimmte Benutzungskontext zur Vorhersage von Lernerfolgen bei Studenten verwendbar ist.
ER
Download

Mods

<mods>
  <titleInfo>
    <title>Adaptive Rückmeldungen im intelligenten Tutorensystem LARGO</title>
  </titleInfo>
  <name type="personal">
    <namePart type="family">Pinkwart</namePart>
    <namePart type="given">Niels</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Aleven</namePart>
    <namePart type="given">Vincent</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Ashley</namePart>
    <namePart type="given">Kevin</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Lynch</namePart>
    <namePart type="given">Collin</namePart>
  </name>
  <abstract>Das intelligente Tutorensystem LARGO für die Rechtswissenschaften soll Jurastudenten helfen, Argumentationsstrategien zu lernen. Im verwendeten Ansatz werden Gerichtsprotokolle als Lernmaterialien verwendet: Studenten annotieren diese und erstellen graphische Repräsentationen des Argumentationsverlaufs. Das System kann dabei zur Reflexion über die von Anwälten vorgebrachten Argumente anregen und Lernende auf mögliche Schwächen in ihrer Analyse des Disputs hinweisen. Zur Erkennung von Schwächen verwendet das System Graphgrammatiken und kollaborative Filtermechanismen. Dieser Artikel stellt dar, wie in LARGO auf Basis der Bestimmung eines „Benutzungskontextes“ die Rückmeldungen im System benutzungsadaptiv gestaltet werden. Weiterhin diskutieren wir auf Basis der Ergebnisse einer kontrollierten Studie mit dem System, welche mit Jurastudierenden an der University of Pittsburgh stattfand, in wie weit der automatisch bestimmte Benutzungskontext zur Vorhersage von Lernerfolgen bei Studenten verwendbar ist.</abstract>
  <subject>
    <topic>LMS</topic>
    <topic>e-learning</topic>
    <topic>intelligente Tutorensysteme</topic>
    <topic>juristische Argumentation</topic>
    <topic>learning management system</topic>
    <topic>tutoring systems</topic>
  </subject>
  <classification authority="ddc">370</classification>
  <relatedItem type="host">
    <genre authority="marcgt">periodical</genre>
    <genre>academic journal</genre>
    <titleInfo>
      <title>eleed</title>
    </titleInfo>
    <part>
      <detail type="volume">
        <number>5</number>
      </detail>
      <detail type="issue">
        <number>1</number>
      </detail>
      <date>2008</date>
    </part>
  </relatedItem>
  <identifier type="issn">1860-7470</identifier>
  <identifier type="urn">urn:nbn:de:0009-5-16085</identifier>
  <identifier type="uri">http://nbn-resolving.de/urn:nbn:de:0009-5-16085</identifier>
  <identifier type="citekey">pinkwart2008</identifier>
</mods>
Download

Full Metadata

Bibliographic Citation e-learning and education, Iss. 5
Title

Adaptive Rückmeldungen im intelligenten Tutorensystem LARGO (ger)
Author Niels Pinkwart, Vincent Aleven, Kevin Ashley, Collin Lynch
Language ger
Abstract Das intelligente Tutorensystem LARGO für die Rechtswissenschaften soll Jurastudenten helfen, Argumentationsstrategien zu lernen. Im verwendeten Ansatz werden Gerichtsprotokolle als Lernmaterialien verwendet: Studenten annotieren diese und erstellen graphische Repräsentationen des Argumentationsverlaufs. Das System kann dabei zur Reflexion über die von Anwälten vorgebrachten Argumente anregen und Lernende auf mögliche Schwächen in ihrer Analyse des Disputs hinweisen. Zur Erkennung von Schwächen verwendet das System Graphgrammatiken und kollaborative Filtermechanismen. Dieser Artikel stellt dar, wie in LARGO auf Basis der Bestimmung eines „Benutzungskontextes“ die Rückmeldungen im System benutzungsadaptiv gestaltet werden. Weiterhin diskutieren wir auf Basis der Ergebnisse einer kontrollierten Studie mit dem System, welche mit Jurastudierenden an der University of Pittsburgh stattfand, in wie weit der automatisch bestimmte Benutzungskontext zur Vorhersage von Lernerfolgen bei Studenten verwendbar ist. The Intelligent Tutoring System LARGO is designed to help law students learn argumentation skills. The approach implemented in LARGO uses transcripts of oral arguments as learning resources: Students annotate them and create graphical representations of the argument flow. The system encourages students to reflect upon arguments proposed by the attorneys and helps students detect possible weaknesses in their analysis of the dispute. Technically, graph grammar and collaborative filtering algorithms are employed to detect these weaknesses. This article describes how “usage contexts” are determined and used to create adaptive feedback in LARGO. On the basis of a controlled study with the system that took place with law students at the University of Pittsburgh, we discuss to what extent the automatically calculated usage contexts can predict student’s learning gains.
Subject LMS, e-learning, intelligente Tutorensysteme, juristische Argumentation, learning management system, tutoring systems
Classified Subjects
ddc
  • 006.332 - 071 1, knowledge representation – higher education
  • 153.15, learning
  • 344.076 84, law - higher education
  • 371.358, electronic distance education
  • 371.394, individualized instruction
pacs
  • C6170K, knowledge engineering techniques
  • C6170T, kowledge engineering tools
DDC 370
Rights fDPPL
URN: urn:nbn:de:0009-5-16085