Citation and metadata
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:0009-5-16085Download
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. ERDownload
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 | 370 |
Rights | fDPPL |
URN: | urn:nbn:de:0009-5-16085 |