Inhaltszusammenfassung:
Erlernen von Fremdsprachen ist ein zentraler Bestandteil heutiger Schulbildung, doch Lehrkräften fehlen oft die Ressourcen, um auf die individuellen Bedürfnisse der Schüler einzugehen. Intelligente Tutorensysteme können diese Schwäche prinzipiell überwinden. Sie ermöglichen individualisiertes Üben einer Materie in einer digitalen Lernumgebung, indem sie Lernmaterial eines Domänenmodells an Lernereigenschaften eines von ihnen gepflegten Lernermodells gemäß einem pädagogischen Modell anpassen. Ihre Adaptivitätsstrategien umfassen dabei Makroadaptivität zur Auswahl geeigneten Lernmaterials, wie auch Mikroadaptivität für Unterstützung bei der Bearbeitung der ausgewählten Materialien. Allerdings berücksichtigen die meisten intelligenten Sprachlernsysteme die Anforderungen, die durch die Einbindung in den Schulkontext entstehen, nur unzureichend. Zudem lässt ihr starker Fokus auf die Abstimmung von Aufgabenschwierigkeit auf die Fähigkeiten eines Schülers wenig Spielraum für weitere Anpassungen an den Lernenden. Insbesondere sprachliche Variabilität, die in Sprachen allgegenwärtig ist, spielt im Spracherwerb jedoch eine wichtige Rolle. Diese Dissertation untersucht daher, wie und in welchem Umfang sprachliche Variabilität in adaptiven Sprachlernsystemen, die mit kontextualisierten Grammatikaufgaben den Unterricht begleiten, berücksichtigt werden sollte und kann.
Zunächst wurden die Auswirkungen sprachlich variabler Aufgaben auf das Lernen untersucht. Dabei stellte sich heraus, dass variable Aufgaben zum einen Variabilität in von Lernern produzierten Texten, zum anderen jedoch auch die Aufgabenschwierigkeit beeinflussen. Zudem neigen variable Aufgaben dazu, deklaratives Wissen zu festigen, Prozeduralisierung jedoch zu verlangsamen. Eine lernförderliche Aufgabenauswahl zeichnet sich daher durch adaptive Anpassung sprachlicher Variabilität aus. Da sich verschiedene Varianten eines sprachlichen Mittels unterschiedlich auf die Aufgabenschwierigkeit auswirken, muss Makroadaptivität eine Balance zwischen einem Fokus auf Aufgabenschwierigkeit und auf sprachlicher Variabilität finden.
Daher wurde in der vorliegenden Arbeit Mesoadaptivität als alternativer Ansatz, die Schwierigkeit einer Aufgabe zu verringern, untersucht. Die Integration dieser Zwischenform von Mikro- und Makroadaptivität, die bei Problemen eines Schülers, eine Aufgabe zu lösen, die Schwierigkeit der Aufgabe schrittweise reduziert, verringerte die Anzahl an falschen Schülerabgaben. Eine positive Auswirkung auf den Lernerfolg zeigte sich jedoch nur a) bei Anpassungen von geschlossenen Aufgaben unter erschwerten Übungsbedingungen und b) von offeneren Aufgaben, wenn die Lernenden mit den Hilfestellungen vertraut waren. Zudem scheinen Lernende mit geringer allgemeiner sprachlicher Kompetenz oder hoher strategischer Kompetenz ebenfalls von Mesoadaptivität zu profitieren. Es zeigte sich allerdings, dass eine Verringerung der Aufgabenschwierigkeit nicht notwendig ist, wenn die Schwierigkeit des Übungsmaterials auf die Zielgruppe abgestimmt ist. Unterschiedliche Aufgabenportfolios für unterschiedliche Zielgruppen könnten somit die Aufgabenschwierigkeit hinreichend regulieren, sodass der Fokus von Makroadaptivität auf die Anpassung sprachlicher Variabilität gerichtet werden kann.
Um die praktische Anwendung dieses Ansatzes zu erleichtern, stellt die Arbeit Mittel zur automatischen Generierung großer, systematisch variabler Aufgabenportfolios vor. Um einerseits grammatikalische und pädagogische Korrektheit der Aufgaben und andererseits eine effiziente Qualitätssicherung zu gewährleisten, werden mehrere Prüf- und Überarbeitungsschritte in die Aufgabengenerierung integriert. Zudem wird das ursprüngliche, pädagogisch motivierte Aufgabenportfolio mithilfe von Learning Analytics basierend auf von Schülern gemachten Fehlern verbessert.
Somit leistet diese Thesis sowohl einen konzeptionellen als auch einen technischen Beitrag: Zum einen erforscht sie die Berücksichtigung von Variabilität in makroadaptiven Sprachtutorensystemen unter Beachtung des Schulkontextes. Zum anderen stellt sie einen vollständig implementierten Adaptivitätsansatz vor, der in mehreren Studien evaluiert wurde.
Abstract:
Learning foreign languages constitutes a central aspect of modern education, yet teachers lack the resources for catering to each student's individual needs. Intelligent tutoring systems can, in principal, fill this gap. They provide individualized practice for a subject matter in a digital environment by adapting learning material organized in a domain model to learner characteristics tracked in the system's learner model according to an instructional model. Their adaptation strategies encompass macro-adaptivity to select the best suitable practice material as well as micro-adaptivity to provide support on the selected material. Yet, most intelligent language tutoring systems neglect the needs of instructional settings. What is more, their strong focus on matching exercise difficulty to learner abilities allows little room for additional adaptation. Yet linguistic variability constitutes an important aspect in language learning as it is omnipresent in languages. This thesis therefore investigates how and to what extent linguistic variability should and can be considered in adaptive language tutoring systems accompanying classroom teaching that focus on grammar practice in contextualized exercises.
We first investigated the effect of linguistically varied exercises on learning. We found that varied practice fosters variability in learner productions, but that it also affects practice difficulty. In addition, it seems to strengthen declarative knowledge but slow down proceduralization. Learners would thus benefit from macro-adaptive exercise selection that controls linguistic variability. Since different linguistic variants have different effects on exercise difficulty, macro-adaptivity must split its focus between exercise difficulty and linguistic variability.
We therefore explored meso-adaptivity as an alternative means to mitigate exercise difficulty. We found that integrating this hybrid between macro- and micro-adaptivity to step by step reduce an exercise's difficulty when a learner struggles decreases the number of incorrect answers. Yet positive effects on learning gains manifested only when learners received meso-adaptivity a) in closed exercises if practice difficulty was elevated and b) in half-open exercises if the learner was already familiar with the supportive adjustments. In addition, learners with very low general language proficiency or high strategic competence may also benefit from the treatment. We also saw that mitigating exercise difficulty is not necessary if the practice material's difficulty is tailored towards the target group. Maintaining different pools of practice material for different target groups could thus sufficiently control exercise difficulty and free up macro-adaptivity to focus on linguistic variability.
Addressing the practicability of this approach, we present means to automatically generate large pools of systematically varied exercises. With a focus on ensuring grammatical and pedagogical validity, we interleave exercise generation with revision steps for more efficient quality assurance. We further refine the pedagogically informed initial pool of exercises through learning analytics based on learner errors.
The contribution of this thesis is thus twofold: (1) It addresses conceptual questions concerning the attention to variability in macro-adaptive language tutoring systems while considering curricular constraints. (2) It presents a fully implemented approach to adaptivity, which has been evaluated in several studies.
Education Research