B05: Modellierung der Informationslandschaft (IL) zur Bewertung und Analyse von domänenspezifischem und generischem Critical Online Reasoning (DOM-COR und GEN-COR)

• Antragsteller: Professor Dr. Walter Bisang; Professor Dr. Alexander Mehler
• Fachliche Zuordnung: Allgemeines und fachbezogenes Lehren und Lernen
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 462702138

Die Rolle linguistischer Indikatoren für die Lesbarkeit von Texten oder die Glaubwürdigkeit von Webquellen wurde bereits intensiv erforscht. Die Antragssteller konnten anhand eines Korpus kurzer Offline-Texte zudem zeigen, dass linguistische Merkmale Vorhersagen über die Ergebnisse von Studierenden in domänenspezifischen Wissenstests erlauben. Inwieweit solche Zusammenhänge für Testaufgaben in komplexen offenen Informationslandschaften generalisierbar sind, ist ein wichtiges Desiderat. Daher fokussiert B05 auf die Modellierung linguistischer Merkmale der online Informationslandschaft (IL), in der sich Studierende zur Lösung von Aufgaben zum Critical Online-Reasoning (COR) bewegen. B05 zielt auf die Entwicklung eines theoretisch fundierten linguistischen Merkmalsmodells ab, das auf den Texten basiert, die Studierende als Komponenten der online IL bei der Lösung von COR-Aufgaben nutzen bzw. produzieren. Das Modell soll Vorhersagen über COR-Prozesse und COR-Leistungen erlauben. Dabei fokussiert B05 auf drei Forschungsfragen: (i) Inwieweit unterscheiden sich die linguistischen Merkmale beim generischen vs. domänenspezifischen COR (GEN-COR/DOM-COR) sowie innerhalb der Domänen Wirtschaft, Medizin, Soziologie und Physik? (ii) Wie unterscheiden sich diese Merkmale bezüglich der drei kognitiven COR-Facetten: Online-Informationsbeschaffung, kritische Informationsbewertung sowie evidenzbasiertes Argumentieren und Synthetisieren von Informationen. (iii) Auf welchen Ebenen wirken diese Merkmale: auf der Ebene einzelner Texte, multipler Texte, Domänen, Genres, der IL oder der zugrundeliegenden Sprache (z.B. Deutsch)? B05 geht von der qualitativen Auswahl linguistischer Merkmale zum Evidenzstatus, zur Informationsquelle und zur Textorganisation aus. Der quantitative Teil operationalisiert diese Merkmale mittels eines erweiterten maschinellen Lernmodells und testet ihre Vorhersagekraft und Spezifität bezüglich der drei Forschungsfragen. Die Verknüpfung von qualitativen und quantitativen Analysen erfolgt über einen computationellen hermeneutischen Zirkel, in dem der quantitative Teil statistische Auswertungen und Vorhersagen generiert, deren Interpretierbarkeit auf qualitativen linguistischen Analysen fußt. B05 stellt für die Forschungsgruppe (FOR) maschinelle Lernmodelle bereit, die die linguistischen Merkmale multipler Texte als Teil der IL automatisch analysieren und auf einer linguistischen Theorie zu COR basieren, die die Ebene feinkörniger linguistischer Informationseinheiten adressiert. Die A-Projekte stellen Texte und Informationen über die COR-Testergebnisse von Studierenden zur Verfügung und erhalten linguistische Analysen von B05. Als die detailliertesten Informationseinheiten in der FOR sind linguistische Merkmale für die anderen B-Projekte bezüglich Medien- und Inhaltseigenschaften (B04) und narrative Strukturen (B06) relevant. Das Multimodal Learning Data Science System von C08 ist zentral für die Integration aller Text- und Leistungsdaten in B05.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5404: Kritisches Denken in Online-Lernumgebungen in der Hochschulbildung (CORE)
• Internationaler Bezug: USA
• Kooperationspartnerinnen / Kooperationspartner: Professorin Patricia A. Alexander; Professor Guillermo Solano Flores, Ph.D.