TY - JOUR A1 - Schneider, Edina T1 - Erfassung der Reflexivität von Lehramtsstudierenden JF - Reflexion in der Lehrkräftebildung: Empirisch – Phasenübergreifend – Interdisziplinär (Potsdamer Beiträge zur Lehrerbildung und Bildungsforschung ; 4) N2 - Dieser Beitrag untersucht, welche latente Struktur sich in der Reflexivität von Lehramtsstudierenden identifizieren lässt. Es wird gefragt, inwieweit sich entlang eines Kohortenvergleichs differente Strukturen in der Reflexivität erkennen lassen und wie Lehramtsstudierende die Notwendigkeit und die Häufigkeit der Reflexion sowie die aus der Reflexion hervorgehenden Einsichten einschätzen. Hierfür werden Daten von Studierenden des Lehramts für Grund-, Sekundar-, Förderschulen und Gymnasien der Martin-Luther-Universität Halle-Wittenberg genutzt. Bei der Operationalisierung von Reflexivität wurde die IRIS-Skala in einer auf den Schulkontext modifizierten Variante adaptiert sowie einzelne Items neu entwickelt. Die Faktorenanalyse repliziert die angenommene Mehrdimensionalität der Reflexivität mit vier Faktoren. Zudem zeigen sich kohortenspezifisch differente Strukturen in der Reflexivität, die auf Umstrukturierungs-, Verdichtungs- und Weiterentwicklungsprozesse im Bereich implizites Wissen und Reflexivität verweisen, wie in der Kompetenzentwicklungsphasentheorie und in entwicklungs- und berufsbiographietheoretischen Ansätzen postuliert wird. Mittelwertvergleiche zwischen den Studierendengruppen verweisen auf tendenzielle Zuwächse in den Dimensionen. KW - Reflexivität KW - Lehramtsstudierende KW - Professionalisierung KW - Faktorenanalyse KW - berufsbiographischer Ansatz Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-619379 SN - 978-3-86956-566-8 SN - 2626-3556 SN - 2626-4722 IS - 4 SP - 99 EP - 113 PB - Universitätsverlag Potsdam CY - Potsdam ER - TY - JOUR A1 - Wulff, Peter A1 - Mientus, Lukas A1 - Nowak, Anna A1 - Borowski, Andreas T1 - KI-basierte Auswertung von schriftlichen Unterrichtsreflexionen im Fach Physik und automatisierte Rückmeldung JF - PSI-Potsdam: Ergebnisbericht zu den Aktivitäten im Rahmen der Qualitätsoffensive Lehrerbildung (2019-2023) (Potsdamer Beiträge zur Lehrerbildung und Bildungsforschung ; 3) N2 - Für die Entwicklung professioneller Handlungskompetenzen angehender Lehrkräfte stellt die Unterrichtsreflexion ein wichtiges Instrument dar, um Theoriewissen und Praxiserfahrungen in Beziehung zu setzen. Die Auswertung von Unterrichtsreflexionen und eine entsprechende Rückmeldung stellt Forschende und Dozierende allerdings vor praktische wie theoretische Herausforderungen. Im Kontext der Forschung zu Künstlicher Intelligenz (KI) entwickelte Methoden bieten hier neue Potenziale. Der Beitrag stellt überblicksartig zwei Teilstudien vor, die mit Hilfe von KI-Methoden wie dem maschinellen Lernen untersuchen, inwieweit eine Auswertung von Unterrichtsreflexionen angehender Physiklehrkräfte auf Basis eines theoretisch abgeleiteten Reflexionsmodells und die automatisierte Rückmeldung hierzu möglich sind. Dabei wurden unterschiedliche Ansätze des maschinellen Lernens verwendet, um modellbasierte Klassifikation und Exploration von Themen in Unterrichtsreflexionen umzusetzen. Die Genauigkeit der Ergebnisse wurde vor allem durch sog. Große Sprachmodelle gesteigert, die auch den Transfer auf andere Standorte und Fächer ermöglichen. Für die fachdidaktische Forschung bedeuten sie jedoch wiederum neue Herausforderungen, wie etwa systematische Verzerrungen und Intransparenz von Entscheidungen. Dennoch empfehlen wir, die Potenziale der KI-basierten Methoden gründlicher zu erforschen und konsequent in der Praxis (etwa in Form von Webanwendungen) zu implementieren. N2 - For the development of professional competencies in pre-service teachers, reflection on teaching experiences is proposed as an important tool to link theoretical knowledge and practice. However, evaluating reflections and providing appropriate feedback poses challenges of both theoretical and practical nature to researchers and educators. Methods associated with artificial intelligence research offer new potentials to discover patterns in complex datasets like reflections, as well as to evaluate these automatically and create feedback. In this article, we provide an overview of two sub-studies that investigate, using artificial intelligence methods such as machine learning, to what extent an evaluation of reflections of pre-service physics teachers based on a theoretically derived reflection model and automated feedback are possible. Across the sub-studies, different machine learning approaches were used to implement model-based classification and exploration of topics in reflections. Large language models in particular increase the accuracy of the results and allow for transfer to other locations and disciplines. However, entirely new challenges arise for educational research in relation to large language models, such as systematic biases and lack of transparency in decisions. Despite these uncertainties, we recommend further exploring the potentials of artificial intelligence-based methods and implementing them consistently in practice (for example, in the form of web applications). KW - Künstliche Intelligenz KW - Maschinelles Lernen KW - Natural Language Processing KW - Reflexion KW - Professionalisierung KW - artificial intelligence KW - machine learning KW - natural language processing KW - reflexion KW - professionalization Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-616363 SN - 978-3-86956-568-2 SN - 2626-3556 SN - 2626-4722 IS - 3 SP - 103 EP - 115 PB - Universitätsverlag Potsdam CY - Potsdam ER -