Automatische Textevaluation
Diese KI-basierten Tools können wissenschaftliche Texte automatisch evaluieren und bei der Optimierung von Texten unterstützen.
Es existieren sehr viele Tools für die automatische Textbewertung. Im Rahmen des Forschungsprojekts Digital Literacy in University Contexts haben wir diese Tools (eine Auswahl dieser Tools?) zusammengestellt, getestet und mit einem didaktischen Kommentar versehen. Die Liste soll Ihnen als Hilfestellung bei der Auswahl des passenden Tools dienen. Sie hat einen prototypischen Charakter und keinen Anspruch auf Vollständigkeit oder Aktualität nach Projektabschluss.
Tools zur automatischen Textbewertung
Auflistung der Tools mit didaktischem Kommentar (Link auf externe Seite mit Tabelle)
Bewertung von Einleitungen wissenschaftlicher Texte
Die Einleitung stellt strukturell die Miniatur einer wissenschaftlichen Arbeit als ganzer dar. Sie erfüllt wichtige Funktionen, indem sie die Lesenden orientiert und zentrale Inhalte der Arbeit widerspiegelt. Das Tool INTR-O gibt automatisiertes Feedback zur Qualität von Einleitungen.
INTR-O beruht auf dem bekannten Moves&Steps-Modell, das Schreibende beim Verfassen ihrer Einleitung unterstützt. Konkrete Hilfestellung zur Anwendung des Moves&Steps-Modell bieten die folgenden Video- und Textmaterialien.
Moves & Steps in Einleitungen wissenschaftlicher Arbeiten
Wie mit dem Moves&Steps-Modell Einleitungen getextet werden können, zeigen die folgenden Videos und unsere Mustereinleitung.
Einführung ins Moves&Steps-Modell
Dieses Video bietet eine Einführung ins Moves&Steps-Modell. Es wird erklärt, was die zentralen Texthandlungen (die Moves) einer gelungenen Einleitung sind.
Die drei Moves
Die folgenden Videos zeigen, wie die drei Moves in der Einleitung konkret umgesetzt werden. Die Realisierung der Moves geschieht in Form einzelner Schritte (Steps). Ihre Funktion wird in den Videos erklärt, und es werden Formulierungshilfen angeboten.
Im ersten Move werden die Lesenden auf das Forschungsfeld der wissenschaftlichen Arbeit geführt. Das Thema, seine Relevanz und der Forschungsstand werden vorgestellt.
Das Forschungsfeld wird im zweiten Move eingegrenzt. Die Lesenden erfahren Näheres zum Fokus der Arbeit.
Im dritten Move der Einleitung wird das Vorgehen in der Arbeit genauer erläutert. Dabei wird insbesondere die Fragestellung formuliert.
Mustereinleitung
Wie die Moves und Steps in einem Textganzen modellhaft umgesetzt werden können, zeigt unsere Mustereinleitung. Die Anordnung und Verknüpfung der einzelnen Steps wird hier anschaulich gemacht, und das Verständnis des Moves&Steps-Modells wird vertieft.
In INTR-O kann automatisiertes Feedback zur Qualität von Einleitungen eingeholt werden, dies in verschiedenen Stadien des Schreibprozesses.
Literaturhinweise zum Moves&Steps-Modell
- Swales, J. 1990. Genre Analysis. English in Academic and Research Settings. Cambridge University Press.
- Weder, M. 2015. «Fragen, zeigen, argumentieren? Metadiskursive Textroutinen zur Etablierung von Forschungspraktiken in wissenschaftlichen Einleitungen». In Sprachgebrauch und Sprachbewusstsein, hrsg. v. Regula Schmidlin, Heike Behrens und Hans Bickel, 199–220. De Gruyter.
Über das Projekt
Im Rahmen des Projekts Digital Literacy in University Contexts haben wir zu KI-basierten Technologien für Rezeption und Produktion von Texten in akademischen Kontexten geforscht. Auf diesen Seiten stellen wir Studierenden, Lehrenden und Schreibberatenden Tutorials, Tools, Richtlinien und Good Practices zur Verfügung, die den reflektierten Einsatz von KI bei der Rezeption und Produktion von Texten in akademischen Kontexten unterstützen.
Projektteam Automatische Textevaluation
- Prof. Dr. Liana Konstantinidou
(ZHAW ILC Institute of Language Competence) - Person 2
(Hochschule, Institut) - Person 3
(Hochschule, Institut) - ...