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. 

Der Service INTR-O gibt automatisiertes Feedback zur Qualität von Einleitungen. INTR-O beruht auf dem bekannten «Moves & Steps»-Modell (Swales 1990), das Schreibende beim Verfassen ihrer Einleitung und Betreuende von Abschlussarbeiten bei der Schreibberatung unterstützt.

Wie mit dem «Moves & Steps»-Modell Einleitungen getextet werden können, zeigen die folgenden Videos und unsere Modelleinleitung(PDF 54,9 KB).

Dieses Video erklärt, was die zentralen Texthandlungen (die Moves) einer gelungenen Einleitung sind.

Im ersten Move werden die Lesenden auf das Forschungsfeld der wissenschaftlichen Arbeit geführt. Das Thema, seine Relevanz und der Forschungsstand werden vorgestellt.

Im zweiten Move erfahren die Lesenden Näheres zum Fokus der Arbeit.

Im dritten Move der Einleitung wird das Vorgehen in der Arbeit genauer erläutert. Dabei wird insbesondere die Fragestellung formuliert. 

Wie die Moves & Steps in einem Textganzen modellhaft umgesetzt werden können, zeigt unsere Modelleinleitung. 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.

• 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.

Es existiert eine grosse Zahl von Tools für die automatische Textbewertung. Wir haben eine Auswahl dieser Tools zusammengestellt, getestet und mit einem didaktischen Kommentar versehen. Diese Liste dient als Hilfestellung bei der Auswahl des passenden Werkzeugs. Sie hat einen prototypischen Charakter und keinen Anspruch auf Vollständigkeit oder Aktualität nach Projektabschluss.

Im Rahmen des Projekts Digital Literacy in University Contexts haben wir zu KI-basierten Technologien für Rezeption und Produktion von Texten in akademischen Kontexten gearbeitet. Wir bieten Studierenden, Lehrenden und Schreibberatenden Tutorials, Services und Good Practices an, die den reflektierten Einsatz von KI bei der Rezeption und Produktion von Texten in akademischen Kontexten unterstützen.

• Martin Businger
  (ZHAW, ILC Institute of Language Competence)
• Yves Furer
  (PHZH, Schreibzentrum)
• Curtis Gautschi
  (ZHAW, ILC Institute of Language Competence)
• Sooyeon Geckeler (Entwicklung INTR-O)
  (ZHAW, ILC Institute of Language Competence)
• Julia Hodson
  (PHZH, Schreibzentrum)
• Joachim Hoefele
  (ZHAW, ILC Institute of Language Competence)
• Liana Konstantinidou
  (ZHAW, ILC Institute of Language Competence)
• Otto Kruse
  (ZHAW, ILC Institute of Language Competence)
• Cerstin Mahlow
  (ZHAW, ILC Institute of Language Competence)
• Martina Meienberg
  (PHZH, Schreibzentrum)
• Jakob Ott
  (ZHAW, Center for Innovative Teaching and Learning)
• Maik Philipp (Co-Projektleitung)
  (PHZH, Schreibzentrum)
• Christian Rapp
  (ZHAW, Center for Innovative Teaching and Learning)
• Alex Rickert (Co-Projektleitung)
  (PHZH, Schreibzentrum)
• Maren Runte
  (ZHAW, ILC Institute of Language Competence)
• Margo Ulasik (Entwicklung INTR-O)
  (ZHAW, ILC Institute of Language Competence)