@PhdThesis{duepublico_mods_00070177,
  author = 	{Erkens, Melanie},
  title = 	{Guiding Knowledge Exchange in Collaborative Learning: Mechanisms and Potential of Text-Mining Support},
  year = 	{2019},
  month = 	{Jun},
  day = 	{25},
  keywords = 	{Text Mining, Collaborative Learning, Knowledge Exchange},
  abstract = 	{Der Austausch von Wissen ist fundamental f{\"u}rs Lernen. Allerdings verbessert nicht jeder Wissensaustausch die Lernergebnisse; oftmals ben{\"o}tigen Lernende zus{\"a}tzliche Unterst{\"u}tzung, die durch Instruktionen aus dem Bereich des kollaborativen Lernens gew{\"a}hrleistet werden kann.</br> Dabei haben sich zwei Ans{\"a}tze besonders bew{\"a}hrt: Lehrer k{\"o}nnen Lerngruppen bilden (Group formation), in denen die kognitiven Eigenschaften der Gruppenmitglieder auf bestimmte Weise verteilt sind, oder sie verschaffen den Lernern Kenntnisse {\"u}ber die kognitiven Eigenschaften ihrer Lernpartner (Group awareness support). Beides geht mit verbesserten Denk- wie Kommunikationsprozessen einher. Voraussetzung zur Umsetzung dieser Ma{\ss}nahmen ist jedoch, dass die Lehrer Informationen {\"u}ber die Lernenden besitzen, deren Einholung mit hohem Aufwand verbunden sein kann. Um diesen Aufwand zu reduzieren, bieten sich Text-Mining-Methoden an, die die ben{\"o}tigten Informationen automatisch aus vorhandenen Lerner-Texten extrahieren k{\"o}nnen. Zudem verspricht der Bottom-up-Ansatz dieser Erfassung, Vorwissen besser aktivieren zu k{\"o}nnen, wenn die so generierten Informationen an die Lernenden zur{\"u}ckgemeldet werden. Um dieses Potenzial auszusch{\"o}pfen, sind jedoch zun{\"a}chst Instruktionsdesign und Informatik-Funktionen zu integrieren und systematisch unter Ber{\"u}cksichtigung zugrundeliegender Wirkmechanismen zu erforschen.</br>
Diesem Ziel n{\"a}hert sich die vorliegende Arbeit mit drei Studien. Studie 1 vergleicht verschiedene Text-Mining-Methoden hinsichtlich ihrer Eignung, Textunterschiede (f{\"u}r die Gruppierung) und kognitive Informationen (zur Unterst{\"u}tzung der besseren Kenntnis der Lernpartner) aus einem Textkorpus mit vordefinierten Inhalten zu extrahieren. Die hierauf basierend ausgew{\"a}hlten Methoden dienen dem Design eines integrierten Grouping and Representing Tools. Unter Einsatz dieses Tools untersucht Studie 2 dessen Effekt auf Lernergebnisse durch den Wissensaustausch im Schulunterricht. Die Ergebnisse zeigen, dass Sch{\"u}ler besser lernen und ihr Wissen st{\"a}rker aneinander ann{\"a}hern, wenn sie von dem Tool unterst{\"u}tzt werden. Neben dieser Best{\"a}tigung eines generellen Effekts Text-Mining-basierter Anleitung fokussiert Studie 3 die Untersuchung von Einzel- und Interaktions-effekten der bereitgestellten Informationen {\"u}ber Lernpartner und Lerninhalte in einer systematischen Laborstudie mit simuliertem Text Mining. Obwohl sich die Verbesserung der Vorwissensaktivierung nicht best{\"a}tigt, liefert die Studie die neue Erkenntnis, dass Informationen {\"u}ber Lernpartner zur Verbesserung von kognitiver Elaboration inhaltlich nicht zu feingliedrig bereitgestellt werden sollten, und dass die Wirkung solcher Informationen auf das Lernergebnis durch verbesserte Wissensintegration und genauere Partnereinsch{\"a}tzung vermittelt wird. Dar{\"u}ber hinaus deuten die Ergebnisse darauf hin, dass lernf{\"o}rderliche Effekte der bereitgestellten Informationen auf kognitive, metakognitive wie auch Kommunikationsprozesse, die in fr{\"u}herer Forschung identifiziert wurden, auch durch die Bereitstellung von Informationen auf Basis der Text-Mining-Simulation verursacht werden k{\"o}nnen.</br>
Die drei in dieser Dissertation enthaltenen Studien tragen zur Forschung im Bereich des kollaborativen Lernens bei, indem sie den Nutzen von Text-Mining-Methoden f{\"u}r den Wissensaustausch untersuchen und abstecken. Das im Zuge dessen entwickelte Tool kann f{\"u}r die Text-Mining-basierte Gruppierung Lernender und die R{\"u}ckmeldung von Informationen zur Verbesserung der Kenntnis des Lernpartners verwendet werden, um so die Arbeit der Lehrer zu erleichtern. Einzelne Funktionen des Tools sind zur Lehrer-entlastung auch in anderen Szenarien denkbar, in denen Lernende Texte produzieren, z.B. auch in individuellen Lernszenarien. Dar{\"u}ber hinaus k{\"o}nnen die neuen Erkenntnisse {\"u}ber Mechanismen, die durch die bereitgestellten Informationstypen ausgel{\"o}st werden, unabh{\"a}ngig davon, ob sie per Text Mining erfasst wurden oder nicht, andere Bereiche des (technologiebasierten) Lernens bereichern. Sie k{\"o}nnen zur Verbesserung von Tools dienen oder auf andere Lernszenarien angewendet werden, in denen kognitive, metakognitive oder Kommunikationsprozesse unterst{\"u}tzt werden sollen.},
  doi = 	{10.17185/duepublico/70177},
  url = 	{https://duepublico2.uni-due.de/receive/duepublico_mods_00070177},
  url = 	{https://doi.org/10.17185/duepublico/70177},
  file = 	{:https://duepublico2.uni-due.de/servlets/MCRFileNodeServlet/duepublico_derivate_00070172/Diss_Erkens.pdf:PDF},
  language = 	{en}
}