Preisträger 2017

(v.l.n.r.): Christoph Rensing (Sprecher), Preisträger Alisan Öztürk (M. Sc.), Johannes Konert (Nachwuchsbeauftragter, stellv. Sprecher)
(v.l.n.r.): Christoph Rensing (Sprecher), Preisträger Majd Edriss (B. Sc.), Johannes Konert (Nachwuchsbeauftragter, stellv. Sprecher)

Beste Masterarbeit 2017

Alisan Öztürk

Titel: A Data-Driven Approach to Improve the Teaching of Programming

Prüfer: Prof. Dr. Armin Fügenschuh (Helmut-Schmidt-Universität der Bundeswehr Hamburg)

Programmierkenntnisse sind in praktisch allen Berufsfeldern hilfreich, in manchen auch notwendig. Ähnlich zum Erlernen von Fremdsprachen, tun sich Lernende besonders mit den ersten Schritten der Grammatik schwer. Herr Öztürk hat für die Unterstützung der Programmierausbildung einen Web-basierten Code-Editor weiterentwickelt und die kryptischen Compiler-Fehlermeldungen in (Zitat): "friendly errors" überführt. Als Basis diente die Datenanalyse vieler tausend Bedienungen des Editors durch Studierende und die Erkenntnis der häufigsten Compilerfehlermeldungen. Herr Öztürk hat darüber hinaus unter Verwendung von Maschine Learning ein Bewertungs- und Vorhersagemodell trainiert, um Lernenden und Lehrenden mittels Punktesystem und Diagrammen zu visualisieren, wie der aktuelle Lernfortschritt ist. So lassen sich Studierende mit Lerndefiziten schneller unterstützen.

Besonders positiv bewerten die Gutachten die systematische Aufarbeitung des aktuellen Standes der Forschung und den sehr guten Anschluss daran, der wesentliche wichtige Erkenntnisse über gute Metriken hinzufügt. Herrn Öztürks Datenaufbereitung, Analyse und Visualisierung sind umfangreich und unermüdlich akribisch und zeichnen diese Arbeit aus.

Insgesamt erstellte Herr Öztürk eine herausragende wissenschaftliche Arbeit zur Anwendung von Maschine Learning in der Unterstützung der Programmierausbildung. Seine Erkenntnisse über gute Vorhersage-Metriken bringen das Forschungsfeld Educational Data Mining maßgeblich voran.

 

Beste Bachelorarbeit 2017

Majd Edriss

Titel: „Entwicklung eines Chatbot-Prototypen für die Erstellung von Übungsaufgaben im E-Learning

Prüfer: Prof. Dr. Agathe Merceron (Beuth Hochschule für Technik Berlin)

Die Unterstützung bei der Erstellung von passenden Lernressourcen ist insbesondere mit den Thema Open Educational Resources wieder stark in de Fokus gerückt. Wie können Personen mit Fachwissen, bspw. Im Handwerk, bei der Erstellung unterstützt werden? Herr Edriss hat dazu einen Chatbot entwickelt, welcher Anwendende eines Aufgabeneditors durch die Schritte bis zur fertigen Übungsaufgabe begleitet. Die Lösung basiert auf einem Drehbuch als Zielvorgabe für den Chatbot, welche Informationen im Dialog abzufragen sind. Besonders charmant ist die Vorschau der Übungsaufgabe, welche der Chatbot automatisch aktualisiert und befüllt. Die Lösung wurde in den Online-Editor des Lernmanagementsystems „Smart Learning im Handwerk“ integriert und evaluiert.

Als besonderen Stärken der Arbeit nennen die Gutachten die detaillierte und gewissenhafte Definition der Anforderungen und die gelungene Überleitung in Konzept und Implementierung. Außerdem wird der komplette Zyklus einer wissenschaftlichen Arbeit von der Motivation über die Anforderungen bis zur Evaluation der Implementierung durchlaufen. Damit ist die Arbeit im Vergleich zu anderen sehr umfangreich.

 

Insgesamt entstand so eine qualitativ herausragende Arbeit, die das Forschungsfeld der Dialogsysteme weiter voranbringt.