Custom cover image
Custom cover image

Digitales Rechtschreiben in der Grundschule : Eine Untersuchung zu Rechtschreibkorpora, digitalem Rechtschreibverhalten und maschineller Fehlerklassifikation / von Richard Böhme

By: Resource type: Ressourcentyp: Buch (Online)Book (Online)Language: German Publisher: Wiesbaden : Springer Fachmedien Wiesbaden, 2024Publisher: Wiesbaden : Imprint: Springer VS, 2024Edition: 1st ed. 2024Description: 1 Online-Ressource(XLV, 452 S. 72 Abb.)ISBN:
  • 9783658464318
Subject(s): Additional physical formats: 9783658464301 | Erscheint auch als: 9783658464301 Druck-AusgabeDDC classification:
  • 418.0071 23
DOI: DOI: 10.1007/978-3-658-46431-8Online resources: Summary: Einführung -- Theoretischer hintergrund – teil I: Rechtschreibung: system, erwerb, adaptiver unterricht -- Theoretischer hintergrund – teil II: Digitale medien: merkmale und einsatzweisen -- Verzeichnisse.Summary: Der Erwerb der Rechtschreibung ist eine äußerst anspruchsvolle Aufgabe. Digitale Medien haben das Potenzial, Schüler*innen dabei durch adaptive Angebote zu unterstützen. Voraussetzung dafür sind Machine-Learning-Verfahren, die Rechtschreibfehler von Schüler*innen zuverlässig klassifizieren. Allerdings bestehen in diesem Zusammenhang einige Entwicklungs- und Forschungsdesiderate. Die Folgenden wurden adressiert: Zunächst wurden gängigen Grund- und Orientierungswortschätzen einer umfassenden Korpusanalyse unterzogen. In den Ergebnissen zeigt sich, dass zwar ein Großteil der Wörter graphematisch, aber nur ein Bruchteil rein phonematisch herzuleiten ist. Unter Verwendung der analysierten Wörter und einer eigens entwickelten Rechtschreib-App wurde das digitale, prozessbezogene Rechtschreibverhalten von Schüler*innen mit hoher und niedriger Rechtschreibkompetenz untersucht. Die Ergebnisse machen deutlich, dass sich die Schüler*innen u.a. in ihrer Fehlersensibilität, ihrer aktiven Auseinandersetzung mit Fehlerkorrekturen und ihrem systematischen Vorgehen beim Hypothesentesten unterscheiden. Die fehlerhaften Verschriftungen der Schüler*innen wurden wiederum dafür genutzt, um Machine-Learning-Algorithmen zu trainieren. Die Evaluation zeigt, dass Rechtschreibfehler damit äußerst zuverlässig klassifiziert werden können. Der Autor Richard Böhme ist als Akademischer Rat (a. Z.) am Lehrstuhl für Grundschulpädagogik und -didaktik (Diversität) an der Universität Regensburg tätig.PPN: PPN: 1911775111Package identifier: Produktsigel: ZDB-2-SEB | ZDB-2-ESA
No physical items for this record
KIT – The Research University in the Helmholtz Association                         Home | Impressum | Datenschutz | Barrierefreiheit | KIT