Projekt DEEP WRITE

Der technische Lösungsansatz wird hier anhand einer Abbildung veranschaulicht: Unter Nutzung von Transformer-Netzwerken in Kombination mit Attention-Models (einer speziellen Art von Deep-Learning-Methoden) soll DEEP WRITE Diskursgraphen aus studentischen Texten und Musterlösungen extrahieren (Punkt 1 der Abbildung). Durch diese Diskursgraphen kann die Struktur der studentischen Argumentation sowie der Musterlösung analysiert und mit den Inhalten des Wissensgraphen verknüpft werden. Der Diskursgraphen dient als Normalisierung der sprachlichen Struktur und zur Verknüpfung der Argumente mit in der semantischen Wissensbasis enthaltenen domänenspezifischen Konzepten, umgesetzt durch Entity-Linking Verfahren (Punkt 2). Die semantischen Wissensgraphen stammen aus offenen Datenquellen (z.B. Wikidata) und analysierten Korpora (z.B. Rechtstexten). Sie werden durch Lehrende bzw. analysierte Musterlösungen verfeinert (Punkt 4). Damit ist die Überprüfung der inhaltlichen Richtigkeit eines Argumentes möglich (s. auch Punkt 3). Darüber hinaus können Lösungen von Studierenden aggregiert und für den Lehrenden aufbereitet werden. So ist ein Feedback zu häufigen Fehlern der Studierenden möglich. Sowohl mit Rückmeldungen von Studierenden als auch von Lehrenden kann das System selbst über Active-Learning-Verfahren einzelne Teilkomponenten verbessern (Punkt 5).