Dr. Paul Martin

Publikationen

• Martin, P.P., Yik, B.J., Burlingham, B.T., Graulich, N. (2026). Mechanistic Reasoning About Alternatives: How Students Reason About Plausible and Implausible Mechanisms in Chemistry. In: Graulich, N., Haskel Ittah, M., Wahyu Bachtiar, R. (eds) Exploring Mechanistic Reasoning in Science Education. Contributions from Science Education Research, vol 17. Springer, Cham. https://doi.org/10.1007/978-3-032-10246-1_3
  
  

• Kranz, D., Martin, P. P., Schween, M., Graulich, N. (2025), Should we scaffold it? Analysing the effect of task format and scaffolding on students’ learning gain. Chemistry Education Research and Practice, Advance Article. https://doi.org/10.1039/D4RP00241E

• Martin, P. P., Kranz, D., Graulich, N. (2025), Revealing rubric relations: Investigating the interdependence of a research-informed and a machine learning-based rubric in assessing student reasoning in chemistry. International Journal of Artificial Intelligence in Education, 35(3), 1465-1503. https://doi.org/10.1007/s40593-024-00440-y

• Braun, I., Martin, P.P., Graulich, N. (2025), Von Biokunststoffen bis zum Verbrennungsmotor: Wie FERMI-Aufgaben Bewertungsprozesse im Chemieunterricht anstoßen können., NiU-Chemie, Heft 205, 36, 36-39.
• Martin, P. P., Graulich, N. (2024), Navigating the Data Frontier in Science Assessment: Advancing Data Augmentation Strategies for Machine Learning Applications with Generative Artificial Intelligence, Computers and Education: Artificial Intelligence, 7, Article 100265, ISSN 2666-920X, https://doi.org/10.1016/j.caeai.2024.100265 
  
  
• Martin, P. P., Graulich, N. (2024), Lehre in der Organischen Chemie individualisieren, Nachrichten aus der Chemie, 72(3), 8-11. https://doi.org/10.1002/nadc.20244141003

• Martin, P. P., Graulich, N. (2024), Beyond Language Barriers: Allowing Multiple Languages in Postsecondary Chemistry Classes Through Multilingual Machine Learning, Journal of Science Education and Technology, 33(3), 333-348, DOI:10.1007/s10956-023-10087-4
  
  
• Martin, P. P., Kranz, D. Wulff, P., Graulich, N. (2024), Exploring new depths: Applying machine learning for the analysis of student argumentation in chemistry, J Res Sci Teach., 61(8), 1757-1792, https://doi.org/10.1002/tea.21903
  
  
• Martin, P. P., Graulich, N. (2023), When a machine detects student reasoning: a review of machine learning-based formative assessment of mechanistic reasoning, Chem. Educ. Res. Pract., 24(2), 407-427, https://doi.org/10.1039/D2RP00287F
  
  

Konferenzbandbeiträge

• Martin, P. P., Dood, A. J., Watts, F. M., Ginger, G. V., Graulich, N. (in print), Wie vertrauenswürdig ist maschinelles Lernen in der Chemie?, In P. Pollmeier (Ed.), KI in der naturwissenschaftlichen Bildung: Gesellschaft für Didaktik der Chemie und Physik, Jahrestagung Frankfurt, GDCP
  
  
• Martin, P. P., Kubsch, M., Yik, B. J., Burlingham, B. T., Graulich, N. (2025), Modellierung von Lerntrajektorien beim KI-gestützten adaptiven Lernen in der Organischen Chemie., In H. van Vorst (Ed.), Entdecken, lehren und forschen im Schülerlabor: Gesellschaft für Didaktik der Chemie und Physik, Jahrestagung Bochum (pp. 281–284), GDCP
  
  
• Martin, P. P., Kranz, D., Wulff, P., Graulich, N. (2024), Tiefgreifende Analyse von Argumenten in der Organischen Chemie mit maschinellem Lernen. In H. van Vorst (Ed.), Frühe naturwissenschaftliche Bildung: Gesellschaft für Didaktik der Chemie und Physik, Jahrestagung Hamburg 2023 (pp. 74–77), GDCP
  
  
• Kranz, D., Martin, P. P., Schween, M., Graulich, N. (2024), Analyse des Effekts verschiedener Aufgabenformate und Strukturierung auf den Lernerfolg,  In H. van Vorst (Ed.), Frühe naturwissenschaftliche Bildung: Gesellschaft für Didaktik der Chemie und Physik, Jahrestagung Hamburg (pp. 366–369), GDCP.
  
  
• Martin, P. P., Graulich, N. (2024), Mit Computerintelligenz Lehr-Lern-Prozesse gestalten: Anwendung von ChatGPT zur Unterrichtsplanung,  In I. Rubner, T. Wilke, S. Syskowski, D. Ditter, N. ter Horst, A. Tschiersch, & D. Weiser (Eds.), DiCE 2023 Conference Proceedings (pp. 1–5), Thüringer Universitäts- und Landesbibliothek Jena. https://doi.org/10.22032/dbt.59418
  
  

Vorträge (national und international)

• Martin, P. P., Kubsch, M., Yik, B. J., Burlingham, B. T., Graulich, N. (2024, September 17–19), Wer profitiert von adaptiver Unterstützung?, 41. Fortbildungs- und Vortragstagung der GDCh-Fachgruppe Chemieunterricht: Moderner Chemieunterricht im Kontext globaler Transformation, Erlangen, Deutschland
  
  
• Martin, P. P., Kranz, D., Wulff, P., Graulich, N. (2024, September 8–11), Neue Tiefen entdecken: Einsatz von maschinellem Lernen zur Analyse des mechanistischen Begründens von Studierenden der Organischen Chemie, GDCP-Jahrestagung 2025: KI in der naturwissenschaftlichen Bildung, Frankfurt, Deutschland
  
  
• Martin, P. P., Dood, A. J., Watts, F. M., Ginger, G. V., Graulich, N. (2025, September 8–11), Wie vertrauenswürdig ist maschinelles Lernen in der Chemie?, GDCP-Jahrestagung 2025: KI in der naturwissenschaftlichen Bildung, Frankfurt, Deutschland
  
  
• Martin, P. P., Kubsch, M., Yik, B. J., Burlingham, B. T., Graulich, N. (2025, August 25–29), Tracing trajectories: Using machine learning to explore chemistry students’ mechanistic reasoning over time, 16th Conference of The European Science Education Research Association, Kopenhagen, Dänemark
  
  
• Martin, P. P. (2025, May 19), Balancing automation and interpretation. The messy reality of Computational Grounded Theory. 2nd Meeting of the GDCP focus group on AI in science education [Online]
  
  
• Martin, P. P., Kubsch, M., Yik, B. J., Burlingham, B. T., Graulich, N. (2025, February 20–21), Who is supposed to benefit from adaptive support?, Austauschtreffen Chemie- und Physikdidaktiken Gießen und Berlin, Berlin, Deutschland
  
  
• Martin, P. P. (2025, February 12), Insights into chemistry education research: Applying AI to analyze students’ learning in organic chemistry, FCI-Stipendiatentreffen, Mainz, Deutschland
  
  
• Martin, P. P., Graulich, N. (2024, September 18–20), Sprachbarrieren überwinden: Mit künstlicher Intelligenz Sprachenvielfalt im Chemieunterricht ermöglichen, 40. Fortbildungs- und Vortragstagung der GDCh-Fachgruppe Chemieunterricht: Praxis und Forschung kollegial reflektieren, Regensburg, Deutschland
  
  
• Martin, P. P., Graulich, N. (2024, September 12–14), Wenn Maschinen Denkprozesse analysieren: Anwendung von maschinellem Lernen in chemiedidaktischer Forschung und Praxis, ROChET-Netzwerktreffen, Essen, Deutschland
  
  
• Martin, P. P., Kubsch, M., Yik, B. J., Burlingham, B. T., Graulich, N. (2024, September 9–12), Modellierung von Lerntrajektorien beim KI-gestützten adaptiven Lernen in der Organischen Chemie, GDCP-Jahrestagung 2024: Lernen, lehren und forschen im Schülerlabor, Bochum, Deutschland
  
  
• Martin, P. P., Graulich, N. (2024, July 28–August 1), Beyond language barriers: Allowing multiple languages in postsecondary chemistry classes through multilingual machine learning, Biennial Conference on Chemical Education 2024: Distilling Solutions for Chemical Education, Lexington, KY, USA
  
  
• Martin, P. P., Kubsch, M., Yik, B. J., Burlingham, B. T., Graulich, N. (2024, July 28–August 1), Mapping chemistry students’ learning paths when reasoning about reaction mechanisms, Biennial Conference on Chemical Education 2024: Distilling Solutions for Chemical Education, Lexington, KY, USA
  
  
• Martin, P. P., Graulich, N. (2024, May 23), Beyond language barriers: Allowing multiple languages in postsecondary chemistry classes through multilingual machine learning, Symposium of the RSC Chemistry Education Research Group on AI in Chemistry Education Research [Online]
  
  
• Martin, P. P., Graulich, N. (2023, November 27–28), Adaptive Langzeitförderung von Argumentationskompetenzen in der Organischen Chemie durch maschinelles Lernen, Tagung der Joachim-Herz-Stiftung: Adaptives Lernen und KI in der schulischen und beruflichen Bildung: Potenziale und Herausforderungen technologiegestützten Lehrens und Lernens, Hamburg, Deutschland
  
  
• Martin, P. P., Graulich, N. (2023, September 18–19), Data-driven analysis of mechanistic reasoning in chemistry, SOMER-Symposium: Symposium on Mechanistic Reasoning [Online]
  
  
• Martin, P. P., Kranz, D., Wulff, P., Graulich, N. (2023, September 11–14), Neue Tiefen entdecken: Analyse von Argumenten in der Organischen Chemie, GDCP-Jahrestagung 2023: Frühe naturwissenschaftliche Bildung, Hamburg, Deutschland
  
  
• Martin, P. P., Graulich, N. (2023, March 23–24), Mit Computerintelligenz Lehr-Lern Prozesse gestalten: eine praxisorientierte Einführung in die Anwendung von maschinellem Lernen, DiCE-Tagung 2023: Digitalization in Chemistry Education [Online].
  
  

Buchkapitel

• Martin, P. P., Yik, B. J., Burlingham, B. T., Graulich, N. (in print). Mechanistic reasoning about alternatives: How students reason about plausible and implausible mechanisms in chemistry. In R. W. Bachtiar, M. Haskel-Ittah, & N. Graulich (Eds.), Mechanistic Reasoning in Science Education. Springer.
  
  

 Posterbeiträge

• Martin, P. P., Kubsch, M., Yik, B. J., Burlingham, B. T., Graulich, N. (2024, September 18–20), Analyse von Lernverläufen beim KI-gestützten adaptiven Lernen in der Organischen Chemie, 40. Fortbildungs- und Vortragstagung der GDCh-Fachgruppe Chemieunterricht: Praxis und Forschung kollegial reflektieren, Regensburg, Deutschland
  
  
• Martin, P. P., Graulich, N. (2023, September 4–6), Argumentationstraining in der Organischen Chemie durch maschinelles Lernen adaptiv gestalten, GDCh-Wissenschaftsforum 2023: Rethinking Chemistry, Leipzig, Deutschland
  
  
• Kranz, D., Martin, P. P., Schween, M., Graulich, N. (2023, September 4–6), Wie viel Struktur ist notwendig? Analyse des Effekts verschiedener Aufgabenformate und Strukturierungen auf den Lernerfolg, GDCh-Wissenschaftsforum 2023: Rethinking Chemistry, Leipzig, Deutschland
  
  
• Martin, P. P., Graulich, N. (2023, July 9–14), Exploring new depths: Applying deep learning for the analysis of student argumentation, Gordon Research Conference on Chemistry Education Research and Practice: Coordinating the Production and Consumption of Knowledge on Chemistry Teaching and Learning, Lewiston, ME, USA
  
  
• Martin, P. P., Graulich, N. (2023, March 2–3), Adaptives Lernen trifft maschinelles Lernen: Fachdidaktisches Potenzial von maschinellem Lernen, Austauschtreffen Chemiedidaktiken Gießen und Münster, Münster, Deutschland
  
  
• Kranz, D., Martin, P. P., Schween, M., Graulich, N. (2022, September 15–17), Bedeutsame Kontraste: Untersuchung des Potenzials von Aufgabenformaten zur Förderung des mechanistischen Denkens von Lernenden in der Organischen Chemie, 38. Fortbildungs- und Vortragstagung der GDCh-Fachgruppe Chemieunterricht: Chemie nachhaltig kommunizieren, Osnabrück, Deutschland
  
  
• Martin, P. P., Graulich, N. (2022, September 15–17), Nutzung von Machine Learning für formatives Feedback, 38. Fortbildungs- und Vortragstagung der GDCh-Fachgruppe Chemieunterricht: Chemie nachhaltig kommunizieren, Osnabrück, Deutschland
  
  
• Kranz, D., Martin, P. P., Schween, M., Graulich, N. (2022, September 12–15), Bedeutsame Kontraste: Untersuchung des Potenzials von Aufgabenformaten zur Förderung des mechanistischen Denkens von Lernenden in der Organischen Chemie, GDCP-Jahrestagung 2022: Lernen, Lehren und Forschen in einer digital geprägten Welt, Aachen, Deutschland
  
  

  Betreute Abschlussarbeiten

• Kompetenzen im Zeitalter der Post-Truth: Wie Science Media Literacy und mechanistisches Begründen Chemie-Studierende bei der Bewertung der Glaubwürdigkeit von Informationen leiten (12/2025)
• Entwicklung und Analyse einer Unterrichtssequenz zum Thema Erste Hilfe in der Grundschule (08/2025)