Paul Martin

Publikationen

• 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, 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, DOI:10.1007/s10956-023-10087-4
  
  
• Martin, P. P., Kranz, D. Wulff, P., Graulich, N. (2023), Exploring new depths: Applying machine learning for the analysis of student argumentation in chemistry, J Res Sci Teach., 1-36, https://doi.org/10.1002/tea.21903, (Accepted 26. August 2023)
  
  
• 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., Advance Article, https://doi.org/10.1039/D2RP00287F
  
  

Konferenzbandbeiträge

• Martin, P. P., Kranz, D., Wulff, P., & Graulich, N. (2024), Tiefgreifende Analyse von Argumenten in der Organischen Chemie mit maschinellem Lernen. In H. von Vorst: Frühe naturwissenschaftliche Bildung, Gesellschaft für Didaktik der Chemie und Physik (GDCP), Jahrestagung Hamburg 2023, S. 74-77.
• Martin, P. P., & Graulich, N. (2023), 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, Weiser: DiCE 2023 Conference Proceedings, Thüringer Universitäts- und Landesbibliothek Jena, Jena.
  
  

Vorträge (national und international)

• Fortbildungs- und Vortragstagung der GDCh-Fachgruppe Chemieunterricht: Praxis und Forschung kollegial reflektieren, Regensburg, 18.09.2024-20.09.2024. Titel: Sprachbarrieren überwinden: Mit künstlicher Intelligenz Sprachenvielfalt im Chemieunterricht ermöglichen.
  
  
• ROChET-Netzwerktreffen, Essen, 12.09.2024-14.09.2024, Titel: Wenn Maschinen Denkprozesse analysieren: Anwendung von maschinellem Lernen in chemiedidaktischer Forschung und Praxis.
  
  
• GDCP-Jahrestagung 2024: Lernen, lehren und forschen im Schülerlabor, Bochum, 09.09.2024-12.09.2024. Titel: Modellierung von Lerntrajektorien beim KI-gestützten adaptiven Lernen in der Organischen Chemie.
  
  
• Biennial Conference on Chemical Education 2024: Distilling Solutions for Chemical Education, Lexington, Kentucky, 28.07.2024-01.08.2024. Titel: Mapping Chemistry Students’ Learning Paths When Reasoning about Reaction Mechanisms.
  
  
• Biennial Conference on Chemical Education 2024: Distilling Solutions for Chemical Education, Lexington, Kentucky, 28.07.2024-01.08.2024. Titel: 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, 23.05.2024. Titel: Beyond Language Barriers – Allowing Multiple Languages in Postsecondary Chemistry Classes Through Multilingual Machine Learning
  
  
• Tagung der Joachim-Herz-Stiftung: Adaptives Lernen und KI in der schulischen und beruflichen Bildung: Potenziale und Herausforderungen technologiegestützten Lehrens und Lernens, Hamburg, 27.11.2023-28.11.2023. Titel: Adaptive Langzeitförderung von Argumentationskompetenzen in der Organischen Chemie durch maschinelles Lernen.
  
  
• SOMER-Symposium: Symposium on Mechanistic Reasoning, online, 18.09.2023-19.09.2023. Titel: Data-driven Analysis of Mechanistic Reasoning in Chemistry.
  
  
• GDCP-Jahrestagung 2023: Frühe naturwissenschaftliche Bildung, Hamburg, 11.09.2023-14.09.2023. Titel: Neue Tiefen entdecken – Analyse von Argumenten in der Organischen Chemie.
• DiCE-Tagung 2023: Digitalization in Chemistry Education, online, 23.03.2023-24.03.2023. Titel: Mit Computerintelligenz Lehr-Lern Prozesse gestalten – eine praxisorientierte Einführung in die Anwendung von maschinellem Lernen.
  
  

 Posterbeiträge

• Fortbildungs- und Vortragstagung der GDCh-Fachgruppe Chemieunterricht: Praxis und Forschung kollegial reflektieren, Regensburg, 18.09.2024-20.09.2024. Titel: Analyse von Lernverläufen beim KI-gestützten adaptiven Lernen in der Organischen Chemie.
• GDCh-Wissenschaftsforum: 2023 Rethinking Chemistry, Leipzig, 04.09.2023-06.09.2023. Titel: Wie viel Struktur ist notwendig? Analyse des Effekts verschiedener Aufgabenformate und Strukturierungen auf den Lernerfolg.
• GDCh-Wissenschaftsforum 2023: Rethinking Chemistry, Leipzig, 04.09.2023-06.09.2023. Titel: Argumentationstraining in der Organischen Chemie durch maschinelles Lernen adaptiv gestalten.
• Gordon Research Conference on Chemistry Education Research and Practice: Coordinating the Production and Consumption of Knowledge on Chemistry Teaching and Learning, Lewiston/Maine, 09.07.2023-14.07.2023. Titel: Exploring New Depths – Applying Deep Learning for the Analysis of Student Argumentation
• Austauschtreffen Chemiedidaktiken Gießen und Münster, Münster, 02.03.2022-03.03.2023. Titel: Adaptives Lernen trifft maschinelles Lernen – Fachdidaktisches Potenzial von maschinellem Lernen.
  
  
• GDCP Jahrestagung 2022: Lernen, Lehren und Forschen in einer digital geprägten Welt, Aachen, 12.09.-15.09.2022, Titel: 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, 15.09.-17.09.2022, Titel: Nutzung von Machine Learning für formatives Feedback
   
• 38. Fortbildungs- und Vortragstagung der GDCh-Fachgruppe Chemieunterricht, Chemie nachhaltig kommunizieren!, Osnabrück, 15.09.-17.09.2022, Titel: Bedeutsame Kontraste - Untersuchung des Potenzials von Aufgabenformaten zur Förderung des mechanistischen Denkens von Lernenden in der Organischen Chemie