Paul Martin

Kontakt: Wissenschaftlicher Mitarbeiter

Telefon und Fax:

+49 (0)641-99 34631 (Büro)

+49 (0)641-99 34601 (Sekretariat)

+49 (0)641-99 34609 (Fax)

Anschrift:

Institut für Didaktik der Chemie
Heinrich-Buff-Ring 17
35392 Gießen

(Raum B6, Erdgeschoss)

Email: Paul Martin

Projekt: Projekt: Untersuchung der Wirksamkeit adaptiven Lernens in der Organischen Chemie mithilfe von maschinellem Lernen

Veröffentlichungen

Publikationen

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

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

Lehre

Praktika