Personal Information

Name
Claudia Schulz
Position
Postdoctoral Researcher
Affiliation
UKP-TUDA
E-Mail
schulz(at)ukp.informatik.tu-darmstadt.de
Phone
+49 (6151) 16 - 25293
Fax
+49 (6151) 16 - 25295
Office
S2|02 B113
Address

TU Darmstadt - FB 20
Hochschulstraße 10
64289 Darmstadt
Germany 

Web

 

Google Scholar

DBLP

More Info

undefinedCV

 

Research Interests

  • Computational Argumentation and Argumentation Mining
  • Argumentation Theory
  • Logic Programming and Non-Monotonic Reasoning

Software

  • ArgTeach: web platform for learning how to find complete labellings in abstract argumentation
  • LABAS Justifier: graphical justifications of answer sets 

Biographical Information

Employment

  • since 05/2017: post-doctoral researcher at UKP Lab on the FAMULUS project, TU Darmstadt, Germany
  • 06/2016 - 03/2017: Subject Matter Specialist for Artificial Intelligence and Machine Learning at Outsmart Insights Ltd, UK

Education

  • 10/2012 - 03/2017: Ph.D. and Teaching Scholar at Imperial College London, UK

    • Thesis: "Developments in Abstract and Assumption-Based Argumentation and their Application in Logic Programming"

  • 10/2013 - 09/2015: Postgraduate Certificated in University Learning and Teaching (PGCert ULT) at Imperial College London, UK
  • 10/2011 - 09/2012: M.Sc. in Computing (Artificial Intelligence ) at Imperial College London, UK

    • Thesis: "Argumentation-Based Answer Set Justification"

  • 10/2008 - 09/2011: B.Sc. in Cognitive Science at Osnabrück University, Germany

    • Thesis: "How to deal with Ontologies in an Anchoring Framework"

Publications at UKP

Automatische Analyse von Diagnosekompetenzen in Fallsimulationen

Author Claudia Schulz, Michael Sailer, Jan Kiesewetter, Christian M. Meyer, Iryna Gurevych, Martin R. Fischer, Frank Fischer
Date February 2018
Kind Inproceedings
Book title6te Jahrestagung der Gesellschaft für Empirische Bildungsforschung (GEBF 2018)
KeyTUD-CS-2018-0015
Research Areas Ubiquitous Knowledge Processing, UKP_a_ArMin, UKP_a_WALL, UKP_p_FAMULUS, UKP_a_ENLP, UKP_reviewed, AIPHES
Abstract Diagnosekompetenzen spielen in vielen beruflichen Situationen eine wichtige Rolle. Diagnostizieren ist das zielgerichtete Sammeln und Integrieren von Informationen zum Zweck der bestmöglichen Entscheidungsfindung. Um Diagnosekompetenzen von Studierenden zu fördern und diese dadurch hinreichend auf ihre beruflichen Aufgaben vorzubereiten, bieten sich Fallsimulationen an. Dabei werden Studierenden berufsnahe Situationen geschildert, in denen diagnostisches Denken und Schlussfolgern erforderlich ist. Ohne hinreichendes inhaltliches Feedback ist es Studierenden jedoch nur schwer möglich ihre Diagnosekompetenzen zu verbessern. Klassische Methoden des Feedbacks, insbesondere für große Gruppen an Studierenden, sind entweder wenig Lehrkraft-intensiv jedoch allgemein (z.B. Muster- bzw. Expertenlösungen) oder adaptiv jedoch Lehrkraft-intensiv (z.B. individuelles Feedback von Experten). Automatisches adaptives Feedback bezüglich Diagnosekompetenzen kann helfen die Nachteile klassischer Feedback Methoden zu überwinden. Ziel ist es, Methoden zu entwickeln, die Diagnosekompetenzen automatisch analysieren und evaluieren, und daher zur automatischen Erstellung von adaptivem Feedback genutzt werden können. Methoden aus der Künstlichen Intelligenz (KI) wurden bereits erfolgreich in Lehr-Lernumgebungen eingesetzt und haben hohes Zukunftspotential (Luckin, Holmes, Griffiths & Forcier, 2016), da sie sich zur automatischen Analyse von Daten eignen. Die hier untersuchte Forschungsfrage ist, inwieweit Methoden aus der KI auf Studierendenlösungen in Fallsimulationen anwendbar sind, um diese automatisch bezüglich Diagnosekompetenzen zu analysieren.
Website http://www.gebf2018.ch/
Full paper (pdf)
[Export this entry to BibTeX]

Important Copyright Notice:

The documents contained in these directories are included by the contributing authors as a means to ensure timely dissemination of scholarly and technical work on a non-commercial basis. Copyright and all rights therein are maintained by the authors or by other copyright holders, notwithstanding that they have offered their works here electronically. It is understood that all persons copying this information will adhere to the terms and constraints invoked by each author's copyright. These works may not be reposted without the explicit permission of the copyright holder.

Awards & Honours

  • 08/2017: 2nd year AAAI/EAAI 2017 New and Future AI Educators Award
  • 12/2016: AAAI/EAAI 2017 New and Future AI Educators Award
  • 03/2016: ACM UPE Student Chapter Scholarship Award
  • 11/2015: Selected Participant of Rising Stars in EECS
  • 08/2015: Selected Young Researcher of the 3rd Heidelberg Laureate Forum
  • 05/2015: Best Graduate Teaching Assistant Award
  • 03/2015: Google Prize for Excellence, 2nd Runner-up at the Google 2015 Poster and Demo Competition, Imperial College London)
  • 01/2015: Best Student 3-Minute Presentation at AAAI'15
  • 01/2015: SIGAI Student Travel Award
  • 11/2014: Ramamoorthy Best Paper Award at ICTAI'14
  • 11/2014: Best Student Paper Award at ICTAI'14
  • 09/2014: AISB Student Travel Award
  • 08/2013: Best Paper Award at the ICLP'13 DC
  • 08/2013: Winning team of the 20th Prolog Programming Contest
  • 05/2013: Corporate Partnership Programme Award for Academic Excellence
  • 06/2012: Teaching Scholarship from the Department of Computing, Imperial College London
  • 02/2012: Best Graduate at the Institute of Cognitive Science, Osnabrück University

Talks

Invited Talks

  • 05/2017: Leipzig University - "On the Non-Existence of Stable Labellings in Abstract Argumentation"
  • 04/2017: Workshop on Formal Argumentation in Online Discussions at Heinrich-Heine-Universität Düsseldorf - "How to Handle the Inconsistency of Stable Semantics"
  • 11/2016: Imperial College London - "What Argumentation can do for AI"
  • 01/2016: Heinrich-Heine-Universität Düsseldorf - "Rules & Arguments - Argumentation for Logic Programming"
  • 11/2014: TU Dresden - "Explaining Answer Sets using Argumentation Theory"
  • 10/2013: Imperial College London - "Yes - No - Yes - No - Yes... Is this how Argumentation works?"
  • 01/2013: King's College London - "Argumentation-Based Answer Set Justification"

Conference Talks

  • EAAI 2017
  • COMMA 2016 (Demo)
  • LPNRM 2015
  • AAAI 2015
  • ICTAI 2014
  • COMMA 2014
  • ICLP 2013

Workshop Talks

  • Cardiff Argumentation Forum 2016
  • AAAI/SIGAI DC 2015
  • International Workshop on Argumentation and Logic Programming 2015
  • Workshop on Logic Reasoning and Computation 2015
  • Summer School on Argumentation 2014
  • ACM Europe 2nd Chapter Workshop 2014
  • ICLP DC 2013
  • International Symposium on Logical Formalizations of Commonsense Reasoning 2013
A A A | Drucken Print | Impressum Impressum | Sitemap Sitemap | Suche Search | Kontakt Contact | Webseitenanalyse: Mehr Informationen
zum Seitenanfangzum Seitenanfang