DAKODA

English

Datenkompetenzen in DaF/DaZ: Exploration sprachtechnologischer Ansätze zur Analyse von L2-Erwerbsstufen in Lernerkorpora

DAKODA ist ein CATALPA-Projekt.

Wie lässt sich die Sprache von Deutschlernenden automatisiert untersuchen? Das Projekt DAKODA leistet hier Grundlagenarbeit. Verschiedene Lernerkorpora werden zu einem großen Gesamt-Datensatz mit Such- und Filterfunktionen zusammengeführt. Parallel wird der wissenschaftliche DaF/DAZ-Nachwuchs im Umgang mit großen Datensätzen geschult.

Projektziele und Forschungsfragen

Das BMBF-Projekt „Datenkompetenzen in DaF/DaZ: Exploration sprachtechnologischer Ansätze zur Analyse von L2- Erwerbsstufen in Lernerkorpora“ (DAKODA) läuft seit dem 1.10.2022. Es handelt sich um ein Projekt in der Förderlinie "Projekte zur Stärkung der Datenkompetenzen des wissenschaftlichen Nachwuchses". Hier werden Nachwuchswissenschaftler:innen, die Datenkompetenzen erwerben wollen, mit Expert:innen für datenintensive Methoden zusammengebracht. Die FernUniversität in Hagen nimmt hier mit der ausführenden Stelle an der Forschungsprofessur „Computerlinguistik“ die Rolle der Datenexperten ein.

 

  • Prof. Dr. Torsten Zesch

  • Gefördert wird das Projekt im Rahmen der Bund-Länder-Initiative „Förderung der Künstlichen Intelligenz in der Hochschulbildung“ durch das Bundesministerium für Bildung und Forschung (BMBF) und finanziert von der Europäischen Union (NextGenerationEU):

    BMBF Logo
    Foerderhinweis-eu-vertikal

    Förderbekanntmachung: https://www.bmbf.de/bmbf/shareddocs/bekanntmachungen/de/2021/09/2021-09-06-Bekanntmachung-Datenkompetenzen.html

    Förderkennzeichen: 16DKWN035B

  • Universität Leipzig

  • Oktober 2022 - September 2025

  • 2024

    Zeitschriftenartikel

    • Boas, H. C., Ruppenhofer, J., & Baker, C. (2024). FrameNet at 25. International Journal of Lexicography, 37(3), 263–284. https://doi.org/10.1093/ijl/ecae009

      Wiegand, M., Schulder, M., & Ruppenhofer, J. (2024). Determining sentiment views of verbal multiword expressions using linguistic features. Natural Language Engineering, 30(2), 256-293. https://doi.org/10.1017/S1351324923000153

    Konferenzbeiträge

    • Rehbein, I., Ruppenhofer, J., Brunner, A., & Ponzetto, S. P. (2024). Out of the Mouths of MPs: Speaker Attribution in Parliamentary Debates. In N. Calzolari, M.-Y. Kan, V. Hoste, A. Lenci, S. Sakti, & N. Xue (Eds.), Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024) (pp. 12553–12563). ELRA and ICCL. https://aclanthology.org/2024.lrec-main.1098

      Ruppenhofer, J., Schwendemann, M., Portmann, A., Wisniewski, K., & Zesch, T. (2024). Every Verb in Its Right Place? A Roadmap for Operationalizing Developmental Stages in the Acquisition of L2 German. In N. Calzolari, M.-Y. Kan, V. Hoste, A. Lenci, S. Sakti, & N. Xue (Eds.), Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024) (pp. 6655–6670). ELRA and ICCL. https://aclanthology.org/2024.lrec-main.589

    2023

    Zeitschriftenartikel

    • Wisniewski, K., Zesch, T., Schwendemann, M., Ruppenhofer, J., & Portmann, A. (2023). Automatische Analysen von Erwerbsstufen in einer großen Lernerkorpus-Datenbank für DaF/DaZ. Das Forschungsprojekt DAKODA. Korpora Deutsch als Fremdsprache, 3(2, 2), 179–224. https://doi.org/10.48694/kordaf.3845
Forschungsprofessur Computerlinguistik | 12.12.2024