Rohde & Schwarz Best Bachelor Award 2020

Khachnaoui, Adem

Adem Khachnaoui

Zum fünften Mal verlieh der Elektronikkonzern Rohde & Schwarz GmbH & Co. KG im Rahmen der Abschlussfeier für Absolventinnen und Absolventen den Best Bachelor Award. Prämiert wurde die Bachelor-Arbeit „Increasing Accuracy of Automatic Assessment for Textual Exercises by Applying Context-specific Incremental Training of ELMo Models“ von Adem Khachnaoui. Die Arbeit entstand am Lehrstuhl für Angewandte Softwaretechnik (Prof. Bernd Brügge). Der Ausgezeichnete durfte sich über ein Preisgeld von 1.000 EUR freuen. Virtuelle Überbringerin der Urkunde war Magdalena Pöllmann von der Rohde & Schwarz GmbH & Co. KG.

Laudatio:

"Wie zensiert man Übungsaufgaben und Hausaufgaben von Tausenden von Studierenden? Kann man diesen Prozess automatisieren und trotzdem auf jeden einzelnen Studierenden persönlich eingehen? Kann man die alte Form der Peripatetiker, das wandelnde Einzelgespräch zwischen Lehrendem und Lernendem, wieder zum Leben bringen, kann man also 1 zu 1 unterrichten, wobei die Lehrenden auf die individuellen Fähigkeiten, Lernfortschritt und Probleme der Lernenden eingehen? Die Bachelor Arbeit von Adem Khachnaoui 'Increasing Accuracy of Automatic Assessment for Textual Exercises by Applying Context-specific Incremental Training of ELMo Models' ist ein Versuch in dieser Richtung. Die Arbeit untersucht die automatische Bewertung von Freitextaufgaben mit maschinellen Lernmethoden, insbesondere mit Hilfe der Erstellung von Ähnlichkeitsclustern bei den Antworten. Seine Bachelorarbeit ist Teil des von der TUM geförderten Forschungsprojekts 'Automatische Korrektur von Freitextaufgaben', das wiederum Teil des vom BMBF geförderten Vorhaben 'Agenda Lehre – bessere Studienbedingungen und mehr Qualität in der Lehre' ist.
Das Forschungsziel von Herrn Khachnaoui war es, die Qualität des individuellen Feedbacks auch bei Großvorlesungen durch inkrementelles kontext-spezifisches Training von ELMO, einem Modell für natürliche Spracherkennung, zu verbessern und diesen Prozess sogar zu automatisieren. Und zwar dadurch, dass er die Genauigkeit von sogenannten 'Language embeddings' verbessert, indem das ELMO Modell auf das Vokabular der Aufgabendomäne trainiert wird.
Aufbauend auf einer objekt-orientierten Analyse erarbeitete Herr Khachnaoui eine cloud-basierte Systemarchitektur und implementierte eine Anwendung, mit der er dann drei Großexperimente mit Datensätzen von mehr als 1.000 Abgaben aus der Großvorlesung 'Einführung in die Softwaretechnik' durchführte. Er verglich dabei automatisch berechnete Notenbewertungen mit manuellen Bewertungen und konnte zeigen, dass inkrementelles und iteratives Training des Elmo-Modells die Qualität von automatischen Bewertungen immer weiter verbessert, und zwar ohne signifikant zusätzlichen manuellen Leistungsaufwand. Eine gute Nachricht für alle Professoren und Professorinnen sowie alle Tutoren und Tutorinnen."